Pourquoi les images IA se voient, et les mots qui corrigent ça

On le repère presque toujours. Non pas parce que l’image est mal faite, mais parce qu’elle est trop bien faite : la peau n’a pas de pores, les deux côtés du visage se correspondent, la lumière ne vient de nulle part en particulier, et rien à l’arrière-plan n’est éraflé. Cela se lit comme la photographie d’un lieu qui n’existe pas, ce qu’elle est exactement.

La cause est assez simple pour être utile. Le modèle vise la moyenne d’un nombre énorme de photographies réussies, et efface par moyennage tout ce qui variait. Or ce qui varie entre de vraies photographies, c’est précisément l’imperfection : une tache ici, une ombre dure là, un objectif un peu mou dans un coin. Faites la moyenne de tout cela et vous obtenez quelque chose de lisse, symétrique et mort.

Ce qui signifie que le réalisme ne se demande pas. Il se négocie, en tirant le modèle vers le bas, un défaut précis à la fois.

Cinq signes et la clause qui répond à chacun

Peau plastique. La retouche par défaut. Les jeux de portraits sont pleins de visages retouchés, donc le visage moyen n’a aucun pore. Redemandez la matière explicitement : « visible skin texture, fine pores, a few freckles across the nose, unretouched ». Commander de l’imperfection est étrange, et c’est la plus grosse amélioration disponible pour un visage généré.

Symétrie. Les vrais visages ne sont pas symétriques et les vraies pièces ne sont pas centrées. La moyenne de tout l’est, parce que les asymétries s’annulent. Cassez-la exprès : « head turned slightly, weight on one hip, the composition off-centre with more space on her left ».

Lumière venue de nulle part. Le plus fréquent et le plus corrigible. Si vous ne dites pas d’où vient la lumière, le modèle fait la moyenne de tous les éclairages à la fois et vous obtenez des ombres douces dans toutes les directions, ce qui n’arrive nulle part dans la nature. Une source nommée avec une direction règle cela instantanément.

Décor trop propre. Les vraies pièces ont un câble, une trace, un manteau sur le dossier d’une chaise. Nommer un seul élément de désordre fait plus pour la crédibilité qu’une phrase de plus sur le sujet, et c’est le mot le moins cher que vous puissiez dépenser.

Yeux morts. Plus difficile, et il vaut la peine de savoir pourquoi : les yeux paraissent vivants grâce au reflet, ce petit point brillant de ce qui les éclaire. Un visage moyenné reçoit une paire de reflets moyennés, centrés et symétriques, ce qui est le regard d’un mannequin. Demandez-en un précis : « a single window catchlight in her eyes, slightly off to the left ».

Les mots d’optique qui font quelque chose, et ceux qui ne font rien

Le vocabulaire de la prise de vue fonctionne quand il nomme une conséquence physique et ne fait rien quand il sonne simplement professionnel. La différence mérite d’être intériorisée, car la moitié des prompts que les gens se recopient sont du second type.

Ce qui travaille : une focale, parce qu’elle change la quantité d’arrière-plan dans le cadre et la compression du visage. Une ouverture, parce qu’elle décide de ce qui est net. Un moment de la journée. Une pellicule nommée ou une dominante, parce que cela contraint la palette. Le grain. Un défaut d’objectif précis, vignetage ou coin mou.

Ce qui ne travaille pas : « 8k », « ultra detailed », « masterpiece », « award winning », « professional photography », « hyperrealistic ». Ces mots décrivent ce que vous aimeriez ressentir, et un modèle ne dessine pas une opinion. Pire, ils occupent l’attention qu’une vraie clause aurait pu utiliser.

Un test utile : un photographe debout dans la pièce pourrait-il agir sur ce mot ? « 35mm, pris légèrement en contre-plongée » est une consigne exécutable. « Hyperréaliste » ne l’est pas.

Nommez une situation d’éclairage réelle

Si vous ne changez qu’une chose après cette lecture, que ce soit celle-là. Pas « belle lumière », pas « lumière cinématographique », mais une situation qui pourrait réellement se produire :

• « late afternoon sun through a west-facing window, long shadow across the floor »
• « overcast noon, flat soft light, no visible shadows »
• « one bedside lamp to her right, the rest of the room falling into dark »
• « street lamp overhead at night, hard shadows under the eyes, wet pavement reflecting it »

Chacune impose une direction, une dureté et une couleur, et chacune exclut le rendu tout-à-la-fois qui fait lire l’image comme générée. C’est le même principe que l’ordre des clauses dans nos prompts prêts à coller : la lumière est la clause que l’on saute et celle qui porte le plus.

La résolution n’est pas le réalisme

La haute qualité rend dans une définition supérieure, et cela achète du détail, pas de la crédibilité. Elle dessinera une peau plastique en 2K exactement aussi fidèlement qu’en 1,5K, avec simplement plus de pixels. Réglez d’abord le prompt en Standard pour 40 coins, puis relancez la version qui vous plaît en haute qualité pour 60 si vous avez vraiment besoin de la taille. La comparaison complète est dans l’article sur la qualité et les formats.

Deux autres limites honnêtes. Les mains et les visages sont les sujets les plus difficiles, parce que chaque spectateur en est expert et repérera une erreur qu’il ne saurait pas décrire. Et si vous voulez le même visage sur plusieurs images, aucun vocabulaire de réalisme n’y suffira : c’est le travail d’une image de référence, comme l’explique l’article sur la constance d’un personnage. Les mots ne portent pas un visage.

Entraînez-vous sur des matières avant des personnes. Tissu, métal usé, nourriture, pierre mouillée. Elles répondent exactement au même vocabulaire, personne n’est expert de l’aspect d’une casserole précise, et vous comprendrez ce que fait vraiment « lumière dure venant de la gauche » bien plus vite que sur un portrait. Emmenez ensuite cela dans Fellowi Images et changez une clause à la fois. Une génération ratée vous rend vos coins, donc le seul coût réel d’une expérience est une minute.