Anatomie d’un prompt de génération d’images
Sujet, style, support, éclairage, palette de couleurs et éléments de composition.
Anatomie d’un prompt de génération d’images est une leçon AI Prompt Engineering gratuite sur CoddyKit. Ceci est la leçon 1 sur 4. Tu peux lire la leçon complète ci-dessous gratuitement — puis la pratiquer en direct dans le navigateur avec un éditeur de code intégré et un tuteur IA 24/7. Elle fait partie du parcours d'apprentissage AI Prompt Engineering, et ta progression se synchronise sur le web et l'application CoddyKit. Le cours AI Prompt Engineering comprend 4 leçons au total.
L’instruction d’image comme recette
Une instruction de génération d’image est une recette visuelle. Comme en cuisine, l’ordre et l’équilibre des ingrédients comptent. L’absence de certains éléments produit des résultats génériques ; des éléments inadéquats entraînent des échecs surprenants. Maîtriser l’anatomie d’une instruction vous donne un contrôle créatif prévisible.
Les six composants fondamentaux
Toute instruction d’image efficace contient six composants : Sujet (quoi), Style (apparence visuelle), Médium (forme artistique), Éclairage (illumination), Palette de couleurs (ton) et Composition (cadrage). Omettre un composant quelconque laisse le modèle deviner — généralement à partir de valeurs par défaut génériques.
# Anatomy of an image prompt
prompt_components = {
'subject': 'A lone lighthouse on a rocky coastline',
'style': 'dramatic, moody, cinematic',
'medium': 'oil painting',
'lighting': 'stormy overcast sky, waves crashing, dramatic side-lighting',
'color_palette': 'desaturated blues and grays with warm amber light from the lighthouse',
'composition': 'wide establishing shot, rule of thirds, lighthouse at left third'
}
# Assemble into a prompt string
full_prompt = (
'{subject}, {style}, {medium}, {lighting}, '
'{color_palette}, {composition}'
).format(**prompt_components)
print(full_prompt)
# A lone lighthouse on a rocky coastline, dramatic, moody, cinematic,
# oil painting, stormy overcast sky, waves crashing, dramatic side-lighting,
# desaturated blues and grays with warm amber light from the lighthouse,
# wide establishing shot, rule of thirds, lighthouse at left thirdSujet : ce qui est représenté
Le sujet est le composant le plus important : il indique au modèle quoi représenter. Soyez aussi précis que possible : indiquez l’espèce, l’âge, l’émotion, l’action, l’environnement et les relations spatiales.
# Subject specificity comparison
# Weak subject:
weak = 'a person in a city'
# Strong subject (same concept, much more specific):
strong = (
'a young woman in her 30s, wearing a vintage 1960s trench coat, '
'standing at a rain-soaked street corner in Tokyo at night, '
'looking up at neon signs reflected in the puddles, '
'holding a dripping umbrella, expression of quiet wonder'
)
# The strong subject answers:
# WHO: young woman, 30s
# WHAT WEARING: 1960s trench coat
# WHERE: Tokyo street corner
# WHEN: night, raining
# WHAT DOING: standing, looking up
# EXPRESSION: quiet wonder
# KEY DETAIL: neon reflections in puddles, dripping umbrella
print('Weak:', weak)
print('Strong:', strong[:100], '...')Style : l’apparence
Les descripteurs de style indiquent au modèle le langage visuel et le registre esthétique de l’image. Ils peuvent faire référence à des mouvements artistiques, à des artistes précis, à des supports visuels ou à des qualités esthétiques abstraites.
style_examples = [
# Art movements
'impressionist', 'art nouveau', 'bauhaus', 'minimalist', 'surrealist',
# Artist references
'in the style of Monet', 'reminiscent of Hopper', 'inspired by Klimt',
# Visual media
'film noir', 'vaporwave aesthetic', 'cottagecore', 'brutalist',
# Quality descriptors
'highly detailed', 'cinematic', 'editorial photography style',
'concept art', 'matte painting', 'character design sheet',
# Mood
'ethereal', 'gritty', 'whimsical', 'melancholic', 'vibrant', 'serene'
]
# Combining styles creates unique aesthetics
combined_style = 'cyberpunk aesthetic meets art nouveau, highly detailed, dark ethereal'
print('Combined style:', combined_style)
# Warning: too many style directives create incoherence
too_many = 'impressionist, minimalist, surrealist, photorealistic, anime, baroque'
print('Too many (incoherent):', too_many)Médium : la forme artistique
Le médium définit la forme artistique physique ou numérique. Il modifie fondamentalement la texture, la qualité du trait et la tonalité de l’image générée. Médiums courants et résultats obtenus :
medium_guide = {
# Traditional media
'oil painting': 'Rich, textured, classic look with visible brushwork',
'watercolor': 'Soft edges, translucent washes, paper texture visible',
'pencil sketch': 'Line art, cross-hatching, grayscale, raw feel',
'charcoal drawing': 'Soft, smudgy, high contrast, dramatic shadows',
'ink illustration': 'Bold lines, flat colors or crosshatching',
# Photography
'photorealistic': 'Looks like a real photograph',
'film photography': 'Grain, color shift, analog feel',
'macro photography': 'Extreme close-up, shallow depth of field',
'long exposure photography': 'Motion blur, light trails',
# Digital / 3D
'3D render': 'CGI quality, precise geometry',
'octane render': 'Photorealistic 3D with ray-tracing quality',
'Blender 3D': 'CGI aesthetic, often used with subdivision modeling',
'pixel art': 'Retro 8-bit or 16-bit style, visible pixels',
'vector illustration': 'Clean, flat, scalable design style'
}
for medium, description in list(medium_guide.items())[:5]:
print(f'{medium}: {description}')Éclairage : façonner l’ambiance
L’éclairage est le facteur le plus puissant pour créer l’ambiance dans l’art visuel. Le même sujet paraît complètement différent sous la lumière de l’heure dorée ou sous l’éclairage dur d’une salle d’interrogatoire. Maîtrisez le vocabulaire de l’éclairage.
lighting_vocabulary = {
# Time of day
'golden hour': 'Warm orange-yellow, long shadows, magic hour feel',
'blue hour': 'Cool blue twilight, soft diffused light',
'harsh midday': 'Hard shadows, washed-out, unflattering (usually avoided)',
'overcast': 'Soft even light, no shadows, good for portraits',
# Studio / artificial
'studio lighting': 'Controlled, professional, even illumination',
'Rembrandt lighting': 'Triangle of light on cheek, dramatic portrait technique',
'neon lighting': 'Colorful, urban, cyberpunk feel',
'candlelight': 'Warm, flickering, intimate',
# Dramatic
'chiaroscuro': 'Extreme light/dark contrast, Baroque dramatic style',
'volumetric lighting': 'God rays, light shafts through fog or dust',
'backlit / rim light': 'Subject outlined by light from behind, halo effect',
'bioluminescent': 'Glowing from within, alien or underwater feel'
}
example = 'volumetric lighting, golden hour, warm glow filtering through forest canopy'
print('Lighting example:', example)Palette de couleurs : le registre émotionnel
La palette de couleurs détermine le registre émotionnel et la cohérence visuelle d’une image. Décrivez les palettes ou faites référence à des mouvements artistiques, à des films ou à la nature.
color_palette_examples = [
# Temperature-based
'warm earth tones: rust, ochre, sienna, cream',
'cool blues and silvers, icy palette',
'neutral gray monochrome with single red accent',
# Mood-based
'muted, desaturated, melancholic color grading',
'vibrant saturated colors, tropical energy',
'pastel soft colors, dreamlike softness',
# Reference-based
'Wes Anderson color palette: pastel pinks and greens',
'film noir: high contrast black and white with amber shadows',
'synthwave neon: pink, purple, cyan on dark backgrounds',
# Nature-based
'autumn forest: burnt orange, golden yellow, deep brown',
'arctic palette: white, pale blue, grey with deep navy accents',
]
# Color palettes can clash with lighting — ensure they work together
clash = 'vibrant tropical colors + film noir lighting' # incoherent
harmony = 'warm amber and ochre tones + golden hour lighting' # coherent
print('Harmonious combo:', harmony)Composition : cadrage et mise au point
Les directives de composition indiquent au modèle comment cadrer le plan : quoi inclure, quoi mettre en valeur et où placer les éléments. S’inspirer du vocabulaire de la photographie et de la cinématographie fonctionne bien.
composition_vocabulary = {
# Camera distance
'extreme close-up': 'fills frame with a single detail (eye, hand, texture)',
'close-up': 'face or object fills most of frame',
'medium shot': 'waist to head, character-focused',
'wide shot': 'full body in environment context',
'establishing shot': 'landscape/environment, tiny or no character',
'aerial / bird\'s eye view': 'looking straight down',
'worm\'s eye view': 'looking straight up from below',
# Composition rules
'rule of thirds': 'subject at intersection of 1/3 lines',
'centered composition': 'symmetrical, formal, powerful',
'leading lines': 'lines guide eye toward subject',
'negative space': 'large empty area emphasizes subject',
'frame within frame': 'archway, window, or shape frames subject',
# Depth
'shallow depth of field': 'sharp subject, blurred background (bokeh)',
'deep focus': 'everything in sharp focus front to back'
}
print('Composition example: close-up portrait, rule of thirds, shallow depth of field, bokeh background')Assemblage complet de l’instruction
Assembler les six composants dans un ordre logique produit de manière constante des instructions d’image de grande qualité. Un bon ordre est le suivant : Sujet → Médium → Style → Éclairage → Palette de couleurs → Composition.
def build_image_prompt(
subject, medium, style, lighting, color_palette, composition,
quality_boost='highly detailed, 8K resolution'
):
parts = [
subject,
medium,
style,
lighting,
color_palette,
composition,
quality_boost
]
# Filter out None values and join
return ', '.join(p for p in parts if p)
# Example: Portrait
portrait = build_image_prompt(
subject='elderly Japanese fisherman mending nets at sunrise, weathered hands, peaceful expression',
medium='oil painting',
style='impressionist, highly detailed, classical technique',
lighting='golden hour sunrise, warm light from the left, soft shadows',
color_palette='warm ochres, golds, deep navy sea in background',
composition='medium shot, rule of thirds, subject right third, ocean left'
)
print(portrait)Concevoir des instructions pour assurer la cohérence entre les images
Lorsque vous générez une série d’images (fiches de personnages, planches scénaristiques), maintenez la cohérence en utilisant un modèle d’instruction de base avec des substitutions de variables pour les éléments qui changent d’une image à l’autre.
BASE_CHARACTER_TEMPLATE = (
'{character_description}, '
'{action_description}, '
'oil painting, concept art style, '
'dramatic studio lighting, '
'muted jewel tones with gold accents, '
'close-up portrait, centered composition, '
'highly detailed, cinematic'
)
character = (
'a tall warrior woman with dark braided hair, emerald eyes, '
'wearing ornate silver plate armor with dragon motifs'
)
action_variants = [
'standing at attention, stoic expression, arms crossed',
'battle-ready, sword raised, fierce expression, mid-action',
'resting against a stone wall, exhausted but resolute, soft smile',
'close-up portrait, neutral expression, slight three-quarter view'
]
for action in action_variants:
prompt = BASE_CHARACTER_TEMPLATE.format(
character_description=character,
action_description=action
)
print(f'Generating: {action[:40]}...')
# call image API with promptMarqueurs de qualité
La plupart des modèles d’image réagissent aux marqueurs de qualité — des termes qui indiquent le niveau de fidélité visuelle souhaité. Utilisez-les de manière stratégique pour augmenter le niveau de détail sans modifier le sujet ni le style.
quality_tokens = {
'high_detail': [
'highly detailed', 'intricate detail', 'ultra-detailed',
'8K resolution', '4K wallpaper quality'
],
'photorealism': [
'photorealistic', 'hyperrealistic', 'photographed by',
'DSLR photo', 'shot on 35mm film'
],
'professional_quality': [
'award-winning', 'professional photography', 'editorial quality',
'museum quality', 'masterpiece'
],
'rendering_quality': [
'octane render', 'unreal engine 5', 'ray tracing',
'subsurface scattering', 'global illumination'
]
}
# Best practice: add 2-3 quality tokens at the end of the prompt
quality_suffix = 'highly detailed, cinematic, 8K resolution'
print('Add to end of any prompt:', quality_suffix)
# Warning: do not overload with quality tokens — they dilute each other
too_many_quality = 'masterpiece, best quality, ultra-detailed, perfect, amazing, award-winning'
print('Over-specified (less effective):', too_many_quality[:60])Vérification rapide
Quel composant d’une instruction de génération d’image contrôle le plus directement l’ambiance émotionnelle de l’image ?
Synthèse de l’anatomie d’une instruction d’image
Une instruction d’image bien construite comporte six composants qui fonctionnent en harmonie :
- Sujet : WHO et WHAT — le composant le plus important ; soyez très précis
- Style : registre esthétique, mouvement artistique ou référence à un artiste
- Médium : forme artistique (peinture à l’huile, photoréaliste, rendu 3D, art pixelisé)
- Éclairage : illumination qui façonne l’atmosphère (heure dorée, clair-obscur, néon)
- Palette de couleurs : température émotionnelle (tons terre chauds, tons froids désaturés, néon)
- Composition : cadrage (gros plan, règle des tiers, plan de situation)
Ajoutez 2 ou 3 marqueurs de qualité à la fin. Utilisez des modèles pour assurer la cohérence des séries de plusieurs images.
Questions Fréquemment Posées
La leçon « Anatomie d’un prompt de génération d’images » est-elle gratuite ?
Oui — le texte complet de « Anatomie d’un prompt de génération d’images » est gratuit à lire ici sur le web. Pour la pratiquer de manière interactive (un éditeur de code intégré et un tuteur IA 24/7) et déverrouiller le reste du cours AI Prompt Engineering, passe à CoddyKit PRO. Le cours AI Prompt Engineering comprend 4 leçons au total.
Qu'est-ce que j'apprendrai dans « Anatomie d’un prompt de génération d’images » ?
Sujet, style, support, éclairage, palette de couleurs et éléments de composition. Tu pratiques AI Prompt Engineering avec du code pratique que tu exécutes directement dans le navigateur, et un tuteur IA 24/7 répond à tes questions au fur et à mesure que tu avances dans la leçon.
Dois-je avoir de l'expérience pour commencer AI Prompt Engineering ?
Aucune expérience préalable n'est requise. AI Prompt Engineering sur CoddyKit est structuré pour les débutants jusqu'aux apprenants avancés, donc tu peux commencer ici ou depuis le début et avancer à ton rythme. Ceci est la leçon 1 sur 4.
Combien de temps prend la leçon « Anatomie d’un prompt de génération d’images » ?
La plupart des leçons CoddyKit prennent environ 5–10 minutes. Chacune est courte et interactive, tu progresses régulièrement et tu repiques exactement où tu t'es arrêté sur le web et l'app.
Peux-tu écrire et exécuter du code dans cette leçon AI Prompt Engineering ?
Oui. Chaque leçon AI Prompt Engineering inclut un éditeur de code intégré, tu écris et exécutes du vrai code directement dans ton navigateur et tu reçois des retours IA instantanés — aucune configuration locale requise.
Toutes les leçons de ce cours
- Anatomie d’un prompt de génération d’images
- Spécifier le style et le support artistique
- Prompts négatifs et exclusions
- Affiner progressivement les prompts d’image