La génération d'images par IA a deux points faibles notoires : les mains et le texte. Voici la conclusion d'abord : aucun de ces deux problèmes ne se corrige avec un prompt « mieux écrit » – on contourne les mains en simplifiant la composition, et on règle le texte en séparant la génération de la mise en page. Une fois ce principe compris, le taux de réussite grimpe nettement.
Pourquoi les mains et le texte sont si difficiles
Ce n'est pas un bug temporaire d'un modèle, mais la nature même des modèles de diffusion : ils assemblent une image étape par étape à partir du bruit, en apprenant des motifs statistiques de textures – pas l'anatomie d'une main à cinq doigts. Les mains apparaissent dans des poses infinies, les gros plans nets sont rares dans les données d'entraînement, alors le modèle peint au jugé : un doigt de trop ici, un en moins là, des doigts collés.
Le texte est encore plus fondamental : le modèle ne « connaît » pas les caractères, il les peint comme décoration. Il sait qu'il faut « des sortes de signes ressemblant à de l'écriture » ici – le résultat ressemble à de l'écriture sans en être. Les lettres anglaises, simples et répétitives, s'en sortent à peu près ; les caractères chinois, denses et complexes, échouent presque à chaque fois.
D'abord simplifier : mettre les mains hors de vue
Les mains étant la première source d'échec, le plus efficace n'est pas de s'acharner – c'est de les tenir hors des positions visibles. Le portrait à mi-corps, le profil et la vue de dos évitent naturellement les gros plans de mains. Mettez les mains dans les poches, faites-leur tenir une tasse ou les poser sur une épaule : l'occultation et les poses fixes soulagent énormément le modèle. Moins de personnages aussi : une seule figure échoue bien moins qu'une foule. Et n'oubliez pas le prompt négatif, comme extra fingers, deformed hands, extra limbs, pour filtrer une autre série de ratés.
Texte dans le prompt : court et entre guillemets
Si le texte doit absolument figurer dans l'image générée, deux astuces. D'abord, restez bref : un slogan de trois à six caractères maximum, de préférence en anglais – jamais toute une phrase publicitaire dans le prompt. Ensuite, encadrez le texte exact entre guillemets pour que le modèle sache quoi dessiner, par exemple : a poster with the text "SALE" in bold red letters. Plus la chaîne est courte et simple, moins elle risque d'être massacrée comme texture.
Vraie mise en page : fond et texte séparés
Pour les affiches, couvertures ou visuels sociaux qui exigent une vraie composition, la solution ultime est de séparer : faites d'abord générer à l'IA un fond sans texte, en soignant scène, ambiance et sujet ; puis ajoutez le texte manuellement dans Canva ou Photoshop.
Deux avantages : l'IA est libérée de la mission impossible « dessiner du texte », donc les fonds sont meilleurs ; et vous contrôlez totalement police, taille, interlettrage et couleurs – un niveau de typographie que les images générées n'atteindront jamais. Beaucoup d'affiches IA d'allure professionnelle sont en réalité fabriquées ainsi : l'IA pour le visuel, les outils pour les mots.
