Comment écrire vos prompts quand rien ne les réécrit

Ce que contient réellement une requête

Une requête de génération transporte un identifiant de modèle, un prompt et les options que ce modèle accepte : une taille pour l’image ; pour la vidéo, une résolution, une durée et, sur certains modèles, un format d’image ; enfin les adresses des éventuelles images de référence. C’est toute la surface, décrite endpoint par endpoint dans la référence de l’API. Rien ne s’intercale entre votre texte et le rendu : ni étape de réécriture, ni molette de guidance, ni nombre d’étapes. La seed et le prompt négatif sont ouverts sur quelques modèles et fermés sur la plupart ; l’endpoint du catalogue et chaque page de modèle disent lesquels. Quand un modèle livre un enrichisseur de prompt parmi les réglages de son fournisseur, il part désactivé, sauf sur quelques modèles vidéo qui utilisent leur propre étape de réflexion interne.

C’est l’absence de cette couche intermédiaire qui explique pourquoi tant d’astuces de prompt existent ailleurs. La documentation de génération d’images d’OpenAI annonce que le modèle « will automatically revise your prompt for improved performance », renvoie le texte réécrit dans un champ revised_prompt et ne documente aucun moyen de couper ce comportement. Le « prompt hacking », c’est à cela que ressemble une négociation avec une réécriture automatique ; ici, il n’y a personne avec qui négocier. Un générateur d’image qui ne réécrit pas les prompts démonte cette couche pièce par pièce.

Les clés que l’endpoint ne définit pas ne sont tout simplement pas lues. Ajoutez au JSON une valeur cfg ou un nombre d’étapes : il ne se passe rien, et aucune erreur ne remonte. seed et negative_prompt font exception : ils sont lus sur les modèles qui les déclarent, et un modèle qui ne les déclare pas renvoie 400 plutôt que d’avaler le champ en silence. Mieux vaut le savoir avant de passer un après-midi à régler un champ qui n’a jamais été transmis.

Un seul changement à la fois, et mesurez votre bruit de fond

Une comparaison n’est lisible que si un seul élément a bougé. Changez la formulation et la taille dans le même essai : vous voilà avec deux explications pour un seul écart, sans moyen de les départager, et l’essai ne vous a rien appris, sinon qu’il s’est passé quelque chose.

Une seconde source de variation existe, et elle ne vient pas de vous. Sans seed dans la requête, l’adaptateur en tire une nouvelle à chaque appel, et les modèles qui n’en déclarent aucune n’offrent même pas de champ à figer : un prompt soumis deux fois ne revient donc pas sous la forme d’une image unique. Choisir résolution et durée détaille ce mécanisme, et pourquoi relancer plus grand donne un nouveau tirage plutôt qu’un agrandissement. Mesurez cette variation avant de tirer une conclusion d’une retouche. Lancez votre version de base deux fois, observez l’écart entre les deux résultats, et retenez cette distance comme le plus petit écart qu’une nouvelle formulation doit franchir pour compter. Faites-le sur l’option la moins chère du modèle : chaque tentative consomme des crédits, et la page des tarifs indique ce que coûte chacune.

Inutile de tenir un carnet. Le prompt est stocké mot pour mot à côté de la génération et figure dans chaque enregistrement que renvoie l’endpoint des générations : votre historique tient déjà lieu de journal d’expériences. Recopiez-y la phrase qui fonctionne au lieu de la retaper, car retaper revient à faire une retouche que vous n’aviez pas décidée.

Décrivez le cadre, pas l’ambiance

Accumuler des adjectifs abandonne la composition au modèle. Sombre, éthéré, hyperdétaillé : aucun de ces mots ne nomme un sujet, une position ou une direction de lumière ; ils expriment un souhait sur le résultat, pas la description d’une image. Le guide de prompting de Hugging Face Diffusers pose la règle sans détour : il énumère sujet, style et contexte, puis recommande de « use these elements as a structured narrative, not a keyword list », parce que les modèles actuels lisent une langue au lieu d’apparier des mots-clés. Qwen 3 est un bon modèle pour s’y exercer, puisqu’il est conçu pour des scènes décrites avec précision et suivies à la lettre, et la page sur un générateur d’images IA sans filtre sur votre prompt explique pourquoi la formulation est la seule variable que vous contrôlez ici.

Les longues listes échouent en outre d’une façon documentée. Dans Attend-and-Excite (Chefer et al., SIGGRAPH 2023), les auteurs étudient la « catastrophic neglect, where the model fails to generate one or more of the subjects from the input prompt » et signalent que le modèle « fails to correctly bind attributes (e.g., colors) to their corresponding subjects ». Le défaut apparaît dès deux sujets et deux couleurs, pas à partir de dix.

Écrivez donc des décisions. Ce qui occupe le cadre et à quel endroit, d’où vient la lumière et avec quelle dureté, ce que l’objectif fait de l’arrière-plan. Chacune se vérifie sur le rendu : vous pouvez constater que la lumière arrive par la gauche. Vous ne pouvez pas constater qu’une image est éthérée, si bien que ce mot ne vous dira jamais si votre retouche a porté.

Le prompt négatif n’existe pas sur chaque modèle

Recourir au prompt négatif est un réflexe hérité des pipelines locaux, et cela n’a jamais été une manière d’écrire. Il s’agit d’un argument à part, transmis à la boucle d’échantillonnage. La référence de Diffusers définit negative_prompt comme « the prompt or prompts not to guide the image generation » et précise qu’il est « ignored when not using guidance » : le champ existe parce qu’il y a une étape de guidance, avec une branche inconditionnelle dont on cherche à s’écarter.

Ici, un prompt négatif n’existe que sur les modèles qui en déclarent un ; partout ailleurs, tout ce que vous tapez devient de la description. « Pas de filigrane, pas de texte » est une phrase qui nomme un filigrane et du texte. Énoncez plutôt le positif : au lieu de « sans chapeau », dites ce que la personne porte sur la tête ; au lieu de « pas flou », dites ce qui est net et à quelle vitesse l’arrière-plan se perd.

Quand un élément indésirable résiste à plusieurs essais, cessez de relancer. Confiez l’image obtenue à un modèle d’édition en guise de référence et décrivez la modification par rapport à elle : c’est un argument plus court, et une requête d’une autre nature. Le catalogue signale quels modèles lisent des références, et garder un personnage cohérent montre ce qu’une pièce jointe transporte et qu’aucune phrase ne peut porter.

Ce qu’aucune formulation ne vous achète

La vidéo exige davantage du même champ. Un clip est rendu en une seule prise : votre phrase doit porter le mouvement et la caméra en plus du cadre, et c’est la caméra que l’on oublie le plus souvent — la passer sous silence, c’est la laisser choisir à votre place. Transformer une image en vidéo traite ce passage de relais, et appeler l’API depuis votre code la même boucle pilotée par un script.

Ce qu’aucune tournure n’achète, c’est un passage au-delà des règles. Le contrôle automatique lit le prompt pour une seule chose, le contenu sexuel impliquant un mineur ; une requête interceptée est refusée avant le lancement et ne vous coûte donc rien. Il ne juge pas votre ton, et reformuler ne fait pas sortir une demande de ce que les conditions interdisent. Les conditions interdisent de représenter une personne réelle sans son consentement, connue ou non ; aucun contrôle ne la détecte, et changer les mots n’y change rien non plus. Ce qui est permis et ce qui est bloqué trace la frontière.