Générer des images avec l'IA, un tirage aléatoire façon gacha ? Comment passer de la chance à des résultats fiables

Introduction

Vous avez sans doute déjà vécu cette expérience : avec le même prompt, l'image générée aujourd'hui est si belle que vous voulez la capturer et l'enregistrer ; vous cliquez à nouveau demain, et les doigts sortent au nombre de six. Le texte se comporte de la même manière — une version se lit avec fluidité, puis vous régénérez et il se met à raconter n'importe quoi.

Nous appelons ce phénomène le tirage aléatoire façon gacha. L'IA générative est fondamentalement une machine à gacha : vous y insérez un prompt, et elle vous rend un résultat en partie dû à la chance. Quand vous obtenez un résultat exploitable, tout le monde est content ; sinon... il suffit de retirer.

Les deux articles précédents ont traité des concepts et des outils de la génération multimodale. Celui-ci aborde une question plus concrète : maintenant que vous avez les outils en main, comment amener l'IA à produire régulièrement des images et des textes qui vous satisfont ?

La réponse n'est pas « trouver un prompt magique qui réussit du premier coup » — c'est une illusion. La réponse est d'admettre l'existence du tirage aléatoire, puis de jouer ce tirage plus intelligemment.

1. Voir la génération comme un tirage aléatoire, et le problème s'éclaire aussitôt

Dès que vous acceptez que « génération = tirage aléatoire », votre anxiété diffuse se transforme en trois problèmes que l'on peut traiter :

1. Comment faire pour que chaque tirage ait plus de chances de donner un résultat exploitable ?
2. Comment savoir si ce tirage a effectivement donné un résultat exploitable ?
3. Que faire lorsque ce n'est pas le cas ?

Ces trois questions correspondent à trois choses : énoncer clairement le besoin (prompts structurés), définir ce qui compte comme conforme (Eval) et corriger ce qui ne l'est pas (itération). Mises bout à bout, elles forment une boucle de rétroaction :

Prompt structuré → génération (tirage) → verdict Eval → conservé si conforme / corrigé et relancé sinon → ...

En réalité, la plupart des gens parcourent cette boucle tous les jours : écrire un prompt, regarder le résultat, corriger et redessiner quand cela ne plaît pas. Simplement, ils la parcourent à l'instinct. Cet article explique comment transformer cette boucle instinctive en un flux de travail doté de critères, reproductible et peu fatigant.

Décomposons-les un par un.

2. Augmenter le taux de réussite : formuler « ce que je veux » en structure

Pourquoi « dessine un chat » a-t-il un faible taux de réussite ? Parce que vous confiez neuf dixièmes des décisions à la chance. Le modèle doit deviner à votre place : quelle race, quelle posture, quel arrière-plan, quel style graphique, faut-il du texte... Il improvise au hasard sur chacun de ces points, si bien que la probabilité d'obtenir exactement l'image que vous avez en tête est naturellement faible.

Un prompt structuré consiste essentiellement à écrire explicitement les exigences que vous gardez par défaut dans votre tête, laissant ainsi moins de place à la chance. Une structure simple mais efficace :

• Sujet : chat tigré roux, chaton, visage rond
• Scène/action : somnoler sur le rebord de la fenêtre, sous la pluie
• Style : illustration plate, tons chauds
• Contraintes : aucun texte dans l'image
• Sortie : format paysage, espace vide à gauche pour le titre

Jusqu'où peut-on affiner un prompt ? L'année dernière, quand les capacités des modèles n'étaient pas aussi fortes qu'aujourd'hui, je réalisais un album illustré et, pour qu'un même personnage reste cohérent de page en page, j'affinais le prompt à l'extrême — jusqu'à préciser la longueur des manches. Les modèles sont bien plus intelligents aujourd'hui et ce niveau de détail n'est sans doute plus nécessaire, mais le principe n'a pas changé : plus vous voulez de stabilité, plus vous devez transférer dans le prompt, un par un, les éléments qui « restent par défaut dans votre tête ».

Bien sûr, la structure ci-dessus n'est qu'une démonstration des plus simples et n'a rien d'exceptionnel — les prompts vraiment soignés reposent sur tout un savoir-faire : prompts négatifs, contrôle des poids, images de référence, ancrage de style... Et chaque outil de génération d'images a son propre tempérament. Mais ne vous laissez pas perdre dans la syntaxe concrète : ce que cette section veut vous transmettre, ce ne sont pas ces champs, mais le cœur du sujet : décomposer les exigences qui restent par défaut dans votre tête et les écrire explicitement, une par une. La structure d'abord, le raffinement ensuite.

Dans les deux cas il s'agit d'un tirage, mais un prompt vague revient à parier durement sur un SSR dans un tirage de dix ; un prompt structuré consiste à pousser d'abord la garantie au maximum, puis à tirer. Le taux de réussite n'atteindra pas 100 %, mais il grimpe à vue d'œil.

En une phrase : un prompt structuré ne garantit pas un résultat exploitable, mais il fixe le plancher de votre taux de réussite.

3. Juger si le tirage a donné un résultat exploitable : décomposer « satisfait » en dimensions que l'on peut noter (c'est cela, l'Eval)

Le taux de réussite est monté ; voici la question suivante : qu'est-ce qui compte comme un résultat exploitable ?

« Je trouve que ça va » ne suffit pas. Le jugement à l'instinct a trois défauts : la norme d'aujourd'hui et celle de demain dérivent, il ne peut pas être délégué à quelqu'un d'autre, et moins encore confié à une machine. Pour être stable et pour passer à l'échelle, il faut d'abord décomposer ce sujet subjectif qu'est « satisfait » en plusieurs dimensions objectives que l'on peut vérifier une par une.

C'est cela, l'Eval (évaluation de la qualité du contenu). Mais il faut d'abord dissiper un malentendu : il n'existe pas de liste universelle valable partout. Ce que l'on évalue se déduit à rebours de votre objectif.

Il existe un squelette général auquel la plupart des générations n'échappent pas :

• Texte : est-il hors sujet, raconte-t-il des absurdités avec le plus grand sérieux (erreurs factuelles / hallucinations), le ton et le style sont-ils justes, est-il bavard ou répétitif.
• Image : l'image correspond-elle au texte, le rendu s'est-il effondré (mains difformes, membres en trop), le contenu est-il convenable.

Mais ce qui décide vraiment de la réussite ou de l'échec, ce sont souvent les quelques dimensions propres à votre contexte. Par exemple : quand je conçois des cartes d'apprentissage du chinois, j'ajoute une règle d'airain — hors du niveau de l'apprenant : une phrase ne doit pas contenir de caractères ou de mots que l'élève n'a pas encore appris. Cette règle n'a aucun sens pour écrire un roman ou un texte publicitaire, mais pour l'enseignement c'est une ligne de vie ou de mort. Donc ne récitez pas la liste de quelqu'un d'autre ; demandez-vous « dans mon contexte, qu'est-ce qui compte comme non conforme » et notez les réponses une par une : voilà votre Eval.

Plus loin encore, la plupart de ces dimensions peuvent être notées par l'IA à votre place — soumettez à un modèle multimodal une image et une phrase, demandez-lui « ces deux éléments correspondent-ils, sur une échelle de 1 à 5 ». Mais il y a là un piège souvent négligé : le juge lui-même tire au sort. Pour une même image, il met 5 un instant puis 3 l'instant suivant, et l'évaluation devient une seconde source d'aléa. Quelques gestes de bon sens pour stabiliser le juge : régler l'aléa au minimum, l'obliger à rendre son verdict dans un format fixe, et relancer automatiquement en cas d'erreur.

4. Que faire quand le tirage échoue ? « Relancer un tirage » est la correction la plus légère

Quand le tirage échoue, le premier réflexe de la plupart des gens est de tirer à nouveau. Ce n'est pas faux — relancer un tirage est la solution la moins pénible — mais c'est aussi la plus légère : si le problème vient du prompt lui-même, vous aurez beau tirer cent fois, ce qui est cassé restera cassé.

En réalité, la correction ne se limite pas à « relancer un tirage » ; l'essentiel est de traiter la cause exacte — et le remède à prescrire, c'est précisément l'Eval qui vous dit « où se situe le problème » :

Trois approches · traiter la cause

• Relancer à l'identique : l'image dans son ensemble est correcte, seul ce tirage a manqué de chance — changez de graine et tirez à nouveau.
• Modifier le prompt de cette image puis retirer : l'Eval signale que l'image ne correspond pas au texte, ou qu'une quantité est mal dessinée — ajoutez une contrainte ciblée, puis tirez à nouveau. L'option la plus utilisée et la plus efficace.
• Reprise locale : neuf dixièmes de l'image sont parfaits, seuls le visage ou la main sont ratés — ne redessinez que cette zone, en conservant le reste ; bien plus économique que de tout refaire.

Vous le voyez, la valeur de l'Eval dépasse de loin l'interrupteur « réussi / échoué ». Une évaluation qui ne crache que pass/fail n'apporte pas grand-chose ; seule une évaluation capable de vous dire « est-ce une incohérence texte-image, ou une main ratée » peut vous conduire à choisir la bonne correction. Diagnostiquer d'abord, prescrire ensuite : bien plus efficace que de retirer tête baissée.

Enchaînez ces moyens et vous obtenez la boucle de rétroaction complète texte-image : tirage sur prompt structuré → diagnostic Eval → choix entre relancer, modifier le prompt ou reprendre localement selon le problème → nouvelle évaluation. Elle fait passer la génération de « prier pour réussir du premier coup » à un processus qui autorise l'échec et rend cet échec peu coûteux et maîtrisable.

La clé pour que la boucle ne soit pas épuisante : l'humain est dans la boucle, mais il ne regarde que la zone grise. Ce qui est manifestement conforme et ce qui est manifestement bon à jeter sont filtrés par l'Eval ; l'humain n'arbitre que les cas « peut-être oui, peut-être non ».

Et l'étape suivante ? Le « modifier le prompt de cette image » ci-dessus se fait à la main, image par image. L'idéal serait de le systématiser : laisser l'Eval dégager automatiquement les problèmes récurrents à partir de centaines ou de milliers de résultats, les réinjecter pour améliorer le prompt modèle, et faire grimper en boule de neige le taux de réussite global. Honnêtement, cette étape est difficile, et je la fais encore manuellement — mais même en vous arrêtant à la couche « diagnostic + correction ciblée », vous avez déjà une belle avance sur le « tirage à l'instinct ».

5. Une fois la norme fixée, le passage à l'échelle vient de lui-même

Arrivé ici, vous remarquerez quelque chose d'intéressant : dès lors que « ce qui compte comme conforme » est décomposé en dimensions limpides, la quantité cesse d'être un problème.

Parce que les tirages peuvent se faire par lots, que l'Eval peut noter par lots et que les non conformes peuvent être repris par lots — l'humain ne jette qu'un dernier regard à la liste de « ce qui est passé, ce qui doit être refait ». C'est ainsi que j'ai produit les images et les textes de plusieurs centaines de cartes d'apprentissage du chinois : non pas en allant vite, mais parce que, une fois la norme fixée, le travail répétitif peut être délégué.

Mais souvenez-vous : le passage à l'échelle n'est qu'un résultat, pas un prérequis. Cette logique « tirage — diagnostic — correction » est immédiatement utilisable même pour 5 images seulement. Elle n'a rien à voir avec la quantité ; elle dépend uniquement de votre volonté de définir clairement ce qu'est « satisfait ».

En guise de conclusion

Revenons à la question initiale : comment amener l'IA à produire régulièrement des images et des textes qui vous satisfont ?

• Accepter qu'il s'agisse d'un tirage aléatoire, et ne pas parier sur la réussite du premier coup ;
• Utiliser des prompts structurés pour augmenter le taux de réussite de chaque tirage ;
• Utiliser l'Eval pour décomposer « satisfait » en dimensions jugeables ;
• Assembler le tout en boucle de rétroaction, corriger la cause, et ne garder l'humain que sur la zone grise.

Des concepts aux outils jusqu'à la pratique de cet article, ce qui creuse vraiment l'écart en génération multimodale n'est jamais le prompt plus mystérieux de l'un ou l'outil plus récent de l'autre, mais le fait de traiter « la qualité » d'abord comme une chose que l'on peut définir, mesurer et faire évoluer.

Tirer une bonne carte tient à la chance ; obtenir régulièrement un résultat exploitable tient à un flux de travail.