Une bonne photo produit, et une campagne qui demande trois ambiances différentes. Quiconque travaille dans le marketing produit connaît la situation. Chaque shooting supplémentaire coûte du temps et de l’argent. Je voulais donc savoir : jusqu’où peut-on aller avec une seule photo existante et un modèle d’image qui ne modifie que l’environnement ?
Je ne m’en suis pas tenu à la question. Lors d’un test pratique, nous avons construit une petite pipeline dans notre propre plateforme XS2Content et l’avons exécutée trois fois sur la même photo de sneakers. Je vous montre ci-dessous comment cela a fonctionné, ce qui en est sorti et où se situent les limites.
Le point de départ : une photo, une question
L’original : une paire de sneakers colorées sur fond bleu clair, avec des blocs colorés, des disques transparents et un podium gris. Une belle photo, avec une ambiance bien à elle. La question : peut-on laisser les chaussures telles quelles et remplacer uniquement le décor, sans photographe ni retoucheur ?
Comment la pipeline est construite
Volontairement simple, en deux étapes :
- Entrée (FormInput). Exactement deux éléments y entrent : la photo produit et un prompt de scène – une description en langage courant de l’environnement souhaité.
- Retouche d’image avec FLUX.2 Pro. La photo et le prompt sont envoyés à une étape de retouche basée sur FLUX.2 Pro de Black Forest Labs, via Replicate. Réglée sur 1 mégapixel, 16:9, png, une image par exécution.
Vient ensuite l’étape la plus importante, et elle n’est pas automatique : évaluer le résultat. De mes propres yeux.
Il s’agissait d’une pipeline de test isolée : non planifiée et sans connexion au site web, aux réseaux sociaux ou à d’autres canaux. Chaque prompt commençait par la même consigne : ne modifier que l’environnement et laisser les deux chaussures exactement telles quelles – même position, perspective, couleurs, matériaux, lacets et semelles. Pas de texte, pas de logos supplémentaires, pas d’objets supplémentaires.
Un choix compte : pour les trois scènes, nous avons toujours utilisé la photo originale comme entrée, jamais une image générée auparavant. Ainsi, les écarts ne s’accumulent pas. Chaque scène a eu une seule exécution, sans seconde chance et sans ajustement intermédiaire. Ce que vous voyez ci-dessous est donc la première tentative.
Scène 1 : studio neutre
Demandé : un studio neutre et haut de gamme, dans un gris clair chaud, avec des ombres de contact douces.
L’arrière-plan chargé a disparu et les chaussures se tiennent calmement dans le cadre. Seulement, le studio est devenu taupe, nettement plus sombre que demandé. Utilisable comme image d’ambiance, mais pas exactement ce que décrivait le prompt.
Scène 2 : une rue de New York
Demandé : les chaussures sur un trottoir new-yorkais, photographiées au ras du sol, à la lumière du jour, avec une rue très floue, des immeubles et des taxis jaunes.
Les immeubles, le flou et les taxis jaunes rendent la scène immédiatement reconnaissable. La profondeur, la lumière et les ombres donnent l’impression d’une vraie photo de rue. Mais là aussi, le modèle ne laisse pas les chaussures intactes : la perspective et la lumière sur les chaussures évoluent avec le nouvel environnement.
Scène 3 : de la scène vers la salle
Demandé : les chaussures sur une scène en bois, la caméra orientée depuis la scène vers une salle vide aux fauteuils rouges et aux balcons dorés.
L’ambiance est immédiatement là : chaleureuse, festive, un brin théâtrale. En regardant de près, on aperçoit derrière les chaussures un petit objet sombre qui ne figurait pas dans la consigne. Exactement le genre de détail que l’on repère lors d’une relecture.
Ce que cela montre – et ne montre pas
Soyons honnêtes : le produit reste reconnaissable, mais il n’est pas identique. Les aplats de couleur et la forme correspondent à l’original. Mais dans le détail, le matériau, les lacets, les semelles, la perspective et l’éclairage ont changé dans les trois images. Le résultat est aussi légèrement plus petit que l’original (1344×752 contre 1360×768).
Pour des images d’ambiance, des moodboards et des explorations rapides de campagne, je trouve cela déjà intéressant : on rend une idée visible sans nouveau shooting. Mais lorsque le produit doit être exact – une photo pour une boutique en ligne, une déclinaison précise, tout ce sur quoi un client fonde un achat –, cela ne suffit pas. Ce dispositif ne garantit pas une préservation du produit au pixel près. Il faut pour cela une autre approche, par exemple avec des masques qui protègent le produit et un contrôle a posteriori qui mesure les écarts.
Deux leçons que je retiens :
- Un prompt n’est pas un contrat. Le modèle suit la direction, pas chaque mot.
- La relecture humaine n’est pas une formalité. C’est le moment où vous décidez si une image peut être diffusée.
Ce que cela signifie pour nous
C’est ainsi que nous abordons les nouvelles possibilités de l’IA chez XS2Content : ne pas prétendre que quelque chose « peut tout faire », mais construire petit, exécuter pour de vrai et regarder honnêtement ce qui en sort. Ce test a montré qu’une étape d’image existante dans notre plateforme peut créer des scènes fortes – et où se situe la limite.
La question n’est donc pas de savoir si cela fonctionne, mais pour quel type d’images.
Vous travaillez avec des photos produit et vous voulez savoir où cela a sa place dans vos campagnes, et où ce n’est pas le cas ? Envoyez-moi un message – je réfléchirai volontiers avec vous.
— Sebastian Plasschaert, XS2Content
