Blog

Guide d'utilisation

FLUX 3 Image Klein : itération de prompts en pratique, de la composition produit aux références multiples

Faire converger pas à pas la composition, les rôles des images de référence et le contrôle des détails grâce à la méthode des variables fixes

Nov 18, 2026
Illustration géométrique d’une coupe minérale en facettes plates sur fond bleu-vert profond, avec des facettes turquoise et vert foncé nettement dessinées, servant d’image de couverture à cet article.
Sur cette page

Pourquoi les visuels produit exigent une rédaction de prompt par étapes

L'erreur la plus fréquente avec les prompts de visuels produit est de les traiter comme une rédaction à faire en une seule fois : sujet, matière, lumière, arrière-plan, composition, angle de vue, style et description négative sont tous entassés dans un seul paragraphe, puis on génère, on regarde le résultat, on n'est pas satisfait, et on réécrit tout le paragraphe. Le problème est que, dans une telle révision, sept ou huit facteurs changent en même temps, et il devient impossible de savoir quelle phrase a réellement produit un effet ; l'itération suivante ne fait souvent que répéter la même loterie sous une autre forme.

L'approche par étapes consiste à découper le travail en maillons dépendants les uns des autres : d'abord fixer le format et le palier de pixels, puis déterminer la position et la proportion du produit dans l'image, ensuite décider du rôle de chaque image de référence, et enfin seulement procéder à l'affinage des détails et de la couche de livraison. À chaque étape, on ne touche qu'aux champs pertinents pour cette étape, les autres restant figés. Ainsi, les différences entre les résultats de chaque tour deviennent explicables.

Côté appel, cette méthode correspond à un ensemble de champs bien définis : prompt, image_urls, aspect_ratio, resolution, steps, seed, output_format, safety_tolerance. Découper en étapes revient essentiellement à décider quels champs sont autorisés à varier au cours du tour.

La méthode des variables fixes a un autre mérite : elle transforme le prompt en un actif versionnable. En enregistrant à chaque tour « prompt + jeu de paramètres + résultat », lorsqu'une version de composition est adoptée, on peut retracer son origine et la réutiliser lors du remplacement ultérieur de l'image produit.

Points d'échec typiques d'un prompt long unique

  • On empile les adjectifs avant d'avoir fixé les dimensions, et une fois la composition stabilisée, on s'aperçoit que le format ne convient pas du tout à une page de détail ;
  • On injecte plusieurs images de référence d'un coup sans préciser leur rôle dans le prompt, et le modèle doit deviner seul laquelle est le sujet ;
  • Les termes de détail (texture, reflets, matière) et les termes de composition sont modifiés au cours du même tour, si bien que la lumière devient claire mais que la disposition dérape ;
  • On ajuste sans cesse des paramètres de livraison comme output_format ou safety_tolerance pendant la phase d'exploration, ce qui introduit un bruit parasite.
Les cristaux empilés en une seule fois entrent facilement en conflit ; en séparant les variables et en ne modifiant qu'un point par tour, les facettes deviennent progressivement nettes.

Fixer d'abord le format et le palier de pixels, avant de parler du contenu de l'image

Un problème de composition vient souvent non pas d'un prompt mal écrit, mais d'un format erroné dès le départ. aspect_ratio détermine le format de sortie ; sa valeur par défaut est auto, auquel cas le modèle déduit lui-même le format à partir du prompt et des images de référence. Le mode automatique est pratique en phase d'exploration, mais son verdict est instable : avec le même prompt, une légère modification de l'ordre des mots peut produire une image verticale ou carrée.

Dès que le livrable cible est clair (bannière de page d'accueil, visuel horizontal de page de détail, visuel vertical pour un fil d'actualité mobile), il faut fixer explicitement aspect_ratio et cesser de laisser le modèle décider à votre place. Les valeurs disponibles couvrent le paysage, le portrait et le carré, de 21:9, 16:9, 3:2, 1:1 à 4:5, 9:16, etc., ce qui suffit à couvrir la grande majorité des emplacements en rayon.

resolution est le palier de pixels ; les valeurs possibles sont 768, 1K, 1.5K, 2K, 4K, avec 1K par défaut. La largeur et la hauteur concrètes varient selon le format ; ce champ forme donc un couple avec aspect_ratio : le format fixe le rapport, le palier fixe la netteté. En phase d'exploration de la composition, il est conseillé de rester au palier par défaut, car ce que l'on juge alors est la disposition et les proportions, non la netteté des bords ; augmenter la résolution trop tôt ne fait qu'allonger chaque tour d'attente sans rendre le jugement de composition plus précis.

Correspondance entre format et emplacement métier

  • Paysage (par exemple 16:9, 3:2) : adapté aux bannières de page d'accueil et aux visuels de scène horizontaux, avec des marges gauche et droite pour le texte ;
  • Portrait (par exemple 4:5, 9:16) : adapté aux fils d'actualité mobiles et au premier écran des pages de détail, le produit étant généralement plus stable centré et légèrement vers le bas ;
  • Carré (1:1) : adapté aux vignettes de rayon et aux visuels principaux à réutiliser sur plusieurs canaux.

Une fois ces deux éléments figés, vous pouvez toucher au prompt sans risquer de confondre « mauvais choix de format » et « prompt inefficace ». Pour vérifier rapidement la définition des champs, consultez d'abord la description des paramètres sur la page du modèle.

Les formats de proportions différentes sont comme les facettes d'un même cristal : on choisit d'abord la case, puis on décide ce qu'on y place.

Décrire la composition produit avec des balises et des bbox

Le problème d'une description de composition par adjectifs est qu'elle n'est pas localisable. Des phrases comme « produit centré, espace réservé en haut, ombre douce en bas à droite » sont compréhensibles par le modèle, mais chaque fois à un degré de précision différent. prompt prend en charge l'association de balises <标签> et de JSON bbox pour spécifier la disposition et les zones d'édition locale, ce qui vous donne un mode d'expression plus proche du « croquis ».

La syntaxe de base consiste à nommer les zones clés de l'image, puis à décrire la position de ces balises à l'aide de bbox. La balise porte la sémantique (ceci est le produit, ceci est la zone de texte, ceci est la zone d'ombre), la bbox porte la géométrie (où se situent ses limites). La description de composition passe ainsi d'une imagination floue de lumière et d'ombre à un ensemble de définitions de zones lisibles, modifiables et comparables.

En pratique, il est conseillé de rester sobre sur le nombre de balises : le sujet produit, la zone de texte à réserver pour la post-production et la zone d'ombre/reflet, trois suffisent généralement. Plus les balises sont nombreuses, plus elles risquent de se chevaucher, et il vaut alors mieux ajuster le format que de les multiplier.

Questions d'auto-contrôle en phase de composition

  • La proportion du produit dans l'image répond-elle aux exigences du rayon ? Un visuel principal doit généralement être plus rempli, une bannière doit laisser plus de blanc ;
  • La zone de texte peut-elle réellement accueillir du texte, sans être à moitié rognée par le bord du produit ;
  • La direction de l'ombre est-elle cohérente avec la description de la source lumineuse, sans ombre bilatérale ;
  • Les couches de l'arrière-plan nuisent-elles au sujet ? Si un fond épuré est nécessaire, il faut le préciser dès cette étape.

Tant que la composition n'est pas stabilisée, ne vous empressez pas d'ajouter des termes de détail de matière. Les termes de détail détournent l'attention du modèle vers la surface et ont tendance à défaire les relations de zones que vous venez de régler.

Le canevas est divisé en blocs localisables : zone principale du produit, zone d'ombre et zone de texte, comme les facettes d'une coupe minérale.

Attribution des rôles aux références multiples : sujet, style et composition

image_urls est un tableau d'images de référence dont les éléments sont des adresses d'image ; omis, il s'agit d'une génération purement textuelle. L'erreur la plus fréquente lorsqu'on dispose de plusieurs images est de penser qu'« en ajouter plusieurs ne peut pas faire de mal » : on injecte ensemble une photo réelle du produit, une image de style concurrent et une référence de mise en page, alors que le prompt ne dit que « génère un visuel produit à partir de ces images ». Le modèle doit alors répartir les responsabilités lui-même, et le résultat est souvent que l'image de style contamine la forme du produit, ou que l'image de mise en page écrase les proportions du sujet.

La bonne méthode consiste à préciser le rôle de chaque image dans le prompt. Les rôles se répartissent généralement en trois catégories : sujet (quelle image fait foi pour la forme, la structure et les couleurs du produit), style (quelle image sert de référence pour la lumière, la matière et l'ambiance), composition (quelle image sert de référence pour la disposition et les marges). Une image peut assumer plusieurs rôles, mais il faut le dire explicitement dans le texte, sans supposer que le modèle le comprendra.

En outre, prompt assume aussi la responsabilité de « préciser ce qui doit être modifié et ce qui doit être conservé dans les images de référence ». Autrement dit, en plus de déclarer qui est qui, il faut déclarer ce qui doit être repris tel quel et ce qui doit être changé. Par exemple, conserver la forme du produit, remplacer l'arrière-plan, ajuster la lumière : ces instructions doivent correspondre une à une aux rôles des images de référence concernées.

Ordre de rédaction de l'attribution des rôles

  1. Commencer par une phrase indiquant ce que doit être l'image finale (par exemple le visuel principal d'un certain produit) ;
  2. Déclarer le rôle de chaque image de référence, en les reliant aux balises ;
  3. Préciser les éléments à conserver et ceux à modifier ;
  4. Ajouter enfin les descriptions d'ambiance globale : arrière-plan, lumière, etc.

Le nombre d'images de référence est plafonné, mais ce qui décide du succès n'est pas le nombre, c'est que chaque image ait une responsabilité claire. On peut d'abord faire aboutir la composition avec une seule image de sujet, puis ajouter l'image de style, enfin l'image de mise en page, en n'ajoutant qu'une image à la fois et en observant l'évolution du résultat.

Méthode d'itération à variables fixes : un seul changement par tour

Pour transformer l'itération en processus, la règle centrale est unique : un seul changement par tour. Concrètement, on verrouille d'abord un jeu de paramètres de référence, puis on ne remplace qu'un seul champ à chaque tour : soit une phrase du prompt, soit l'ajout ou la suppression d'une image de référence.

Pour les paramètres de référence, il est conseillé de verrouiller seed, steps et le format/pixels : seed prend un entier fixe, steps est fixé près de la limite supérieure par défaut pour conserver une marge de détail, et aspect_ratio ainsi que resolution reprennent les valeurs déterminées à l'étape précédente. Chaque tour de génération réutilise ensuite ce jeu de paramètres, et l'on consigne les résultats sous la forme « tour numéro, ce qui a été modifié, quel résultat ».

Il faut avoir des attentes raisonnables concernant seed : son rôle est de « reproduire autant que possible le même résultat avec les mêmes paramètres », non de garantir l'identité. Même si les paramètres sont strictement identiques, il ne faut pas supposer que deux sorties sont identiques pixel par pixel ; considérez-le comme un outil pour réduire les fluctuations aléatoires, non comme une promesse de reproductibilité. Il est donc indispensable d'enregistrer ensemble la version du prompt et le jeu de paramètres, faute de quoi il sera impossible de déterminer après coup si la différence vient du prompt ou du hasard.

Modèle de compte rendu d'itération par tour

  • Numéro du tour et objectif (ce que l'on veut vérifier ce tour-ci) ;
  • Instantané des paramètres fixes : seed, steps, aspect_ratio, resolution ;
  • Variable unique du tour : quelle phrase du prompt, ou quelle image de référence ;
  • Jugement du résultat : objectif atteint / sans effet / nouveau problème introduit ;
  • Étape suivante : conserver, revenir en arrière, ou ouvrir une nouvelle branche.

Lorsqu'un tour introduit un nouveau problème, la bonne action est de revenir au jeu de paramètres de la version précédente et de modifier un autre point, plutôt que de continuer à empiler des correctifs sur la version problématique. En cas de branches parallèles, distinguez-les par des numéros pour éviter la confusion des versions de prompt.

Affinage des détails : steps, résolution et édition locale

Ce n'est qu'une fois la composition et les rôles des images de référence stabilisés que l'on passe à l'étape des détails. Les champs modifiables sont alors steps, resolution et les zones d'édition locale du prompt.

steps est le nombre d'étapes de diffusion, 16 par défaut, avec une plage de 1 à 16. Plus la valeur est basse, plus la génération est rapide, mais les détails peuvent diminuer. C'est un bouton de réglage vitesse/détail, non un bouton de score de qualité : il n'a pas de sens de le régler tant que la composition n'est pas fixée ; une fois la composition déterminée, il sert à échanger un temps d'attente acceptable contre des textures et des bords plus complets. Notez qu'il n'influence pas la facturation : le critère d'arbitrage doit donc être votre coût d'attente, non votre budget.

resolution ne mérite d'être augmenté qu'à cette étape. Le palier 1K par défaut suffit pour juger la composition et l'attribution des rôles ; une fois la mise en page arrêtée et qu'il faut livrer un produit final en plus haute résolution, augmentez palier par palier et vérifiez si des textures excessivement nettes ou du bruit d'arrière-plan apparaissent en haute résolution. Ne montez que d'un palier à la fois pour faciliter la comparaison.

L'édition locale repose sur les balises et bbox du prompt : délimitez d'abord la zone à modifier avec une balise, puis précisez dans le texte ce qu'il faut changer à l'intérieur de la zone et ce qu'il faut conserver à l'extérieur. L'échec courant de l'édition locale est un bord de zone qui ne coïncide pas avec le bord du produit, ce qui en coupe un coin ; il est donc possible d'élargir légèrement le cadre de sélection, puis de contraindre les éléments à conserver par le texte.

Ordre recommandé pour l'étape des détails

  1. Régler d'abord steps pour trouver l'équilibre entre détail et temps d'attente ;
  2. Traiter ensuite les défauts ponctuels par édition locale, comme une ombre trop dure ou des couleurs parasites sur les bords ;
  3. Augmenter enfin resolution pour produire le livrable ;
  4. Ne monter que d'un palier ou ne modifier qu'une zone à la fois, en confirmant chaque point.

Paramètres de livraison et diagnostic des problèmes courants

output_format et safety_tolerance relèvent de la couche de livraison. output_format vaut jpeg par défaut, avec l'option png ; choisissez png si vous avez besoin d'un fond transparent ou d'un post-traitement ultérieur, et jpeg pour une mise en ligne directe, plus léger. safety_tolerance est la tolérance de sécurité du contenu, exprimée en entier, 0 étant le plus strict, avec 2 par défaut. Ces deux paramètres ne doivent pas être ajustés sans cesse pendant l'exploration de la composition : les modifier trop tôt n'introduit que des variables sans rapport avec l'image ; attendez que la composition soit stable et que vous passiez en production de masse pour les fixer une fois pour toutes.

Problèmes courants et pistes de diagnostic

  • Le prompt a changé mais l'image non : vérifiez d'abord si c'est bien le seul point modifié au cours de ce tour, puis si la modification se situe au niveau pris en compte par le modèle (des termes de composition modifiés à l'étape des détails sont souvent sans effet) ;
  • Une image de référence est ignorée : vérifiez si le prompt déclare un rôle explicite pour cette image et s'il précise les éléments à conserver et à modifier ;
  • Plusieurs images se perturbent : réduisez le nombre d'images de référence, ajoutez-les une par une dans l'ordre sujet, style, composition, pour identifier laquelle pose problème ;
  • Reproduction impossible : seed ne fait que reproduire au mieux ; vérifiez que le jeu de paramètres et la version du prompt sont rigoureusement identiques, et acceptez qu'il subsiste des fluctuations ;
  • Format non conforme : vérifiez si aspect_ratio est encore sur auto, fixez-le explicitement avant de juger la composition ;
  • Génération ralentie : vérifiez si resolution ou steps ont été augmentés trop tôt, et revenez aux paliers de la phase d'exploration pour vérifier.

Vérifier d'un coup la définition de tous ces champs avant de lancer le tour suivant permet généralement d'économiser un grand nombre d'essais inutiles. Pour le détail des champs, consultez la page du modèle flux-3-image-klein.

Découpage par étapes, variables fixes, consignation tour par tour : l'intérêt de ce processus n'est pas de rendre le modèle plus intelligent, mais de rendre chaque modification explicable. Traitez le prompt et le jeu de paramètres comme du code à versionner, et la production de visuels produit passera de la loterie à un processus d'ingénierie reproductible.

Articles similaires

Voir tous les articles →

Commencez avec des artefacts IA persistants

Obtenez votre clé API et appelez des modèles d'image, de vidéo et d'audio via une API unique basée sur les tasks.

Lire la documentation de l'API