Contrôler les images

“Un prompt, c'est crier un ordre dans une salle bruyante. Le contrôle, c'est mettre le plan dans leurs mains.”

Les limites des mots

Le texte est un moyen à faible bande passante pour spécifier une image. « Une personne debout près d'une voiture rouge » laisse un milliard de détails non spécifiés — pose, angle, éclairage, placement exact — et le modèle les remplit avec ce que le bruit suggère. Pour l'exploration, c'est bien. Pour un résultat précis, le seul prompting est frustrant : vous décrivez une image à quelqu'un qui ne peut pas voir votre intention.

Les techniques qui comptent sont donc celles qui donnent au modèle plus que des mots : une image existante à modifier, un guide structurel à suivre, un style de référence à harmoniser. Elles font passer la génération de « lancer les dés sur ma description » à « exécuter selon mes spécifications ».

Modifier ce qui est déjà là

Comme la génération est un débruitage interruptible, vous pouvez intervenir et partir d'une image existante plutôt que d'un bruit pur. Deux techniques de base s'en dégagent :

• Image à image — commencer le débruitage à partir de votre image plus du bruit, de sorte que la sortie garde sa structure globale mais change selon le prompt. « Transformer cette photo en peinture. »
• Incrustation — régénérer uniquement une région masquée, en laissant le reste intact. « Retirer la personne de ce coin » ou « changer seulement le ciel. » Le modèle remplit le vide en cohérence avec ce qui l'entoure.
• Extension hors cadre — prolonger une image au-delà de ses bordures, en inventant une continuation plausible.

Ce sont la base des flux de travail créatifs et de production réels, où vous voulez rarement une image entière depuis zéro — vous voulez changer une chose tout en maintenant tout le reste fixe.

Imposer une structure

La plus grande avancée en matière de contrôle est venue du conditionnement de la génération sur une entrée structurelle en plus du prompt — une carte de contours, une carte de profondeur, un squelette de pose humaine, une esquisse grossière. Le modèle doit produire une image qui corresponde à la fois à vos mots et à cette structure. Vous pouvez maintenant dire « un chevalier dans cette pose exacte » en tendant un squelette en bâtons, ou « ce bâtiment avec cette façade » via un contour de bordures.

Cette famille de techniques (ControlNet, introduit vers 2023, est le plus connu) est ce qui rend les modèles d'images utilisables pour le travail professionnel, où vous avez besoin de la composition voulue, et non d'une composition plausible que le modèle préférait. C'est la différence entre un jouet et un instrument. La boîte à outils des techniques de contrôle.↗

Harmoniser style et sujet

Souvent, vous voulez de la cohérence : le même personnage dans plusieurs images, ou un style artistique spécifique tout au long. Une gamme de techniques répondent à ce besoin — de la personnalisation légère qui enseigne à un modèle un nouveau sujet ou style à partir de quelques exemples, jusqu'au conditionnement par image de référence qui transporte un look à travers les générations. Les détails évoluent rapidement selon les outils, mais l'objectif est constant : la reproductibilité, pas la chance ponctuelle.

La compétence réside dans la boucle, pas dans le prompt

Mis ensemble, la génération d'images contrôlée est itérative : générer, inspecter, masquer et régénérer une région, ajuster le guide structurel, varier une graine, affiner. Les personnes qui obtiennent des résultats professionnels n'écrivent pas des prompts magiques — elles font tourner une boucle serrée avec les outils de contrôle, exactement comme un photographe travaille la prise plutôt que d'espérer un cadre parfait du premier coup.