L'image est presque parfaite. Le cadrage tient, la lumière est belle, le regard fonctionne. Puis vous descendez vers la main posée sur la table et vous comptez : six doigts. Ou un pouce qui part du mauvais côté, ou deux doigts fondus l'un dans l'autre. Si vous vous demandez pourquoi l'IA rate les mains alors qu'elle réussit un visage au millimètre, la cause n'est ni votre prompt, ni le modèle que vous avez choisi. Elle tient à la façon dont ces outils fabriquent une image.
Aucun mot magique glissé dans la consigne ne règle la question. Ce qui la règle, ce sont des décisions prises avant de lancer la génération, puis un réflexe de correction quand le résultat déraille. Vous trouverez ici le mécanisme expliqué simplement, puis sept astuces que nous appliquons sur nos propres générations. Elles supposent que votre consigne de départ tient debout : si vous démarrez tout juste, notre guide du générateur d'images IA pose les bases avant d'attaquer le cas particulier des mains.
La réponse courte
Un modèle d'image ne dessine pas une main : il fabrique une zone de pixels qui ressemble à une main. Il n'a ni squelette, ni compteur de doigts, ni idée de ce que « cinq » veut dire. Or la main est le sujet le plus exigeant qui soit : les manuels d'anatomie lui comptent vingt-sept os, elle prend des centaines de positions plausibles, elle se cache elle-même, et elle occupe une poignée de pixels dans le cadre. Trois leviers changent tout : la pose que vous demandez, la place que la main occupe dans l'image, et le nombre d'essais que vous vous autorisez. Le reste relève du rattrapage.
Un modèle d'image ne dessine pas, il devine
Le mécanisme mérite trente secondes d'attention, parce qu'il explique toutes les astuces qui suivent. Ces modèles partent d'une image de bruit, puis la nettoient par étapes successives jusqu'à faire apparaître quelque chose de cohérent avec votre texte. À aucun moment ils ne construisent un squelette, ne posent des articulations et n'habillent le tout. Ils cherchent, à chaque étape, la continuation la plus plausible localement. Or un doigt de plus reste localement plausible : à côté d'un doigt, ce qui ressemble le plus à ce qui devrait suivre, c'est encore un doigt.
Deuxième détail décisif : le travail ne se fait pas sur l'image finale, mais sur une grille compressée. Les travaux de recherche qui ont introduit la diffusion latente en 2022 décrivent une réduction d'un facteur huit sur chaque côté. Une main de quatre-vingts pixels dans l'image occupe donc une dizaine de cases dans cet espace de travail. Le modèle y voit une tache de chair, pas une articulation. Le décodeur qui remonte ensuite vers l'image visible invente des détails plausibles à partir de cette tache. C'est très exactement là que les doigts se multiplient.
Les cinq causes qui s'additionnent
Aucune de ces causes n'expliquerait le phénomène à elle seule. C'est leur accumulation sur un même sujet qui rend la main plus fragile que le visage, le décor ou le vêtement.
- La complexité articulaire. Vingt-sept os selon les manuels d'anatomie, et une vingtaine de degrés de liberté selon les travaux de robotique qui cherchent à la reproduire.
- L'auto-occultation. Sur la plupart des photos, des doigts en cachent d'autres. Le modèle apprend donc massivement des mains incomplètes.
- La taille dans le cadre. Une main occupe rarement plus d'un vingtième de la surface. Peu de pixels, donc peu de place pour écrire une structure.
- Les légendes d'entraînement. Elles décrivent le sujet, l'ambiance, le style. Presque jamais la position des doigts. La supervision manque exactement là où elle servirait.
- L'absence de comptage. Rien dans le mécanisme ne vérifie qu'il y a cinq doigts, ni deux mains. Le modèle n'évalue jamais le résultat d'ensemble.
Ce diagnostic donne la stratégie, et elle n'a rien de mystérieux : réduire la difficulté de la pose, augmenter la place de la main dans le cadre, et multiplier les tirages quand la main compte vraiment. Les sept astuces qui suivent découlent toutes de ces trois idées.
Astuce 1 : décidez ce que la main doit faire, avant de générer
La première décision n'est pas un mot du prompt, c'est une intention. Une main qui ne fait rien de précis est une main que le modèle va inventer à votre place. Demandez-vous ce qu'elle tient, où elle se pose, si elle doit être visible entièrement. Trois réponses sont possibles, et elles ne demandent pas le même effort : la main est hors champ, la main est au repos, la main agit. La première est gratuite, la deuxième est fiable, la troisième se mérite.
Sortir la main du cadre n'est pas un aveu d'échec. Un plan taille coupé au-dessus des poignets, une main dans une poche, des bras croisés, un sujet vu de dos : autant de cadrages qui suppriment le risque sans appauvrir l'image. Sur une miniature, le doigt qui pointe vers l'objectif est même un choix coûteux, puisqu'il attire le regard vers la zone la plus fragile de votre visuel. Le visage et le contraste font mieux le travail, comme le détaille notre analyse de ce qui pousse réellement à cliquer sur une miniature.
Astuce 2 : décrivez la main en toutes lettres
Ce que vous ne décrivez pas, le modèle le décide. Une consigne qui s'arrête à « une femme assise à un bureau » laisse les mains entièrement libres, donc livrées au hasard. Ajoutez la position : « les deux mains posées à plat sur le bureau, doigts détendus, paumes visibles ». Vous ne garantissez rien, mais vous réduisez l'éventail des formes possibles, et c'est précisément ce qui fait baisser le taux d'échec. Cette description vient se loger dans une ossature plus large, celle que montrent nos vingt et un exemples de prompts image en français.
Deux précisions utiles. Écrivez en positif : « mains détendues » plutôt que « pas de mains déformées », parce que la négation est mal traitée dans la consigne principale et attire souvent l'attention sur ce que vous vouliez éviter. Et restez court : la position, l'orientation, l'état de tension, cela suffit. Un paragraphe entier consacré aux mains déséquilibre le reste de la description et abîme le cadrage.
Astuce 3 : une pose fermée vaut mieux qu'un geste rare
Toutes les poses ne se valent pas, et l'écart de réussite entre les plus simples et les plus rares est considérable. Une main fermée sur un objet large expose très peu de structure : il y a peu à rater. Une main ouverte, doigts écartés, exige au contraire cinq formes correctes, séparées, proportionnées et orientées dans le bon sens. Sur nos générations, les échecs se concentrent sur les gestes fins et sur les mains qui manipulent un objet étroit.
- Poses fiables : mains dans les poches, bras croisés, main posée à plat, poing fermé, main refermée sur une tasse ou un livre.
- Poses moyennes : mains jointes, main sur une épaule, main tenant un téléphone à plat.
- Poses risquées : doigt qui pointe vers l'objectif, main près du visage, doigts entrelacés, geste de comptage, objet fin tenu du bout des doigts.
- Poses à éviter si l'image part telle quelle : poignée de main, mains sur un clavier, doigts sur un manche de guitare, mains sur un volant.
Astuce 4 : donnez des pixels à la main
Le nombre de pixels disponibles décide d'une bonne partie du résultat. Les canons de proportion utilisés en dessin d'après modèle donnent à la main la longueur du visage, soit environ un dixième de la hauteur du corps. Sur un plan en pied dans une image de mille pixels de haut, il reste donc une centaine de pixels pour la main entière, et une dizaine pour la largeur d'un doigt. Le modèle n'a matériellement pas la place d'y écrire une articulation.
Deux réglages agissent sur ce point. Le cadrage d'abord : passer d'un plan en pied à un plan poitrine multiplie par trois la taille de la main, sans rien changer d'autre. La résolution de sortie ensuite, quand le modèle choisi la propose. Dans l'onglet Images de la page One-Shot, le format et la résolution se règlent avant de lancer, et il vaut toujours mieux générer grand puis réduire que l'inverse. Enfin, si la main est le sujet de l'image, cadrez franchement sur elle : un gros plan de mains réussit bien plus souvent qu'un plan large où elles traînent au bord du cadre.
Astuce 5 : écrivez aussi ce que vous ne voulez pas voir
La négation fonctionne mal dans la consigne principale, mais beaucoup d'outils prévoient un champ séparé pour les termes à écarter, et celui-là est traité à part. Dans l'atelier d'EasyVids, il s'appelle « À éviter dans les images » et s'applique à toutes les scènes d'un même projet. Une entrée du type « mains déformées, doigts en trop, doigts fusionnés » ne garantit rien à elle seule, mais elle ne coûte qu'une saisie pour une série entière. Renseignez-la au moment où vous fixez votre direction visuelle, en même temps que le style, et n'y revenez plus.
Astuce 6 : demandez plusieurs propositions, gardez la bonne
Aucune astuce ne rend une main fiable à tous les coups, et il faut l'accepter : la méthode qui marche vraiment est statistique. Générez plusieurs images de la même consigne, gardez celle dont les mains tiennent. Certains modèles acceptent de renvoyer plusieurs propositions en une seule demande, et le nombre se choisit avant de lancer. Une réserve à connaître : dès que vous joignez une image de référence, la génération repasse automatiquement à une image unique. Chaque image demandée étant décomptée, réservez les séries de propositions aux visuels qui comptent vraiment ; la formule adaptée à votre rythme se lit sur la page des tarifs.
Astuce 7 : partez d'une référence plutôt que d'une description
Une image vaut mieux qu'un paragraphe. Les modèles qui acceptent des images de référence reprennent la structure de ce que vous leur donnez, position des mains comprise. Photographiez votre propre main dans la pose voulue, ou réutilisez une génération déjà réussie, puis joignez-la à la demande. Le dépôt de références apparaît automatiquement quand le modèle sélectionné sait les lire, et disparaît sinon, ce qui évite de croire qu'une référence a été prise en compte alors qu'elle a été ignorée. C'est la même mécanique que celle qui stabilise un visage d'une image à l'autre, détaillée dans notre méthode pour garder le même personnage sur toutes vos images.
Rattraper une main ratée sans refaire toute l'image
Une image imparfaite ne se jette pas forcément. Trois rattrapages demandent moins d'efforts qu'une nouvelle série, et le bon choix dépend de l'endroit où le défaut se trouve.
Le plus rapide consiste à recadrer. Dans l'éditeur, agrandir le plan et le déplacer sur le canevas fait sortir la main du champ en quelques secondes, sans rien régénérer ni rien débiter. Le deuxième consiste à relancer cette seule image : le point de départ aléatoire change, la composition reste proche, et la main tombe souvent juste au deuxième essai. Le troisième consiste à modifier la consigne à la main avant de relancer, en simplifiant la pose. Dans l'atelier, un prompt que vous avez retouché vous-même part au modèle tel que vous l'avez écrit, sans réécriture automatique par dessus.
Les mains en vidéo, le même défaut en mouvement
En vidéo, le défaut ne se contente pas d'exister : il bouge. Un doigt qui apparaît puis disparaît d'une image à l'autre attire l'œil bien plus qu'une main figée mal formée, parce que le cerveau détecte le changement avant même de comprendre ce qu'il regarde. Les mêmes règles s'appliquent, en plus strict. Évitez les plans où les mains manipulent quelque chose, préférez les gestes lents et amples aux mouvements fins, et coupez avant que la main n'entre dans le cadre. C'est l'une des sources de cette impression de « presque bon » que nous décrivons dans les neuf causes d'une vidéo IA ratée.
Questions fréquentes
Quel générateur d'images réussit le mieux les mains ?
Aucun ne les garantit. Les générations récentes de modèles s'en sortent nettement mieux que celles de 2022, et l'écart entre deux modèles se voit surtout sur les poses complexes. Le seul test qui compte est le vôtre : lancez la même consigne, avec la même pose, sur deux modèles, et comparez sur cinq images. Sur EasyVids, le modèle que vous choisissez est celui qui produit l'image, sans substitution silencieuse en cours de route.
Faut-il écrire « cinq doigts » dans le prompt ?
L'effet est faible. Le modèle ne compte pas, il associe des mots à des formes vues pendant l'entraînement. Décrire la pose, par exemple « main posée à plat, doigts joints », pèse beaucoup plus lourd qu'un rappel numérique. Gardez la mention si elle vous rassure, mais ne construisez pas votre méthode dessus.
Pourquoi les visages sont-ils réussis et pas les mains ?
Un visage est presque toujours de face ou de trois quarts, centré, éclairé, et il occupe une large part de l'image. Sa structure varie peu d'une photo à l'autre. Une main change de forme à chaque geste, se cache elle-même et occupe peu de place. Le modèle a donc vu des millions de visages dans des positions comparables, et des mains dans un nombre de positions presque infini.
Peut-on corriger une main ratée sans relancer la génération ?
Oui, dans deux cas. Si la main se trouve en bord de cadre, un recadrage dans l'éditeur suffit. Si elle est petite et floue, un élément posé devant, un objet ou un bandeau de texte, la masque proprement. Dès qu'elle est centrale et nette, la régénération reste la seule solution honnête.
Les mains ratées se remarquent-elles vraiment ?
Sur une image vue deux secondes dans un fil d'actualité, souvent pas. Sur une miniature agrandie, sur une affiche imprimée ou sur un visuel de produit, oui, et le doute se reporte immédiatement sur le sérieux de ce que vous présentez. Réglez votre niveau d'exigence sur le support, plutôt que de viser la perfection partout.
Retenez la logique plutôt que la liste. La main est fragile parce qu'elle est petite, articulée et rarement décrite : réduisez la difficulté de la pose, donnez-lui de la place dans le cadre, acceptez de tirer deux ou trois fois quand elle est visible. Ces trois réflexes éliminent la grande majorité des ratés sans qu'aucun réglage technique n'entre en jeu. Pour les mettre en pratique tout de suite, créez votre compte et générez vos premières images : le studio EasyVids réunit la génération, les images de référence et l'éditeur au même endroit.