La valeur principale des images de référence dans la génération d’images ne consiste pas à demander à l’IA de « copier exactement », mais plutôt à transformer en contraintes visibles ce que les mots peinent à exprimer : le sujet, la posture, la composition ou l’orientation visuelle. Pour obtenir des résultats stables, le prompt doit répondre simultanément à deux questions : quels éléments doivent absolument être conservés, et quels éléments peuvent évoluer.

L’image ci-jointe est un élément illustratif original créé pour ce tutoriel, généré par Codex ; il ne s’agit ni d’un test comparatif entre modèles PixPix, ni d’une évaluation sur le terrain. Les descriptions fonctionnelles de PixPix proviennent de la page publique actuelle ; les limites d’entrée, les dimensions et les options propres à chaque modèle ainsi qu’à l’interface actuelle doivent être vérifiées sur la page officielle correspondante.

Conclusion rapide : commencez par préciser les éléments à conserver, puis indiquez ceux qui peuvent varier.

Une requête concrète de génération d’images peut être résumée sous cette formule :

Personnage de l’image de référence + Identité/structure/composition à conserver obligatoirement + Objets uniquement modifiables + Scène ou style ciblé + Éclairage et proportions + Interdiction d’ajouter du contenu nouveau.

Si un seul prompt demande simultanément de changer de personnage, d’action, de plan, d’arrière-plan et de style, le modèle aura bien du mal à déterminer quel élément constitue le point d’ancrage. La méthode la plus sûre consiste à ne modifier qu’une seule variable majeure à chaque itération, tout en utilisant comme référence l’image validée lors de l’étape précédente.

Que peut réellement contrôler une image de référence ?

PixPix actuellement disponible au publicAccès à la fonction « image‑à‑image »Permet de télécharger une image de référence, un croquis ou une capture d’écran, afin que le modèle génère une nouvelle image en s’appuyant sur la structure, la composition et le style de l’image d’origine. Idéal pour étendre les styles, modifier les personnages, développer des scénarios de produits et mener des explorations visuelles.

Sujet et identité

La forme du visage, la coiffure, les vêtements et la morphologie d’une personne, ou encore la silhouette, la couleur, le matériau et les structures clés d’un produit, constituent tous des invariants liés au sujet. Ne vous contentez pas d’écrire simplement « maintenir l’homogénéité » ; listez précisément chaque caractéristique observable.

Posture et composition

Les images de référence permettent d’exprimer plus facilement que le texte la position des personnages, leur regard, la hauteur de la caméra, la proportion du sujet et les relations entre les objets. Si ces relations doivent être préservées, indiquez clairement : « conserver la même posture, la même hauteur de caméra, la même taille du sujet et le même cadrage ».

Style et éclairage

Une image de référence peut également se limiter à définir une orientation visuelle : couleurs, grain, matériaux, éclairage ou mise en page. Dans ce cas, précisez qu’il s’agit d’une « référence stylistique » afin d’éviter que le modèle n’intègre également les personnes ou les objets présents sur l’image de référence dans le résultat final.

Cas original : le cycliste urbain Lin

Dans cet exemple, nous créons un personnage fictif nommé Lin, dont les caractéristiques principales sont les suivantes :

• Femme d’Asie de l’Est, âgée d’une vingtaine d’années, aux cheveux noirs mi-longs ;

• Veste de randonnée légère bleu cobalt, pantalon droit gris foncé, chaussures blanches basses ;

• Casque de vélo corail mat ;

• Main posée sur un vélo urbain argenté ;

• Tout le corps ainsi que le vélo entier figurent dans le cadre, avec un angle de vue et un regard fixe.

Cette image de référence intègre à la fois l’identité, les vêtements, la posture, les accessoires et la composition. Si, par la suite, vous souhaitez seulement changer de style, évitez de modifier la disposition de l’arrière-plan ; si vous voulez simplement changer de décor, ne changez pas non plus les vêtements ni les mouvements.

Étapes pratiques : décomposez votre demande en traitant une seule variable à la fois.

Première étape : attribuez un rôle à chaque image de référence.

Lorsque plusieurs images sont chargées simultanément, évitez de laisser le modèle deviner :

• Référence à l’image A : identité du sujet et tenue vestimentaire ;

• Référence à l’image B : posture et composition ;

• Référence à l’image C : couleurs, matériaux ou style d’illustration.

Même s’il n’y a qu’une seule image, il convient tout de même d’indiquer dans le prompt ce dont elle est responsable. Plus le rôle est clair, moins il y aura de conflits.

Deuxième étape : formuler des invariants vérifiables

Dans le cas de Lin, l’invariant n’est pas « la même personne », mais plutôt :

Conserver inchangés les traits du visage, les cheveux noirs mi‑longs, le manteau bleu cobalt, le casque corail, le pantalon gris foncé, les chaussures blanches, la posture avec les mains sur le guidon, la structure argentée du vélo, ainsi que la composition globale et l’angle de vue.

Pour un produit, on peut remplacer ces éléments par : « garder inchangés le rapport longueur‑largeur du flacon, la structure du bouchon, la position de l’étiquette, le matériau, la couleur et le logo ».

Troisième étape : décrire uniquement ce qui doit être modifié pour cette itération

Commencez par déterminer à quelle catégorie appartient cette phase :

• Changer uniquement le style de rendu ;

• Changer uniquement l’arrière‑plan et l’éclairage ;

• Changer uniquement la tenue vestimentaire ou un objet isolé ;

• Étendre uniquement la toile ;

• Corriger uniquement une erreur locale.

Ne réalisez pas toutes ces tâches en une seule fois. Obtenir d’abord une version stable au niveau structurel, puis poursuivre avec la phase suivante.

Exemple 1 : modifier uniquement le style

Instruction type :

Convertir l’image de référence en une illustration éditoriale contemporaine imprimée en taille‑douce. Conserver les traits du visage de Lin, ses proportions corporelles, son expression, son manteau bleu cobalt, son casque corail, son pantalon gris foncé, ses chaussures blanches, sa posture debout, son vélo argenté, ainsi que l’angle de prise de vue et le cadrage ; ne changer que le mode de rendu. Utiliser des teintes bleu cobalt, corail, gris foncé et des tons chauds de papier, tout en conservant les points d’impression et une légère texture de superposition de couleurs. Ne pas ajouter de personnages, de textes ni de logos.

Le verbe central ici est « ne changer que le mode de rendu ». L’objectif stylistique peut être précis, mais il ne faut pas simultanément demander un changement de décor ou une refonte complète de la tenue vestimentaire.

Exemple 2 : modifier uniquement l’arrière‑plan et l’éclairage

Instruction type :

Transformer l’environnement en un sentier cyclable au bord d’une rivière après une petite pluie, à l’heure du crépuscule bleuté. Ne changer que l’arrière‑plan et la lumière ambiante ; conserver l’identité du personnage, sa coiffure, son casque corail, son manteau bleu cobalt, son pantalon gris foncé, ses chaussures blanches, ses proportions corporelles, la position de ses mains, la structure du vélo, sa posture, l’échelle du sujet et le cadrage de l’image. La surface de la route présente de légers reflets humides, tandis que les lumières lointaines de la ville sont floues, sans ajouter de piétons ni d’autres vélos.

Lorsque le « remplacement de l’arrière‑plan » interdit même toute variation de l’éclairage du personnage, le résultat risque de ressembler à un collage. Une formulation plus raisonnable consiste à autoriser l’influence de la lumière ambiante sur le sujet, tout en maintenant fixées l’identité du personnage, les couleurs de ses vêtements et leur structure.

Quand faut‑il modifier l’ensemble de l’image, et quand effectuer une retouche locale ?

Si la direction générale est erronée — par exemple, si le style, l’angle de prise de vue ou le décor ne correspondent pas aux attentes —, il est souvent plus efficace de recommencer depuis le début. En revanche, lorsque 80 % du travail est déjà correct et qu’il ne reste à corriger que les mains, les bords, le texte ou un petit élément, il convient d’utiliser les outils de retouche locale ou de modification d’images mis à disposition par PixPix, afin d’éviter de devoir reprendre l’ensemble de l’image et d’engendrer de nouvelles dérives.

La page PixPix de GPT Image 2indique clairement qu’il est possible de partir d’un prompt ou d’une image de référence, et d’utiliser cette approche pour des images de produits, des affiches, des créations typographiques ainsi que pour des visuels multi‑tailles ;Quant à la page PixPix de Seedream 5.0 Pro, elle met l’accent sur la nécessité d’exprimer précisément, dans les instructions de modification, l’objectif, les actions, la mise en page, le style, l’éclairage et les éléments invariants. Le choix concret doit être déterminé en fonction de la tâche en cours et des capacités réelles de l’interface, plutôt que d’imposer un modèle unique à tous les projets.

Erreurs courantes et moyens de correction

Erreur n° 1 : se contenter d’écrire « identique à l’image originale »

Le terme « identique » ne précise pas les priorités. Il convient d’énumérer séparément le visage, les vêtements, la structure du produit, la posture ou l’angle de prise de vue, afin que le modèle sache exactement quelles modifications constituent une erreur.

Erreur n° 2 : des images de référence contradictoires

Une image représente une personne, une autre une posture, tandis qu’une troisième montre des vêtements différents et une figure distincte — il est alors facile que ces éléments se mélangent. Il faut attribuer clairement à chaque image une fonction précise et veiller à ignorer tout élément non pertinent par rapport à la tâche.

Erreur n° 3 : modifier trop de paramètres en une seule fois

Procédez d’abord au transfert de style, puis changez de décor, enfin effectuez des corrections locales. À chaque étape, conservez un résultat déjà validé ; ainsi, en cas d’erreur, vous saurez précisément quelle phase en est responsable.

Erreur n° 4 : confier entièrement la gestion des petits textes et des logos à la génération

Les étiquettes de produits, les prix promotionnels et les marques doivent être vérifiés mot par mot. Lorsque la structure est correcte, privilégiez les ajustements locaux des zones textuelles plutôt que de refaire toute l’image pour une seule lettre.

Erreur n° 5 : ne regarder que les miniatures

Agrandissez l’image pour inspecter le visage, les doigts, les rayons de roue, les bords du produit, les reflets, les ombres portées et les textes. Les détails apparemment naturels sur la miniature peuvent être altérés sur une image agrandie.

FAQ

Plus on utilise d’images de référence, mieux c’est ?

Pas nécessairement. Chaque image doit avoir une fonction bien définie. Si deux images sont en conflit concernant la personne, la composition ou le style, augmenter leur nombre risque au contraire de réduire la maîtrise du processus.

Lorsqu’on génère une image à partir d’une autre, copie-t-on l’image originale ?

La génération d’images à partir d’autres images extrait les informations relatives à la structure, à la composition, à la posture ou au style, puis recrée une nouvelle scène ; il ne faut donc pas la considérer comme une simple reproduction pixel par pixel. Avant d’utiliser une image qui n’appartient pas à votre propre corpus, assurez-vous toujours de respecter les droits d’auteur et évitez de demander la reproduction d’œuvres protégées et uniques.

Pourquoi le visage des personnages change‑t‑il encore ?

La netteté de l’image de référence, les variations d’angle, les capacités du modèle et le nombre de variables modifiées simultanément influencent tous la stabilité de l’identité. Utilisez des références claires, précisez les traits du visage et les caractéristiques vestimentaires, limitez le nombre de paramètres modifiés en même temps, et poursuivez l’itération à partir d’un résultat déjà validé.

Quand est‑il préférable d’utiliser la génération d’images à partir de texte ?

Lorsque vous souhaitez simplement explorer de nouvelles pistes, sans avoir besoin de conserver un personnage, un produit, une posture ou une disposition spécifique, la génération d’images à partir de texte offre plus de liberté. En revanche, dès lors que la mission exige de « conserver cette personne, ce produit ou cette composition », il est préférable de commencer par des images de référence.

Conclusion : considérez les images de référence comme des contraintes, et non comme de simples ornements

La stabilité de la génération d’images à partir d’une image repose sur des frontières claires des tâches : ce que l’image de référence doit assurer, quels éléments ne doivent pas être modifiés, quelles modifications sont autorisées pour cette itération et, enfin, comment procéder à la validation. Une fois le modèle de base et la liste des invariants préparés, il est possible d’accéder à PixPix.Entrée pour la génération d’images à partir d’une image et la retouche photo, en commençant par une modification mono‑variable.