Guide de Prompt Engineering pour GPT Image 2 : comment écrire des prompts d'image plus stables

Je reçois sans cesse la même question : « Pourquoi les images que je génère avec GPT Image 2 ne sont-elles jamais assez bonnes ? »

La réponse courte est — votre prompt n'est pas assez bon.

La réponse plus longue est — les capacités de génération d'images de GPT Image 2 ont considérablement progressé, mais la qualité des prompts de la plupart des utilisateurs n'a pas suivi. Ce n'est pas un problème de modèle, c'est un problème de la façon dont vous communiquez avec le modèle.

Cet article fournit une formule de structure de prompt réutilisable pour vous aider à contrôler plus stablement le sujet, le style, l'éclairage, la composition et les paramètres de sortie. Nous couvrirons des modèles pour 10 scénarios courants, que vous pourrez directement adapter et utiliser.

Pourquoi GPT Image 2 a besoin de Prompt Engineering

GPT Image 2 fonctionne mieux avec des descriptions claires en langage naturel de l'objectif de l'image. Mais voici un point essentiel : la qualité réelle de la sortie du modèle dépend en grande partie de la qualité de votre prompt.

Pour un même besoin, les résultats générés avec des prompts différents varieront considérablement.

Mauvais prompt :

"一只猫"

Bon prompt :

"一只橘色虎斑猫坐在窗台上，阳光从左侧45度角照射，背景是模糊的城市夜景，浅景深效果，温暖色调，专业宠物摄影风格"

L'écart ne réside généralement pas seulement dans le niveau de détail de l'image, mais dans l'exactitude du sujet, l'utilité de la composition et la conformité du style aux attentes.

GPT Image 2 fonctionne mieux avec des prompts structurés pour exprimer l'intention. Il ne se contente pas de faire correspondre des mots-clés, mais comprend la logique de la scène et les détails manquants selon le contexte. Cela signifie que plus votre prompt est clair, plus il est facile pour le modèle de générer une image proche de l'objectif.

Formule de structure de prompt

Un prompt d'image stable peut généralement être décomposé en 5 éléments :

主体（Subject）+ 风格（Style）+ 光线（Lighting）+ 构图（Composition）+ 参数（Parameters）

Explication détaillée de chaque dimension :

1. Sujet (Subject)

Le sujet est l'objet central de l'image. La description doit être spécifique et précise.

Contre-exemple :

• « une personne » → trop vague
• « une femme » → un peu mieux, mais insuffisant

Bon exemple :

• « une femme asiatique d'environ 30 ans, aux longs cheveux noirs, portant une chemise blanche, assise à un bureau devant un ordinateur portable »
• « un golden retriever, la gueule ouverte, la langue sortie, en train de poursuivre un frisbee »

Conseils clés :

• Inclure des détails tels que l'âge, le sexe, l'origine ethnique, les vêtements, les actions
• Utiliser des noms concrets plutôt que des termes génériques
• Décrire l'émotion et la posture

2. Style

Le style définit la forme d'expression artistique de l'image.

Options de style courantes :

• Photographie réaliste : photorealistic, professional photography, 8K resolution
• Illustration : digital illustration, watercolor painting, oil painting
• Rendu 3D : 3D render, Unreal Engine 5, octane render
• Design plat : flat design, minimalist, vector art
• Animé : anime style, manga, Studio Ghibli style

Exemples :

"产品摄影风格，白色背景，柔和的工作室灯光"
"赛博朋克风格，霓虹灯光，雨夜街道"
"水彩插画风格，柔和的色彩渐变，手绘质感"

3. Éclairage (Lighting)

L'éclairage détermine l'ambiance et la texture de l'image.

Types d'éclairage :

• Lumière naturelle : natural lighting, golden hour, overcast soft light
• Éclairage studio : studio lighting, soft box, rim light
• Éclairage dramatique : dramatic lighting, chiaroscuro, backlit
• Lumière ambiante : ambient lighting, neon glow, candlelight

Exemples :

"黄金时段的自然光，温暖的橙色调"
"工作室环形灯，均匀的面部照明"
"逆光剪影效果，强烈的明暗对比"

4. Composition

La composition contrôle la position et la relation des éléments dans le cadre.

Techniques de composition :

• Angle de vue : bird's eye view, low angle shot, close-up, wide shot
• Règles de composition : rule of thirds, centered composition, symmetrical
• Profondeur de champ : shallow depth of field, bokeh background, deep focus
• Objectif : 35mm lens, macro lens, fisheye lens

Exemples :

"特写镜头，浅景深，背景虚化"
"俯视角度，对称构图"
"广角镜头，前景、中景、背景层次分明"

5. Paramètres (Parameters)

Les paramètres sont les réglages techniques lors de l'appel à l'API.

Paramètres courants :

• size : dimensions de l'image (par ex. 1024x1024, 1536x1024)
• quality : niveau de qualité (standard, hd)
• style : préférence de style (vivid, natural)
• n : nombre d'images à générer

Exemple :

{
    "size": "1536x1024",
    "quality": "hd",
    "style": "natural",
    "n": 1
}

10 modèles de prompt par scénario

Voici 10 modèles de prompt pour des scénarios courants, que vous pouvez utiliser directement :

1. Image produit sur fond blanc

Scénario applicable : présentation de produits e-commerce, images de catalogue

Modèle :

"[产品名称]，[产品细节描述]，纯白色背景，产品摄影风格，柔和的工作室灯光，无阴影，高分辨率，商业产品摄影"

Exemple :

"无线蓝牙耳机，黑色磨砂质感，充电盒打开状态，纯白色背景，产品摄影风格，柔和的工作室灯光，无阴影，8K分辨率，商业产品摄影"

2. Image marketing en contexte

Scénario applicable : publicités sur les réseaux sociaux, promotion de marque

Modèle :

"[产品/主题] 在 [使用场景] 中，[人物/环境描述]，[氛围描述]，[光线描述]，[风格描述]"

Exemple :

"智能手表在户外跑步场景中，年轻男性佩戴，城市公园背景，清晨阳光，充满活力的氛围，专业运动摄影风格"

3. Portrait / Effigie

Scénario applicable : avatar, présentation de personne, réseaux sociaux

Modèle :

"[人物描述]，[表情/情绪]，[服装描述]，[背景描述]，[光线描述]，[构图描述]，专业人像摄影"

Exemple :

"30岁左右的亚洲女性，自信的微笑，穿着深蓝色西装，简约的办公室背景，柔和的侧光，半身特写，专业商务人像摄影"

4. Illustration / Dessin animé

Scénario applicable : livres pour enfants, illustrations de blog, mascotte de marque

Modèle :

"[角色/场景描述]，[艺术风格]，[色彩方案]，[氛围描述]"

Exemple :

"一只可爱的卡通小熊在森林里野餐，迪士尼动画风格，明亮的色彩，温馨愉快的氛围"

5. Maquette UI/UX

Scénario applicable : prototype de produit, présentation de design

Modèle :

"[界面类型] 界面设计，[功能描述]，[设计风格]，[配色方案]，[设备展示]"

Exemple :

"移动端电商应用界面设计，商品详情页，现代简约风格，蓝白配色，iPhone 15 Pro 展示，高保真原型"

6. Couverture pour réseaux sociaux

Scénario applicable : miniature YouTube, publication Instagram, bannière Twitter

Modèle :

"[主题描述]，[视觉元素]，[文字位置预留]，[风格描述]，[尺寸比例]"

Exemple :

"科技产品发布会封面，未来感十足的蓝色渐变背景，中央留白用于标题文字，现代科技风格，16:9横版比例"

7. Logo de marque

Scénario applicable : logo d'entreprise, identité de marque

Modèle :

"[品牌名称/概念] Logo 设计，[图形元素描述]，[字体风格]，[配色方案]，[设计风格]，矢量图，白色背景"

Exemple :

"NovaTech Logo 设计，抽象的火箭图形，现代无衬线字体，深蓝色和银色配色，极简主义风格，矢量图，白色背景"

8. Photographie culinaire

Scénario applicable : menu de restaurant, blog culinaire, emballage alimentaire

Modèle :

"[食物名称]，[摆盘描述]，[餐具/环境描述]，[光线描述]，[风格描述]，专业美食摄影"

Exemple :

"意大利面配番茄酱和罗勒叶，白色陶瓷盘盛放，木质餐桌背景，自然窗光，暖色调，专业美食摄影，浅景深"

9. Architecture / Design d'intérieur

Scénario applicable : présentation immobilière, proposition de design, visualisation conceptuelle

Modèle :

"[建筑/空间类型]，[风格描述]，[材料/色彩描述]，[光线描述]，[视角描述]，建筑摄影"

Exemple :

"现代简约风格客厅，白色墙壁和原木家具，大面积落地窗，自然光线充足，广角镜头视角，建筑室内摄影"

10. Art conceptuel

Scénario applicable : concept art de jeu vidéo, concept art de film, projet créatif

Modèle :

"[场景/角色描述]，[世界观/风格描述]，[氛围描述]，[技术规格]，概念艺术"

Exemple :

"未来城市天际线，霓虹灯和飞行汽车，赛博朋克世界观，雨夜氛围，8K分辨率，电影级概念艺术，Matte Painting风格"

Comment les paramètres API influencent les résultats

En plus du contenu du prompt, les paramètres API influencent directement les résultats générés.

Size (dimensions)

Dimensions courantes et scénarios applicables :

• 1024x1024 : carré, adapté aux publications sur les réseaux sociaux, avatars
• 1536x1024 : format paysage, adapté aux illustrations de blog, présentations
• 1024x1536 : format portrait, adapté aux fonds d'écran mobiles, affiches
• 1792x1024 : format large, adapté aux miniatures YouTube, bannières publicitaires

Conseil : choisissez les dimensions en fonction de l'usage final pour éviter la perte de contenu lors du recadrage ultérieur.

Quality (qualité)

Comparaison des options :

• standard : génération rapide, faible coût, adapté au prototypage et aux itérations rapides
• hd : plus de détails, contours plus nets, adapté à la livraison finale et à l'impression

Compromis : la qualité HD prend plus de temps à générer et coûte plus cher. Il est recommandé d'utiliser standard pendant la phase d'itération et hd pour la version finale.

Style (style)

Comparaison des options :

• vivid : couleurs plus saturées, contraste plus fort, adapté aux supports marketing, réseaux sociaux
• natural : reproduction des couleurs plus réaliste, adapté à la photographie de produit, style documentaire

Conseil : choisissez en fonction du ton de la marque et du scénario d'utilisation.

N (quantité)

Stratégie :

• n=1 : génération unique, adapté aux besoins déterministes
• n=2-4 : génération par lot, adapté aux scénarios nécessitant de choisir le meilleur résultat

Indication de coût : plus la valeur de n est élevée, plus le coût augmente. Il est recommandé de tester le prompt avec n=1 d'abord, puis de générer en lot une fois satisfait.

Processus d'optimisation itérative

Il est rare qu'un prompt produise un résultat parfait du premier coup. Voici une méthode d'optimisation itérative en 5 étapes :

Étape 1 : génération de la version initiale

Générez la première version de l'image avec un prompt de base et évaluez si la direction générale est correcte.

Étape 2 : diagnostic des problèmes

Types de problèmes courants :

• Couleur incorrecte : description de couleur manquante ou vague
• Composition déviante : description manquante de l'angle de vue, de la profondeur de champ, de la position des éléments
• Style non conforme : mots-clés de style pas assez spécifiques
• Détails manquants : description du sujet pas assez détaillée

Étape 3 : ajustement des priorités

Stratégie de priorité pour modifier le prompt :

1. Description du sujet (priorité la plus élevée) : s'assurer que l'objet central est correct
2. Définition du style (haute priorité) : déterminer la direction artistique
3. Ajustement de l'éclairage (priorité moyenne) : optimiser l'ambiance
4. Optimisation de la composition (priorité moyenne) : améliorer le guidage visuel
5. Réglage fin des paramètres (faible priorité) : optimisation des détails techniques

Étape 4 : modification incrémentale

Ne modifiez qu'une seule variable à la fois et observez l'effet. Évitez de modifier plusieurs éléments simultanément, sinon il est impossible de déterminer quelle modification a produit l'effet.

Étape 5 : validation finale

L'optimisation peut être considérée comme terminée lorsque l'image remplit les conditions suivantes :

• Le sujet est clair et précis
• Le style correspond aux attentes
• Les détails sont riches, sans erreur notable
• L'image est directement utilisable dans le scénario cible

Erreurs courantes et méthodes pour les éviter

Erreur 1 : sur-description

Problème : le prompt est trop long, trop détaillé, contient trop d'informations non pertinentes.

Contre-exemple :

"一只非常可爱的、毛茸茸的、橘色的、虎斑纹的、家猫，它有一双大大的、圆圆的、绿色的眼睛，正在窗台上..."

Solution : se concentrer sur les caractéristiques clés et supprimer les adjectifs redondants.

Erreur 2 : ignorer les exclusions

Problème : ne pas exclure explicitement les éléments indésirables.

Solution : utiliser des descriptions d'exclusion claires pour indiquer ce que vous ne voulez pas :

"不要包含文字，不要模糊，不要变形"

Erreur 3 : paramètres mal configurés

Problème : dimensions inadaptées à l'usage, réglage de qualité inapproprié.

Solution : choisir les paramètres en fonction de l'usage final, tester d'abord avec les réglages standards, puis passer à la haute qualité une fois satisfait.

Erreur 4 : attendre la cohérence sans fournir d'image de référence

Problème : souhaiter un style cohérent sur plusieurs images, mais avec un prompt différent à chaque fois.

Solution : utiliser une combinaison d'image de référence et de description textuelle, ou établir un modèle de style.

Conseils avancés

1. Optimisation du prompt par dialogue multi-tours

GPT Image 2 prend en charge le dialogue multi-tours. Vous pouvez :

1. Générer l'image initiale
2. Proposer des modifications basées sur les résultats
3. Le modèle conserve le contexte et effectue des modifications incrémentales

Exemple :

第一轮："生成一张现代风格的办公桌"
第二轮："把桌子颜色改成深胡桃木色"
第三轮："在桌上添加一台笔记本电脑和一杯咖啡"

2. Utiliser une combinaison d'image de référence et de description textuelle

Téléchargez une image de référence et combinez-la avec une description textuelle pour un contrôle plus précis de la sortie.

Exemple :

图片：[上传一张产品照片]
文字："保持产品外观，将背景改为海滩场景，添加夕阳效果"

3. Écriture de prompt pour le transfert de style

Appliquer un style à un contenu différent.

Exemple :

"用梵高的《星空》风格绘制上海外滩夜景"
"用日本浮世绘风格绘制现代城市天际线"

Questions fréquentes

Q1 : Quelle est la différence entre le prompt de GPT Image 2 et celui de DALL-E 3 ?

Le prompt de GPT Image 2 met davantage l'accent sur la structuration et la description détaillée. DALL-E 3 comprend mieux les prompts courts, tandis que GPT Image 2 peut extraire davantage d'informations d'un prompt détaillé. Il est recommandé d'utiliser la formule à 5 éléments présentée dans cet article.

Q2 : Comment faire en sorte que GPT Image 2 génère une série d'images au style cohérent ?

Établissez un fichier modèle de style contenant des descriptions fixes de style, d'éclairage et de composition. Réutilisez ces descriptions à chaque génération en ne modifiant que le contenu du sujet. Ou bien utilisez la fonctionnalité d'image de référence.

Q3 : Quelle longueur doit avoir un prompt ?

Il n'y a pas d'exigence de longueur fixe. L'essentiel est la qualité plutôt que la quantité. Un prompt précis de 50 mots produit souvent de meilleurs résultats qu'un prompt verbeux de 200 mots. Il est recommandé de le maintenir entre 100 et 200 mots.

Q4 : Comment gérer les problèmes de rendu du texte dans les résultats générés ?

Le rendu du texte de GPT Image 2 s'est considérablement amélioré, mais des erreurs sont encore possibles. Recommandations :

• Utiliser des mots simples et courants
• Éviter les phrases longues
• Considérer le texte comme un élément à ajouter en post-production, plutôt que comme un élément central de la génération

Q5 : Quelle est la différence de stratégie de prompt entre les scénarios à faible budget et ceux à haut budget ?

La stratégie elle-même est identique ; la différence réside dans l'allocation des ressources :

• Les scénarios à faible budget conviennent mieux à une validation préalable avec de petites dimensions et des réglages à faible coût
• Les scénarios à haut budget permettent de générer davantage d'images candidates en une seule fois, mais il faut aussi enregistrer le coût et le taux de réussite
• Avant la livraison finale, passez aux dimensions et à la qualité cibles pour confirmation

Conclusion

Le Prompt Engineering pour GPT Image 2 n'est pas une science occulte, mais une compétence qui peut être systématiquement apprise et optimisée.

Retenez la formule à 5 éléments : sujet + style + éclairage + composition + paramètres.

Commencez avec les 10 modèles de scénario de cet article et adaptez-les à vos besoins spécifiques.

L'optimisation itérative est la clé — il est rare qu'un prompt soit parfait du premier coup.

Testez les modèles de cet article dans votre flux de travail réel. Ne modifiez qu'une seule variable à la fois et enregistrez le prompt, les paramètres et les résultats. Vous découvrirez ainsi rapidement quelles descriptions sont efficaces pour votre scénario et lesquelles ne sont que du bruit.

Try GPT Image 2 for Free Now →