Le contexte technique
Je comprends parfaitement la frustration quand « ça redessine tous les détails ». Ce n'est pas un caprice du modèle, mais un problème fondamental des modifications en chaîne (chained edits) : à chaque nouvelle étape, je demande au système non seulement de dessiner une image, mais de conserver l'identité, le style, les matériaux, les petites formes tout en modifiant une seule partie. Pour l'implémentation de l'IA en design, c'est l'un des pièges les plus agaçants.
Je vois généralement trois raisons à cet échec. Premièrement, le modèle ne stocke pas votre style comme un état fixe ; il réassemble la scène de manière probabiliste à chaque fois. Deuxièmement, un prompt textuel est un ancrage trop faible pour les détails fins sans un conditionnement adéquat par une image de référence. Troisièmement, chaque nouvelle modification accumule une dérive, et après 3 à 5 itérations, le visage, le tissu, la lumière et la géométrie sont « presque les mêmes », mais en réalité différents.
J'ai exploré divers pipelines, et la base de travail efficace semble ennuyeuse, mais honnête. Il faut un bloc de style fixe que je copie sans changement entre les itérations : palette, type de lumière, matériau, sensation de l'objectif, ambiance. De plus, il faut plusieurs références, pas une seule, de préférence sous différents angles et sans désordre en arrière-plan.
Si la tâche est plus complexe que « changer la couleur du bouton », j'utilise presque toujours le résultat précédent comme ancre visuelle et je précise ce qui ne doit pas être touché. Parfois, sans un LoRA ou au moins une couche d'adaptation personnalisée, il est inutile de s'acharner sur les prompts. Et c'est là que beaucoup abandonnent, attendant de la magie d'un simple champ de texte.
Ce que cela change pour l'entreprise et l'automatisation
Si vous avez un flux constant de bannières, de fiches produits, de personnages ou de variations d'intérieurs, le coût de l'erreur passe rapidement de l'esthétique au temps de l'équipe. Un designer se retrouve à réparer ce que l'IA était censée accélérer. Au final, l'automatisation avec l'IA se transforme en retouche manuelle avec une étape supplémentaire.
Ceux qui construisent un pipeline, plutôt que de prier le modèle, gagnent. Des références fixes, un modèle de prompt, des règles pour les zones non modifiables, parfois un fine-tuning pour un style spécifique, et seulement ensuite la mise à l'échelle. Ceux qui se lancent en production avec la mentalité « on ajustera le prompt » perdent.
Chez Nahornyi AI Lab, nous nous attaquons justement à ces goulots d'étranglement en pratique : déterminer où une intégration d'IA avec une chaîne de références appropriée est suffisante, et où une couche distincte pour votre langage visuel est nécessaire. Si votre IA casse constamment les maquettes et dévore les heures de votre équipe, examinons l'ensemble du processus et construisons un développement de solution IA pour que les modifications deviennent enfin prévisibles.