Créer une modèle IA : le canon et l’identité

Créer une modèle IA, ce n’est pas générer une belle image. C’est fabriquer un objet qui se répète : le même visage, la même silhouette, les mêmes signes distinctifs, sur des centaines d’images et sur des mois. Tout se joue au début, dans deux documents et un jeu de références.

1. Le canon : le document que personne n’écrit

Le canon est la description écrite du personnage, figée une fois pour toutes. Il ne sert pas à impressionner, il sert à trancher : quand une image sort du canon, elle part à la poubelle sans discussion. Un canon utile tient en une page et couvre six blocs.

1. 01
   Visage

   Forme, mâchoire, nez, lèvres, sourcils, couleur et forme des yeux, grains de beauté, dents. Les détails minuscules sont ceux qui dérivent le plus vite.

2. 02
   Cheveux

   Longueur, teinte exacte, racines, implantation, coiffures autorisées. Un changement de coiffure non prévu casse la reconnaissance plus qu’un changement de décor.

3. 03
   Corps et silhouette

   Taille, carrure, proportions, posture. La silhouette fait partie de l’identité autant que le visage.

4. 04
   Marques

   Tatouages autorisés, tatouages interdits, cicatrices, piercings. Écrivez surtout la liste des marques interdites : ce sont elles qui apparaissent toutes seules.

5. 05
   Style vestimentaire

   Registres acceptés, matières, couleurs récurrentes, ce qu’elle ne porte jamais. Un vestiaire cohérent fait plus pour la crédibilité qu’un rendu parfait.

6. 06
   Âge et cadre

   Un âge adulte, écrit explicitement, et un univers de vie : ville, métier, intérieur. Fanvue rappelle dans ses règles que le rendu visuel prime sur la mention écrite, et que la ressemblance avec un mineur est jugée à l’image.

2. Les références : un jeu d’images, pas une image

Le canon écrit ne suffit pas. Il faut un jeu d’images de référence qui montre le personnage sous plusieurs angles, dans plusieurs lumières, avec plusieurs expressions. C’est ce jeu qui servira de matière à l’entraînement, de comparatif pour la curation, et de source pour la génération image vers image.

Un jeu exploitable couvre au minimum : un portrait de face en lumière neutre, deux trois quarts, un profil, un plan taille, un plan pied, une expression neutre, un sourire, et deux images en lumière difficile. Ce sont des planches de travail, pas du contenu à publier, et elles doivent toutes être conformes au canon : une référence hors canon contamine tout ce qui viendra après.

3. Ancrer l’identité : trois voies, trois coûts

Une fois le canon et les références réunis, il faut que les outils sachent produire ce visage précis, et pas un visage vaguement ressemblant. Trois voies existent, et elles se cumulent très bien.

Voie A : entraîner une identité sur des poids ouverts

Certains modèles d’image sont distribués en poids ouverts, ce qui permet de les affiner sur un jeu de références et d’obtenir une identité entraînée, souvent appelée LoRA. Black Forest Labs, éditeur des modèles FLUX, vend des licences de poids ouverts et imprime le droit d’affinage dans la description de son offre d’entrée.

C’est la voie la plus contrôlée et la plus transférable : l’identité obtenue vous appartient et peut être exécutée chez plusieurs hébergeurs d’inférence. C’est aussi la plus technique, et le prix des licences n’est pas imprimé sur la page : seul un bouton d’achat l’est.

Voie B : un modèle personnel chez un éditeur

Plusieurs plateformes grand public proposent d’entraîner un modèle personnel sans quitter leur interface, et le nombre de modèles autorisés fait partie de leur grille tarifaire.

Voie C : les références multi-images dans l’outil

La troisième voie ne réentraîne rien : elle donne au modèle une ou plusieurs images de référence au moment de la génération. C’est plus rapide, cela demande zéro préparation, et c’est nettement moins stable sur la durée. Cette voie est parfaite pour tester un personnage avant d’investir dans un entraînement, et insuffisante pour tenir un compte pendant six mois.

4. La dérive : elle existe même avec une identité entraînée

C’est le point que les démonstrations ne montrent jamais. Même avec une identité correctement entraînée, des détails apparaissent tout seuls d’une image à l’autre : un tatouage qui n’est pas au canon, une clavicule qui change de forme, un lettrage inventé sur un vêtement, un orteil en trop. Ce n’est pas un défaut de réglage, c’est le comportement normal d’un modèle génératif.

La seule parade qui fonctionne est une règle de tri, écrite et appliquée sans état d’âme : ce qui n’est pas dans le canon est jeté. Pas retouché, pas gardé « pour dépanner ». Une seule image hors canon publiée, et c’est elle qui sera comparée à toutes les suivantes.

On génère donc beaucoup pour garder peu. La méthode de tri complète est dans la leçon 09.

5. Image vers image plutôt que texte vers image

Une génération à partir d’un texte seul invente le décor, le cadrage et la lumière. Le résultat est souvent joli et rarement réutilisable : la continuité entre deux images est perdue. Une génération à partir d’une image de référence de cadrage, qui fixe la pose, le décor et la tenue, donne un résultat beaucoup plus contrôlé.

En pratique, constituez une petite bibliothèque de cadrages : des images de composition qui servent uniquement de gabarit. On y ajoute le personnage et le décor décrit, et l’on obtient des séries assez proches pour tenir un fil de publication. La manière d’écrire ce décor est dans la leçon 07.

6. Le passage en vidéo : jamais depuis le texte

La règle ne souffre pas d’exception : une vidéo se génère à partir d’une image validée, jamais d’un texte. Une génération texte vers vidéo invente un visage, et ce visage ne sera pas le vôtre.

La voix suit la même logique. Une voix créée ou clonée une fois, puis réutilisée partout, fait partie de l’identité au même titre que le visage. Le détail est dans la leçon 05, et les modèles vidéo eux-mêmes dans la leçon 04.