Tout ce que l'atelier a produit jusqu'ici se corrige à la relecture : un chiffre faux se remplace, une phrase molle se réécrit. Une image ratée, elle, se régénère, et c'est là que la plupart des gens brûlent leur soirée et leurs crédits. Maya, la torréfactrice du chapitre 1, arrive au moment où sa marque a besoin d'un visage : le packshot du paquet Braise — la photo produit posée et nette, celle des boutiques en ligne —, l'image qui ouvrira la boutique, la page produit et les publicités. Zéro studio photo, zéro agence.
Ce chapitre installe la méthode pour obtenir l'image exacte, pas une belle image approximative : décrire une scène comme un directeur artistique, éditer en conversant au lieu de détourer, tenir le même produit d'un visuel à l'autre. Et regarder en face ce que les démos ne montrent jamais : le filigrane qu'on ne peut pas retirer, et les droits qu'on croit avoir.
Cinq outils, un réflexe : router selon la tâche
En 2026, « quel est le meilleur générateur d'images » est une question qui a cessé d'être intéressante : tous les modèles sérieux produisent de belles images. Le différenciateur s'est déplacé sur quatre terrains : l'édition conversationnelle, le texte dans l'image, la cohérence d'un visuel à l'autre, et le statut juridique du résultat. C'est là-dessus que les outils se départagent, et c'est là-dessus que je les choisis.
| Outil | Le verdict, et quand le choisir |
|---|---|
| Nano Banana Pro (Google) | Photoréalisme et texte dans l'image au meilleur niveau, 4K en moins de 10 secondes, édition conversationnelle, jusqu'à 5 sujets préservés par références. Mon défaut pour les visuels de marque. |
| GPT Image 2 (OpenAI) | Raisonne avant de générer : consignes complexes respectées, édition précise par région, packshots à géométrie exacte. Quand la demande ressemble à un cahier des charges. |
| Midjourney v7 | La référence esthétique : compositions, étalonnage, ambiances. Pour explorer une direction artistique, pas pour livrer un texte net. |
| Flux 2 (Black Forest Labs) | Le photoréalisme en open source, environ 0,04 $ l'image chez les hébergeurs de modèles (relevé en août 2026), liberté commerciale, et un modèle qu'on peut spécialiser sur sa propre marque. Pour les volumes et les pipelines maison. |
| Ideogram V3 | Le spécialiste du lettrage : 90 à 95 % de texte juste dans les comparatifs 2026, contre 30 à 40 % pour Midjourney. Logos, affiches, packaging. |
Les équipes sérieuses ne choisissent pas un outil : elles routent selon la tâche.
C'est la conclusion qui revient dans tous les comparatifs sérieux de 2026, et c'est aussi la mienne. Mon routage à moi tient en une ligne : Nano Banana par défaut, ChatGPT quand la consigne demande du raisonnement, le reste quand un cas précis le justifie. C'est ce qu'on va faire avec le packshot de Maya.
Une famille voisine mérite une mention, sans tutoriel : la 3D générative. Meshy ou Tripo fabriquent un modèle 3D depuis un texte ou une simple photo ; pour l'e-commerce, c'est le visuel produit manipulable à 360° sans scanner ni studio. Le jour où la fiche produit de Braise voudra un paquet qu'on fait tourner à la souris, c'est par là que ça passera.
Décrire une scène, pas empiler des mots-clés
Le guide de prompting que Google Cloud a publié en mars 2026 tient en un principe, et il vaut pour tous les modèles récents : décrivez une scène, pas des mots-clés. Ces modèles raisonnent sur du langage naturel ; les listes de tags héritées de l'époque Midjourney sous-performent.
Le framework officiel s'écrit [Sujet] + [Contexte] + [Action] + [Composition] + [Style], et l'exemple canonique du guide décrit une mannequin en robe brune ajustée sur fond rouge cerise, plan moyen centré, éditorial de mode au moyen format argentique, grain prononcé. Traduit pour le paquet de Maya, crochet par crochet :
- Sujet« Un paquet de café de 250 g en kraft brun, étiquette terracotta mate portant le mot Braise. »
- Contexte« Posé sur un comptoir en chêne brut, quelques grains fraîchement torréfiés éparpillés devant. »
- Action« Une vapeur fine monte d'une tasse en arrière-plan. »
- Composition« Plan moyen légèrement plongeant, paquet centré, tasse floue derrière. »
- Style« Photo éditoriale de magazine culinaire, lumière latérale de fin de matinée, moyen format argentique, grain léger. »
Cinq crochets, zéro jargon : la scène existe avant l'image. Dernier réflexe du guide officiel, contre-intuitif et payant : formuler en positif. « Comptoir dégagé » fonctionne mieux que « pas d'objets sur le comptoir » ; le modèle entend les mots, pas la négation.
Le même packshot, deux façons de le demander
La scène décrite
- Un sujet aux matières exactes : le kraft brun, l'étiquette terracotta mate, le mot Braise
- Un décor qui raconte : comptoir en chêne brut, grains éparpillés, vapeur en arrière-plan
- Une caméra assumée : plan moyen plongeant, arrière-plan fondu (f/1.8)
- Un style de photographe : éditorial culinaire, lumière latérale, grain argentique léger
Les mots-clés empilés
- « paquet café kraft, premium, artisanal, photoréaliste, 8k, ultra détaillé »
- « cinematic lighting, masterpiece, award winning, trending »
- « no blur, no watermark, no text errors »
La colonne de gauche donne au modèle une scène à raisonner ; celle de droite lui donne un nuage de qualificatifs à moyenner, et il moyennera. Quant aux négations de la dernière ligne, elles obtiennent régulièrement l'inverse de ce qu'elles demandent.
Le vocabulaire du directeur artistique
Le niveau au-dessus du framework, c'est le lexique. Ces modèles ont été entraînés sur des photographies décrites par des professionnels : leur parler photographie, c'est débloquer ce qu'ils savent faire de mieux. Quatre registres suffisent.
- 01 · La lumièreElle décide de l'ambiance avant tout le reste : « softbox trois points », « contre-jour d'heure dorée », « clair-obscur contrasté ».
- 02 · La caméra« Faible profondeur de champ f/1.8 », « contre-plongée », « vue aérienne » : l'objectif et l'angle se demandent, ils ne se subissent pas.
- 03 · L'étalonnage« Film couleur des années 80, léger grain », « teintes sarcelle désaturées » : le rendu final se décrit comme un étalonneur le ferait.
- 04 · La matière« Kraft brun mat », « tweed bleu marine », jamais « joli paquet » : la matérialité nommée est ce qui sépare le rendu du catalogue.
L'édition conversationnelle remplace le détourage
Voici le geste qui m'a fait basculer sur Nano Banana à l'automne 2025, et qui reste en 2026 la vraie frontière avec la génération d'images de la génération précédente : on ne régénère pas une image imparfaite, on la corrige en lui parlant. « Enlève le reflet sur l'étiquette » : le modèle comprend où est le reflet, où est l'étiquette, et ne touche qu'à ça. La retouche par zone nommée remplace le détourage ; ce que Photoshop demandait en heures d'outils de découpe se demande désormais en français.
Deux règles pour que ça tienne : une modification par tour de conversation, et dire explicitement ce qui ne doit pas bouger.
Un mot d'intendance avant la session, parce que le pont n'a rien de magique : Claude Code appelle Nano Banana par l'API Gemini, avec une clé configurée une fois dans le dossier du studio. Et la voie change la facture : les images générées à la main dans l'app Gemini sont couvertes par l'abonnement Google AI Pro ; celles que l'agent génère passent par l'API et se paient à l'image — c'est le prix de l'automatisation. Voici la session réelle du packshot, en quatre tours.
❯ claude ❯ Génère le packshot Braise avec le prompt du brief, ❯ en 2K, format 4:5. · Nano Banana génère... packshot-v1.png : le paquet est bon, mais le reflet de la softbox barre l'étiquette. ❯ Enlève le reflet sur l'étiquette. Tout le reste ❯ reste identique. packshot-v2.png : reflet retiré, grain conservé. ❯ Réchauffe le fond, ambiance fin de journée. Le ❯ paquet ne bouge pas d'un pixel. packshot-v3.png : fond ambré, paquet inchangé. ❯ On la garde. Renomme-la braise-hero-01.png et ❯ range-la dans assets/refs/. Rangée : assets/refs/braise-hero-01.png
Le même paquet sur dix visuels
Le packshot est réussi. Le problème commence après : la page d'accueil, les posts, la bannière, et sur chacun le paquet doit être LE paquet, pas un cousin. La cohérence est la compétence qui sépare un feed de marque d'une collection d'images générées, et elle s'obtient par quatre gestes.
- 01 · Quantifier au lieu de qualifier« Un joli paquet artisanal » laisse le modèle réinventer le paquet à chaque image. « Paquet kraft brun de 250 g, étiquette terracotta mate, Braise en lettres crème sans-serif, soudure verticale au dos » ne lui laisse rien à réinventer : tout ce qui n'est pas fixé par un chiffre ou une matière sera tiré au sort. On définit tout au premier prompt ; ensuite, on ne décrit plus que la nouvelle scène.
- 02 · Ancrer par l'imagePlutôt que redécrire le paquet, on redonne sa photo en référence à chaque génération : la meilleure image du produit devient l'ancre de toutes les suivantes.
- 03 · Limiter les référencesLes modèles en acceptent beaucoup (jusqu'à 14 références sur Nano Banana 2, 5 sujets préservés sur Pro, relevé sur la doc en août 2026), mais la pratique est têtue : environ 6 références de haute qualité battent 14 moyennes, et une seule très bonne ancre fait déjà l'essentiel du travail.
- 04 · Parler stabilitéBannissez « différent », « nouveau », « une autre version » : ces mots invitent le modèle à varier précisément ce que vous vouliez tenir. Quand un détail dévie, retouche ciblée sur l'image fautive, jamais « refais une nouvelle version ».
Le texte dans l'image, enfin fiable
Pendant deux ans, le texte a été la honte de la génération d'images : des lettres inventées, des mots fondus. En 2026, c'est réglé sur les bons outils, à condition de le demander correctement. La méthode que Google documente, et que j'applique systématiquement, tient en trois gestes.
- Arrêter le texte en conversantLe slogan, les mentions : on les fixe d'abord dans la conversation, avant de demander la moindre image.
- Le figer entre guillemetsLe texte voulu se met entre guillemets dans le prompt, tel quel : c'est lui qui doit apparaître, lettre pour lettre.
- Décrire la police comme un graphiste« Lettres crème, sans-serif, graisse forte » : la typographie se demande dans les termes d'un brief de graphiste.
Côté outils : Nano Banana Pro rend les textes longs et multilingues au meilleur niveau du marché, affiches et packaging compris ; GPT Image 2 tient les menus et les visuels multi-lignes, y compris en alphabets non latins ; Ideogram reste le spécialiste quand tout le visuel EST le lettrage, un logo ou une affiche typographique. Midjourney, lui, reste à réserver à l'image sans texte : ses 30 à 40 % de réussite en lettrage font perdre plus de crédits qu'ils n'en valent.
Ce que les démos ne montrent pas
Deux sujets fâcheux, absents de toutes les vidéos d'influenceurs, et que vous devez connaître avant de faire d'une image générée le visage d'une marque. Le premier s'appelle SynthID.
- 01 · Un filigrane indélébileToute image produite par la famille Nano Banana porte un filigrane invisible, insensible au recadrage, à la compression et à la retouche, sur tous les tiers, API comprise.
- 02 · Vérifiable par n'importe quiL'app Gemini permet à quiconque de vérifier qu'une image vient d'un modèle Google. Le petit filigrane visible, lui, n'existe que sur l'offre gratuite.
- 03 · Un problème pour qui ?Pas pour une marque honnête. C'en est un pour celui qui comptait faire passer le généré pour du photographié : ce guide vous conseille exactement l'inverse, et le chapitre 11 y reviendra.
Le second sujet fâcheux : les droits. Google comme OpenAI accordent l'usage commercial de vos images sur leurs offres payantes, mais un droit d'usage n'est pas une propriété. Voici, colonne par colonne, ce que vous avez vraiment.
Une image purement générée : vos droits réels
Ce que vous avez
- Un droit d'usage commercial, accordé par Google comme par OpenAI sur leurs offres payantes
- La liberté de publier l'image, de la vendre, d'en faire le visuel d'une campagne
- Une revendication renforcée par votre travail d'itération, de composition et de retouche
Ce que vous n'avez pas
- La propriété : selon la position constante de l'US Copyright Office, une image purement générée par IA, sans apport créatif humain significatif, n'est pas protégeable par le droit d'auteur
- Le moyen d'interdire à un tiers de réutiliser cette image
- Une garantie : le travail humain renforce la revendication, il ne la garantit pas
Concrètement : personne ne peut vous interdire d'utiliser l'image, et vous ne pouvez interdire à personne de la réutiliser.
Et parce qu'aucun choix d'outil ne se fait sans la facture, voici les prix, tous relevés en août 2026 sur les grilles officielles de Google et d'OpenAI. Ils changent tous les trimestres : revérifiez avant de budgéter. Les 1K, 2K et 4K désignent la résolution : environ 1 000, 2 000 ou 4 000 pixels de large.
| Offre | Prix relevé en août 2026 |
|---|---|
| Nano Banana Pro (API) | 0,134 $ l'image en 1K ou 2K, 0,24 $ en 4K, moitié prix en batch (par lots, sans urgence) |
| Nano Banana 2 (API) | 0,067 $ en 1K, 0,151 $ en 4K |
| Nano Banana 2 Lite (API) | 0,034 $ l'image en 1K |
| App Gemini | une vingtaine d'images par jour en gratuit (filigrane visible), AI Pro à 19,99 $ par mois |
| GPT Image 2 (API) | environ 0,04 à 0,05 $ en qualité medium, 0,17 à 0,21 $ en high |
| ChatGPT Plus | 20 $ par mois, environ 50 images par tranche de 3 h |
| Flux 2 (via Replicate) | environ 0,04 $ l'image |
La voie de Maya, pour être net : l'app Gemini couverte par l'abonnement AI Pro quand elle explore à la main, l'API à 0,134 $ l'image dès que l'agent produit — le packshot complet lui a coûté une quarantaine de centimes.
Questions fréquentes sur la génération d'images pro
Nano Banana ou Midjourney, lequel choisir ?
Ce n'est plus un duel, ce sont deux métiers. Midjourney v7 reste la référence esthétique pour explorer une direction artistique : compositions, ambiances, étalonnage. Nano Banana (Pro en tête) gagne sur tout ce qui fait un visuel de marque exploitable : photoréalisme, texte net dans l'image, édition conversationnelle, cohérence par images de référence. Le workflow pro documenté en 2026 les enchaîne : explorer l'esthétique dans Midjourney, produire et corriger dans Nano Banana. Pour une marque qui débute avec un seul abonnement, Nano Banana suffit.
Peut-on utiliser les images IA commercialement ?
Oui pour l'usage : Google et OpenAI accordent des droits d'usage commercial sur leurs offres payantes (conditions relevées en août 2026, à revérifier). Mais usage n'est pas propriété : l'US Copyright Office considère qu'une image purement générée, sans apport créatif humain significatif, n'est pas protégeable par le droit d'auteur. Vous pouvez la publier et la vendre ; vous ne pouvez pas empêcher un tiers de la réutiliser. Pour les actifs stratégiques comme un logo, prévoyez un travail humain substantiel et documenté.
Comment garder le même personnage ou le même produit sur plusieurs images ?
Trois gestes. Quantifier la description au premier prompt : mensurations, couleurs, matières, aucun adjectif vague, puis ne décrire ensuite que la nouvelle scène. Donner une image-ancre en référence à chaque génération, en restant autour de 6 références de haute qualité maximum. Et bannir « différent » et « nouveau » du vocabulaire : quand un détail dévie, on le corrige par retouche ciblée au lieu de régénérer l'image entière.
Combien coûte une image générée par IA ?
À l'unité, presque rien : de 0,034 $ (Nano Banana 2 Lite) à 0,24 $ (Nano Banana Pro en 4K) via l'API Gemini, autour de 0,04 à 0,20 $ chez GPT Image 2 selon la qualité, chiffres relevés en août 2026. Le vrai coût est ailleurs : comptez 3 à 10 générations pour un visuel gardé, retouches comprises. Un packshot fini se budgète en dollars, pas en centimes, et c'est toujours quelques ordres de grandeur sous le studio photo qu'il remplace.
La suiteLe packshot est net, l'atelier photo tourne, et le dossier de Maya compte un fichier de plus. Au chapitre 7, la même photo va bouger : le spot de lancement de Braise, avec Veo, ses prompts en couches, son audio natif et ses vrais coûts.
La suite par email
Recevez les prochains chapitres.
Les guides s'écrivent chapitre par chapitre et se révisent quand les outils bougent. Laissez votre email : un message à chaque publication ou révision majeure, rien d'autre.
Uniquement les publications des guides. Désinscription sur simple réponse.
Pour votre équipe
Ce guide existe aussi en formation.
Le guide donne la méthode, la formation l'installe : une à deux journées avec votre équipe, sur vos projets réels, avec un plan d'outillage à la fin.
Discutons de votre équipeDavid Silvera
Développeur mobile & web freelance · 15 ans · Android, iOS, React Native, Next.js
Ce guide est tiré de ma pratique : les vidéos, les visuels, la musique et les articles de mes projets sortent du pipeline qu'il enseigne, ce site compris. J'accompagne aussi les équipes qui veulent monter en compétence : audit de pratique, formation, mise en place d'outillage.