Guide des Paramètres IA : Ratio d'Aspect, Seed, CFG, Stylize et Steps

Presque tous ceux qui commencent à générer des images avec l'IA passent des mois à essayer d'améliorer les résultats uniquement par le texte du prompt : remplacer « beau » par « éblouissant », ajouter « 8K », « ultra détaillé », « chef-d'œuvre ». Et le résultat reste semblable. La raison est simple : une bonne partie de ce qui définit l'image finale ne se trouve pas dans le texte, mais dans les paramètres.

Les paramètres sont les commandes numériques qui indiquent au modèle comment dessiner, et non quoi dessiner. Proportion de la toile, degré d'obéissance à votre texte, nombre d'étapes de raffinement, graine aléatoire utilisée, liberté esthétique accordée. Ce sont eux qui séparent celui qui génère dix variations au hasard de celui qui parvient à répéter, ajuster et faire évoluer une image de manière maîtrisée.

Ce guide est une référence technique des cinq paramètres présents dans pratiquement tous les outils — ratio d'aspect, seed, CFG, stylize et steps — ainsi que de quelques voisins qui méritent d'être connus. L'idée est que vous puissiez y revenir chaque fois que vous avez besoin de vous rappeler ce que fait chaque valeur, dans quelle plage agir et ce qui casse lorsque vous exagérez.

Pourquoi les paramètres comptent plus que les adjectifs

Un modèle de diffusion part d'un bruit pur et « nettoie » progressivement ce bruit jusqu'à obtenir une image. Le prompt fonctionne comme une carte de la destination ; les paramètres définissent la route, la vitesse et la marge d'improvisation laissée au conducteur.

Cela explique pourquoi deux prompts identiques génèrent des images complètement différentes, et pourquoi ajouter des adjectifs ne change souvent rien. Si le modèle a déjà une faible obéissance au texte (CFG bas), ajouter des mots ne sert à rien : il ne leur prête tout simplement pas beaucoup d'attention. Si les steps sont trop bas, aucun adjectif ne sauvera la texture de l'image, car le modèle n'a pas eu assez d'itérations pour résoudre les détails.

La pratique qui distingue les débutants des utilisateurs expérimentés est la suivante : modifiez un paramètre à la fois. Si vous changez le prompt, le seed et le CFG lors de la même tentative, vous ne saurez pas ce qui a causé l'amélioration. En fixant le seed et en ne touchant qu'au CFG, vous isolez la variable et apprenez réellement comment ce modèle se comporte.

Ratio d'aspect : la proportion qui définit le cadrage

Le ratio d'aspect est la relation entre la largeur et la hauteur de l'image. Dans Midjourney, il s'écrit --ar 16:9 ; dans Stable Diffusion et ses dérivés, vous définissez la largeur et la hauteur en pixels ; dans ChatGPT et Gemini, il suffit généralement de le demander en langage naturel (« format portrait 9:16 »).

C'est le paramètre qui paraît le plus banal de la liste, mais c'est celui qui influence le plus la composition. Le modèle ne se contente pas de recadrer la même scène dans des formats différents : il recompose. Un portrait demandé en 16:9 tend à devenir un plan moyen avec un arrière-plan large ; le même prompt en 2:3 devient un gros plan vertical classique de photographie. La proportion change ce que l'IA considère comme le « cadrage naturel » de cette scène.

Les valeurs les plus utilisées et leur usage

Un piège fréquent : les proportions très extrêmes (comme 3:1 ou 1:3) déroutent les modèles entraînés majoritairement sur des images proches du carré. La duplication est courante — deux visages, deux têtes, des éléments répétés sur les bords — car le modèle tente de « remplir » un espace pour lequel il n'a pas de référence solide. Dans ces cas, la voie la plus sûre consiste à générer en 16:9 puis à utiliser le recadrage ou l'expansion par outpainting pour atteindre le format final.

Autre point pratique : générer directement au bon ratio vaut toujours mieux que recadrer ensuite. Le recadrage supprime des pixels et réduit la résolution utile. Si vous avez besoin de la même image dans plusieurs formats, générez-la dans le plus contraignant (généralement le vertical) et adaptez les autres par un redimensionnement maîtrisé.

Seed : le nombre qui rend le résultat reproductible

Le seed est le nombre entier qui initialise le bruit aléatoire dont naît l'image. Même prompt + même seed + mêmes paramètres + même modèle = la même image, pixel pour pixel. Changez le seed, et tout change.

C'est probablement le paramètre le plus sous-utilisé par les débutants, et le plus important pour qui travaille avec l'IA de façon professionnelle. Sans maîtriser le seed, vous ne pouvez pas itérer : vous ne pouvez que retirer au sort.

Les usages pratiques sont au nombre de trois :

• Affiner un résultat presque bon. Vous avez généré quelque chose à la composition parfaite mais avec la mauvaise couleur. Fixez le seed, ne changez que le mot de couleur dans le prompt et générez à nouveau. La structure de l'image se maintient en grande partie, et seul l'élément modifié change.
• Comparer honnêtement des paramètres. Vous voulez savoir si CFG 7 vaut mieux que CFG 11 pour votre prompt ? Fixez le seed et générez les deux. Sans seed fixe, vous comparez deux images différentes, et non deux valeurs de CFG.
• Cohérence au sein d'une série. Dans un catalogue produit, une suite d'illustrations ou une identité visuelle, conserver le seed aide à préserver la « signature » visuelle de l'ensemble.

Une limite importante mérite d'être comprise : le seed est propre au modèle et à la version. Le seed 42 sur SDXL ne produit rien de comparable au seed 42 sur Flux. Si vous changez de modèle, vos anciens seeds deviennent des nombres sans signification. Notez donc toujours modèle + version + seed ensemble, jamais le seed seul.

Échelle CFG : à quel point l'IA obéit à votre prompt

CFG signifie Classifier-Free Guidance, et l'échelle de CFG contrôle le poids que le modèle accorde à votre texte par rapport à ce qu'il « aimerait » dessiner de lui-même. En pratique, c'est un bouton d'obéissance.

Les valeurs basses laissent le modèle créatif et libre, mais il commence à ignorer des parties du prompt. Les valeurs hautes forcent une adhérence littérale, mais l'image devient saturée, avec des contours durs, un contraste exagéré et un aspect artificiel : le fameux rendu « surcuit ».

Un détail qui déroute beaucoup de monde : les modèles plus récents utilisent des plages différentes. Flux, par exemple, fonctionne avec sa propre échelle de guidance où les valeurs entre 2 et 4 sont normales — y mettre 7 est déjà élevé. Les modèles « turbo » et distillés, conçus pour tourner en peu de steps, demandent généralement un CFG entre 1 et 2. Autrement dit : il n'existe pas de nombre universel, seulement le bon nombre pour ce modèle. Consultez toujours la recommandation de celui qui a publié le checkpoint avant de supposer que 7 est la valeur par défaut.

Symptôme pratique d'un CFG trop élevé : peau à l'aspect plastique, couleurs néon, halo sombre autour des contours, texte ou motifs répétés de manière agressive. Symptôme d'un CFG trop bas : l'image est belle, mais la moitié de ce que vous avez demandé n'y est pas.

Stylize : l'esthétique propre au modèle

Le paramètre --stylize (ou --s) est propre à Midjourney et contrôle dans quelle mesure le modèle applique sa propre sensibilité artistique par-dessus votre demande. C'est presque l'opposé conceptuel du CFG : au lieu de mesurer l'obéissance au texte, il mesure la liberté esthétique.

L'échelle va de 0 à 1000, avec 100 par défaut. En pratique :

• 0–50 : littéral. Le modèle tente de dessiner exactement ce que vous avez décrit, sans rien « améliorer ». Utile pour les schémas, les références techniques, les maquettes et tout ce où la fidélité prime sur la beauté.
• 100–250 : équilibre. Bonne composition et bonne palette sans s'éloigner du brief. C'est la plage qui répond à la majorité des cas.
• 250–750 : le modèle prend les commandes. Éclairage dramatique, palettes audacieuses, compositions plus artistiques. Excellent pour les affiches, l'art conceptuel et les couvertures.
• 750–1000 : le style avant tout. L'image est superbe et souvent éloignée de ce que vous aviez demandé. Bon pour l'exploration créative, mauvais avec un brief fermé.

Il existe un paramètre frère souvent confondu avec celui-ci : --chaos (ou --c, de 0 à 100), qui contrôle la variété entre les quatre images d'un même lot, et non le style de chacune. Un chaos élevé livre quatre interprétations radicalement différentes du même prompt : excellent pour un brainstorming initial, désastreux lorsque vous savez déjà ce que vous voulez. Il y a aussi --weird, qui injecte une étrangeté délibérée et relève davantage de l'expérimentation que du travail client.

En dehors de Midjourney, il n'existe pas d'équivalent direct au stylize. Un effet similaire s'obtient autrement : LoRAs de style, mots-clés esthétiques dans le prompt, ou réglage fin du CFG. Le concept mérite tout de même d'être connu, car la logique du « combien de personnalité le modèle peut-il apporter » se retrouve sous des formes différentes dans presque tous les outils.

Steps : combien d'itérations le modèle exécute

Les steps (ou étapes d'échantillonnage) désignent le nombre d'étapes du processus de suppression du bruit. Chaque step rapproche un peu plus l'image du résultat final. Plus de steps signifie plus de temps de traitement et, jusqu'à un certain point, plus de détail.

Le point clé est ce jusqu'à un certain point. Ce paramètre présente un rendement décroissant très net : la différence entre 10 et 25 steps est énorme ; entre 30 et 60 elle est subtile ; au-delà de 80 elle est pratiquement imperceptible, et vous ne faites que dépenser du temps et de l'énergie.

Steps et sampler sont directement liés. Les samplers de type DPM++ 2M Karras convergent vite et donnent de bons résultats autour de 25 steps. Les samplers comme Euler a (ancestral) ne convergent jamais complètement : l'image continue de changer à mesure que vous augmentez les steps, ce qui peut être bon (plus de variation à explorer) ou mauvais (cela nuit à la reproductibilité). Si votre objectif est la cohérence, privilégiez les samplers non ancestraux.

Une décision pratique de flux de travail : menez l'exploration initiale avec peu de steps (15–20) pour tester rapidement des dizaines de prompts, et ne refaites que la version finale, avec le seed gagnant, à 30–40 steps. Cela économise beaucoup de temps par rapport à tout exécuter en qualité maximale dès le départ.

Les paramètres voisins à connaître également

Au-delà des cinq principaux, certaines commandes reviennent souvent et résolvent des problèmes précis :

• Prompt négatif : la liste de ce que vous ne voulez pas dans l'image (mains déformées, filigrane, texte, basse qualité). Présent dans Stable Diffusion et ses dérivés ; dans Midjourney, il existe sous la forme --no. C'est l'un des réglages au plus fort impact et au moindre effort : le guide dédié aux prompts négatifs mérite d'être lu.
• Denoising strength : en image-to-image, définit à quel point l'image d'origine sera modifiée. Les valeurs proches de 0,2 font des retouches subtiles ; au-delà de 0,7, l'image d'origine ne devient qu'une vague suggestion de composition.
• Poids de l'image de référence (--iw dans Midjourney) : le poids de l'image envoyée face au texte. Essentiel pour la cohérence de personnage.
• Sampler / scheduler : l'algorithme qui exécute la suppression du bruit. Il modifie la vitesse de convergence et la texture finale ; DPM++ 2M Karras et DDIM sont des choix sûrs.
• Tile / seamless : génère des textures qui se répètent sans raccord, pour les motifs et les fonds.
• Version du modèle (--v dans Midjourney) : les versions différentes ont des esthétiques et des plages de paramètres différentes. Changer de version invalide vos seeds précédents.

Quels paramètres existent dans chaque outil

La nomenclature varie beaucoup d'une plateforme à l'autre, ce qui explique une bonne part de la confusion. Ce tableau met les équivalents en correspondance :

Remarquez la constante : plus l'outil est destiné à l'utilisateur final (ChatGPT, Gemini), moins il expose de paramètres — la plateforme décide à votre place. Plus il est proche du modèle brut (ComfyUI, Automatic1111), plus vous avez de contrôle. Aucune des deux approches n'est supérieure ; elles répondent à des objectifs différents. Si votre travail dépend de la reproduction des résultats, vous finirez par avoir besoin d'un outil qui expose le seed et le CFG.

Comment les paramètres interagissent : recettes par objectif

Les paramètres ne fonctionnent pas isolément. Ces combinaisons sont des points de départ éprouvés ; ajustez-les à votre modèle :

La logique derrière ces choix est cohérente : le photoréalisme demande un CFG bas (le modèle sait déjà à quoi ressemble une photo ; le forcer gâche tout) ; le design graphique et les supports promotionnels demandent un CFG élevé (vous voulez exactement ces éléments, dans ces couleurs) ; et les steps ne montent que lorsque de nombreux détails fins se disputent l'espace dans la scène.

Erreurs fréquentes et comment les corriger

• Tout changer d'un coup. Nouveau prompt, nouveau seed, nouveau CFG. Le résultat s'est amélioré, mais vous ignorez pourquoi, et vous ne pourrez pas le reproduire. Une variable par test.
• Augmenter les steps pour régler un problème qui n'en relève pas. Une main déformée, une anatomie erronée ou un objet manquant ne se règlent pas par plus d'itérations ; ce sont des problèmes de prompt, de modèle ou de proportion extrême.
• Copier le CFG d'un ancien tutoriel. Une valeur recommandée pour SD 1.5 en 2023 peut être désastreuse sur Flux ou SDXL. Chaque famille de modèles a sa plage.
• Ignorer le seed. Sans lui, chaque tentative est un nouveau tirage au sort, et vous ne construisez jamais sur ce qui a déjà fonctionné.
• Partir sur des proportions extrêmes. Plutôt que du 3:1 d'emblée, générez en 16:9 et étendez par outpainting : moins de duplications et d'artefacts.
• Confondre résolution et qualité. Générer à une résolution très supérieure à celle sur laquelle le modèle a été entraîné crée souvent des sujets dupliqués. Mieux vaut générer à la résolution native et agrandir ensuite par upscale.
• Ne rien consigner. L'image parfaite que vous ne savez pas reproduire est un accident, pas un résultat.

Liste de contrôle avant de générer

1. Définissez la proportion selon la destination finale de l'image, et non selon le réglage par défaut de l'outil.
2. Commencez par les valeurs par défaut du modèle, et vérifiez lesquelles c'est, car elles varient.
3. Faites un test peu coûteux : steps bas, quatre variations, simplement pour valider la direction.
4. Choisissez la meilleure variation et notez le seed.
5. Avec le seed fixé, ajustez un paramètre à la fois jusqu'à atteindre le résultat voulu.
6. Refaites la version finale avec des steps de production (30–40).
7. Consignez prompt, négatif, seed, CFG, steps, sampler, modèle et proportion.
8. Effectuez la post-production : upscale, recadrage, réglage de netteté et compression pour le web.

Après la génération : l'étape que presque tout le monde saute

Une image générée par IA est rarement prête à publier. Elle arrive généralement en PNG lourd, à la résolution native du modèle, sans le recadrage exact qu'exige votre canal. Cette étape finale de traitement est ce qui sépare une image « d'IA » d'une image qui fonctionne simplement sur votre site ou votre profil.

La routine de base de post-production est courte : ajustez le cadrage par recadrage lorsque la proportion finale ne correspond pas exactement ; amenez-la à la dimension exacte de la destination par redimensionnement ; récupérez le micro-détail avec le réglage de netteté si l'image a été agrandie ; et enfin, convertissez-la en WebP et compressez-la avec le compresseur, car un PNG de 4 Mo en haut de page fait chuter le PageSpeed quelle que soit la qualité du visuel.

Si l'image doit intégrer une identité visuelle, le parcours se poursuit dans d'autres outils : extrayez la palette avec le générateur de palette de couleurs pour maintenir la cohérence entre les pièces, et utilisez le créateur de logo avec IA lorsque l'objectif est la marque.

Questions fréquentes