Personnage IA qui change de visage : régler l'incohérence entre les scènes

Vous avez produit huit scènes pour la même histoire. Sur la première, votre héroïne a le visage rond et les cheveux attachés. Sur la quatrième, elle a pris dix ans. Sur la septième, ce n'est tout simplement plus la même personne. Un personnage IA qui change de visage d'une scène à l'autre reste le défaut le plus fréquent des séries produites par intelligence artificielle, et celui qui fait décrocher le spectateur le plus vite, souvent sans qu'il sache dire pourquoi.

Ce n'est ni un problème de talent, ni un caprice du modèle. C'est une mécanique, et une mécanique se démonte. Cette page part du symptôme : ce qui se passe réellement au moment où une image de scène est fabriquée, pourquoi une description ne verrouillera jamais un visage, comment lire un défaut pour remonter à sa cause en une minute, et comment réparer une série déjà produite sans tout relancer. Si vous cherchez plutôt la méthode complète à installer avant la première image, notre guide pour garder le même personnage dans toutes vos vidéos la déroule de bout en bout.

La réponse courte

Un visage change entre deux scènes parce que le générateur refabrique la personne à chaque image, à partir du seul texte qu'il reçoit. Il ne se souvient de rien. Tant que votre personnage n'existe que sous forme de description, chaque génération tire un visage différent parmi les millions qui correspondent à cette phrase. La correction tient en trois gestes : produire une seule image de référence, la joindre à chaque scène où le personnage apparaît, et cesser de redécrire son visage dans la consigne. C'est le principe du mode de production par références du studio de création EasyVids. La suite de cet article traite le cas plus intéressant : celui où le visage dérive quand même.

Ce qui se passe vraiment quand une image de scène est fabriquée

Une génération d'image est un appel isolé. Le modèle reçoit un texte, parfois des fichiers, et renvoie une image. Puis il oublie tout. La scène 7 ne sait rien de la scène 6, et aucun réglage ne change cela. Ce qui n'est pas envoyé avec la demande n'existe pas pour lui. Cette seule phrase explique la plupart des dérives de visage.

Joindre une image de référence change la nature de la demande. Le fichier part avec le prompt, et une consigne le désigne explicitement : l'image de référence numéro 1 montre un personnage, reproduis exactement cette personne, même visage, mêmes cheveux, même carrure, mêmes vêtements. L'indexation compte. Quand plusieurs images sont jointes, elles arrivent dans un ordre précis et chaque phrase renvoie à une position. Leur nombre est plafonné, et le plafond varie selon le générateur : certains n'acceptent que trois images de référence par demande, d'autres jusqu'à cinq. Dans notre production, les portraits et les produits passent avant les décors quand il faut arbitrer, avec un créneau réservé au lieu, pour que le visage et son environnement voyagent ensemble.

Une référence n'est donc pas un entraînement. Vous ne fabriquez pas un modèle de votre personnage, vous fournissez une cible que le générateur essaie d'atteindre à chaque plan. C'est aussi pour cette raison qu'une image de scène validée a tout intérêt à devenir la première image du clip vidéo : l'animation part alors d'un visage déjà approuvé au lieu d'en réinventer un.

Pourquoi une description, même très détaillée, ne verrouille rien

Le réflexe naturel, quand un visage dérive, consiste à écrire une description plus précise. Âge, forme du visage, couleur des yeux, longueur des cheveux, épaisseur des sourcils. Cela ne marche pas, pour une raison de fond : un texte décrit une catégorie de personnes, une image désigne une personne. Chaque adjectif ajouté rétrécit un peu la catégorie sans jamais la réduire à un individu. Passé quelques traits, la ressemblance cesse de progresser.

Pire, une description trop riche devient nuisible dès qu'une référence est jointe. Le texte et la photo se contredisent sur un détail, la longueur des cheveux par exemple, et le générateur doit arbitrer. Il tranche souvent en faveur du texte. C'est la cause la plus fréquente du visage presque juste, celui qui ressemble sans convaincre. La règle de production est donc contre intuitive : la consigne doit confirmer la photo, jamais la doubler. On ne répète que ce qu'une photo ne verrouille pas d'elle même, la coiffure et la tenue, écrites une fois puis recopiées mot pour mot dans chaque scène.

Un détail termine le tableau : ne mettez jamais le prénom du personnage dans un prompt d'image. Le modèle ne connaît pas votre héroïne, il lit ce mot comme un indice d'origine, d'âge ou d'apparence, et il l'applique. Décrivez la personne physiquement, sobrement, et laissez le prénom au script et à la voix off. La méthode d'écriture complète d'une consigne de plan tient en cinq blocs dans notre article sur la façon d'écrire un prompt vidéo.

Lire le symptôme pour trouver la cause

La dérive n'a pas un visage unique. Elle se présente de cinq ou six façons distinctes, et chacune désigne une cause différente. Regarder comment le visage change vous évite de relancer une production entière pour un défaut qui tient à une ligne de consigne.

• Une personne différente à chaque scène : aucune image de référence n'est jointe. Un texte seul ne produit jamais deux fois la même personne.
• Un visage proche, mais jamais identique : la consigne redécrit le visage et contredit la référence. Supprimez la description faciale.
• Une ressemblance qui se délite au fil des scènes : chaque plan a été produit à partir du précédent, et les écarts se sont additionnés.
• Un visage juste sur l'image, faux dans la vidéo : le clip a été généré depuis un texte au lieu de partir de l'image validée.
• Deux personnages qui échangent traits ou vêtements : les références sont empilées sans ordre annoncé, ou leurs signatures se ressemblent trop.
• Un visage qui se déforme uniquement en plan large : il occupe trop peu de pixels pour être reconstruit correctement. Rapprochez la caméra ou coupez le plan en deux.

La dérive en chaîne, l'erreur qui coûte le plus cher

Une pratique très répandue consiste à générer la scène 2 à partir de l'image de la scène 1, puis la scène 3 à partir de la scène 2, et ainsi de suite. L'intuition paraît bonne : chaque plan hérite du précédent, donc la continuité est assurée. En pratique, c'est le mécanisme de dérive le plus efficace qui soit. Chaque génération introduit un petit écart. Quand la sortie devient l'entrée suivante, ces écarts s'additionnent au lieu de se compenser. Au dixième plan, vous regardez la photocopie d'une photocopie.

La parade est simple à énoncer et exigeante à tenir : toutes les scènes descendent de la même image mère, jamais du plan qui vient d'être produit. Cette image mère est validée une fois, au début, puis elle ne bouge plus du projet. Corollaire souvent oublié : ne la régénérez pas en cours de route parce qu'un détail vous chiffonne. Une nouvelle référence au milieu d'une série coupe le film en deux, avec un avant et un après que le spectateur repère. Sur une série avec des personnages récurrents, ce fichier devient le patrimoine du projet et se conserve d'un épisode à l'autre.

Le visage est bon sur l'image, mais il change dans la vidéo

Ce cas mérite sa propre section, parce qu'il désespère des créateurs qui ont pourtant tout fait correctement en amont. Il existe deux façons d'obtenir un clip animé. Dans la première, le modèle vidéo part d'un texte et invente tout, visage compris : votre référence n'est jamais entrée dans l'équation. Dans la seconde, il part d'une image existante qui devient la première image du clip, et il n'a plus qu'à la mettre en mouvement. Pour un personnage récurrent, seule la seconde tient la route. Vérifiez donc que votre image de scène validée est bien l'entrée du modèle vidéo, et pas seulement un aperçu affiché à côté. Cette vérification compte doublement sur la scène d'ouverture, celle où le spectateur décide de rester ou de passer, et notre recueil d'accroches classées par niche traite l'autre moitié du problème, la phrase qui accompagne ce plan.

Même avec ce câblage, une dérive résiduelle subsiste à l'intérieur d'un plan : plus le clip dure, plus le modèle s'éloigne de son point de départ. Deux réflexes la contiennent. Gardez les plans courts, ce qui sert de toute façon le rythme. Et évitez les mouvements violents de tête ou de caméra, qui obligent le modèle à reconstruire le visage sous un angle qu'aucune référence ne lui a montré. Les autres causes classiques d'un rendu décevant sont regroupées dans notre inventaire des raisons pour lesquelles une vidéo IA rate.

Deux personnages dans le même plan

Dès qu'ils sont deux, les risques se multiplient : le générateur peut les fondre l'un dans l'autre, échanger leurs vêtements, ou donner à l'un le visage de l'autre. La parade est structurelle plutôt que rédactionnelle. Chaque personnage garde son identifiant, sa référence et sa signature. La consigne annonce explicitement quelle image correspond à qui, dans l'ordre exact où les fichiers sont transmis. Et les signatures doivent contraster : deux personnages aux cheveux et aux vêtements trop proches finiront par se confondre, quelle que soit la qualité des portraits.

Reste le cas des scènes chargées, deux personnages plus un lieu plus un objet. On ne les empile pas. On fabrique d'abord une image de groupe qui les réunit, puis les scènes concernées citent cette image comme une référence unique. Un détail de fabrication mérite d'être connu, parce qu'il évite une déconvenue : cette image de groupe se construit par étapes, en ajoutant un personnage à la fois. Demander trois personnes d'un coup à partir de trois portraits donne régulièrement un quatrième visage inventé, ou deux personnages fusionnés en un seul.

Réparer une série déjà produite, sans tout refaire

Le premier réflexe, quand une série dérive, consiste à tout relancer. C'est presque toujours le plus mauvais choix : vous détruisez les plans réussis, et rien ne garantit que la nouvelle passe sera meilleure si la cause n'a pas été corrigée. Une production sérieuse se répare au plan, comme un monteur remplace une prise ratée sans refaire le film.

• Ouvrez côte à côte les trois ou quatre plans les plus ratés et identifiez le symptôme dominant dans la grille ci dessus.
• Regardez l'image mère avant tout le reste. Si elle est floue, mal cadrée ou en contre-jour, aucune scène ne sera meilleure qu'elle.
• Si la référence est en cause, remplacez la une seule fois, par une photo téléversée ou par un portrait régénéré, puis relancez uniquement les scènes où le personnage apparaît.
• Si la référence est bonne, corrigez la consigne des seules scènes fautives : description faciale supprimée, signature recopiée à l'identique, place au cadre rétablie.
• Régénérez ensuite la vidéo des scènes dont l'image a changé, jamais celles qui étaient déjà justes.
• Contrôlez le résultat dans l'ordre de lecture, pas plan par plan : une incohérence ne se voit que dans l'enchaînement.

Cette discipline a un intérêt très concret : chaque élément régénéré est facturé pour lui même, donc réparer six plans coûte six plans et non une production entière. Le détail de nos formules se consulte sur la page des tarifs.

Les cinq règles qui empêchent la dérive de revenir

Une fois la série réparée, ces cinq règles suffisent à ce que le problème ne se représente pas. Elles ne demandent aucun outil supplémentaire, seulement de l'ordre au démarrage du projet.

• Une image mère par personnage, produite une fois, validée pour de bon, jamais redessinée en cours de projet.
• Une signature écrite noir sur blanc, la coiffure et la tenue, recopiée mot pour mot dans chaque scène.
• Aucune description du visage et aucun prénom dans les consignes d'image.
• Une place à l'écran fixée dès le premier plan d'une séquence, puis jamais inversée d'un plan au suivant.
• Un vrai temps de contrôle des références avant la première scène, parce qu'une référence médiocre validée à contrecoeur se retrouvera dans tous les plans.

Questions fréquentes

Pourquoi mon personnage change-t-il alors que j'ai joint une image de référence ?

Trois causes couvrent presque tous les cas. La consigne de scène redécrit le visage et contredit la photo. Le générateur choisi n'accepte pas d'image de référence, ou en accepte moins que le nombre que vous lui envoyez. Ou la scène joint trop d'images à la fois, et le portrait se fait évincer par un décor et un objet. Vérifiez ces trois points avant de mettre en cause la photo elle même.

Combien d'images de référence faut-il pour un même personnage ?

Une seule, à condition qu'elle soit nette, éclairée uniformément et cadrée au moins jusqu'aux épaules, le regard visible. Il ne s'agit pas d'un entraînement : vous fournissez une cible, pas un jeu de données. Une seconde vue rend service pour un objet ou un produit, rarement pour un visage.

Le personnage peut-il changer de tenue sans casser la cohérence ?

Oui, si le changement est traité comme un événement de scénario et non comme un accident. Annoncez le dans la scène qui l'introduit, mettez à jour la signature, puis gardez la nouvelle formulation identique pour toutes les scènes suivantes. Ce qui casse la cohérence, ce n'est pas le changement, c'est le changement non déclaré.

Faut-il tout régénérer quand un seul plan est raté ?

Non, et c'est le réflexe à perdre en premier. Repérez la scène fautive, corrigez sa consigne, régénérez cette scène seule, puis sa vidéo si son image a changé. Le travail déjà validé n'a aucune raison d'être touché, et une relance globale reproduira le même défaut tant que la cause n'a pas bougé.

La dérive touche-t-elle aussi les décors et les objets ?

Oui, et le mécanisme est strictement le même. Un lieu récurrent reçoit son image de référence au même titre qu'un personnage, un produit fourni est utilisé tel quel et jamais redessiné. Un salon dont les meubles changent à chaque plan gêne autant qu'un visage qui dérive, même si le spectateur met plus longtemps à mettre un mot dessus.

Un personnage qui tient d'une scène à l'autre n'est pas une affaire de chance ni de modèle : c'est une image mère validée, une consigne qui la confirme, et un réflexe de réparation au plan plutôt qu'à la production. Ces trois habitudes se prennent en une séance et servent sur toutes les séries que vous produirez ensuite. Pour les essayer sur votre propre personnage, créez votre compte et posez votre première référence avant même d'écrire la scène 1.