Question 1

Faut-il écrire ses prompts en anglais ?

Accepted Answer

Ce n'est plus indispensable, mais l'anglais reste souvent plus fiable, et voici pourquoi cela mérite d'être nuancé. Les modèles majeurs ont été entraînés sur des corpus massivement anglophones : les légendes, descriptions et métadonnées associées aux images d'entraînement sont majoritairement en anglais. Résultat, le vocabulaire visuel technique — celui qui fait la différence, comme golden hour, rim light, shallow depth of field, bokeh, chiaroscuro, wide shot — est bien mieux « compris » en anglais, tout simplement parce qu'il apparaît des millions de fois dans les données sous cette forme. En français, ces notions sont beaucoup moins représentées, et un terme spécialisé traduit peut être mal interprété ou ignoré. Cela dit, les modèles récents gèrent correctement le français pour les descriptions courantes (sujets, décors, actions, couleurs), et certains outils traduisent en interne. Ma recommandation pratique est donc hybride et très opérationnelle : rédigez si vous voulez la description de base dans la langue qui vous est naturelle, mais utilisez systématiquement les termes techniques en anglais pour la lumière, l'objectif, le cadrage et le style. Un prompt mixte fonctionne parfaitement. Et si un résultat vous déçoit alors que votre description semble claire, faites le test : traduisez le prompt en anglais et relancez — l'écart est parfois spectaculaire, ce qui vous indiquera si la langue était en cause. Le niveau 3 de ce guide vous donnera précisément ce vocabulaire anglais de la lumière et du cadrage, qui est le vrai levier de qualité.

Question 2

Pourquoi mon prompt très détaillé donne-t-il un résultat confus ?

Accepted Answer

C'est le piège classique de la progression : après avoir compris que la précision aide, on en déduit que « plus de détails = mieux », et on obtient l'inverse. Plusieurs mécanismes expliquent cette dégradation. Premièrement, la dilution de l'attention : le modèle répartit son « effort » sur tous les éléments demandés ; en exiger vingt fait que chacun est traité approximativement, alors qu'en exiger cinq permet à chacun d'être bien rendu. Deuxièmement, les contradictions implicites, très fréquentes sans qu'on s'en rende compte : demander à la fois « minimaliste » et « riche en détails », « photographie réaliste » et « style illustration », ou plusieurs sources de lumière incompatibles, place le modèle devant un arbitrage impossible — il produit un compromis flou. Troisièmement, la saturation : au-delà d'une certaine longueur, les éléments de fin de prompt perdent en influence (l'ordre compte), donc vous croyez avoir spécifié quelque chose qui n'est en réalité pas pris en compte. Quatrièmement, l'accumulation d'objets : plus vous demandez d'éléments distincts dans une même scène, plus le modèle risque de les mélanger, de les dupliquer ou de rater leurs relations spatiales (qui tient quoi, qui est devant qui) — c'est une faiblesse connue des modèles de diffusion. La méthode de correction est simple et efficace : revenez en arrière. Repartez d'un prompt court qui fonctionne, puis rajoutez les éléments un par un, en vérifiant à chaque ajout que le résultat s'améliore vraiment ; dès qu'un ajout dégrade, retirez-le ou reformulez-le. Traquez explicitement les contradictions dans votre texte. Et pour les scènes vraiment complexes, ne cherchez pas à tout obtenir d'un coup : générez une base solide, puis complétez par retouche ciblée (inpainting, section 4.1) ou par composition dans un logiciel graphique (section 4.5). C'est exactement ce que font les professionnels.

1.2 · Anatomie d'un bon prompt

1.2Anatomie d'un bon prompt

Vocabulaire de la section

En pratique — Construire un prompt structuré

Points clés à retenir

Questions fréquentes

Autres ressources