Photo produit IA à partir d'une seule photo de téléphone : ce qui a marché et ce qui a cassé
Il y a sur mon bureau un flacon spray en verre ambré sans marque, du genre où l'on transvase un parfum. Je l'ai photographié une fois au téléphone, pour voir si cette seule image suffisait à produire un jeu de photos produit IA présentable sur une fiche article, plus une courte vidéo produit IA.
Pas de studio, pas de boîte à lumière, personne d'engagé. Voici le déroulé complet, y compris les deux parties qui n'ont pas fonctionné.
Ce qui manque vraiment à une photo de téléphone
Un bureau en bois, un câble de charge en nœud, un fond de café froid, une ombre dure venue du plafonnier, et une dominante jaune-vert sur l'ensemble. C'est le point de départ réel de la plupart des petits vendeurs.
Ce qui manque, ce n'est pas la netteté. C'est trois autres choses : le fond est chargé, la lumière n'a pas de direction, et le cadrage ne s'accordera pas aux autres visuels de la fiche. Ces trois-là sont précisément ce que la photo produit IA sait le mieux traiter aujourd'hui.
Les exigences sur l'image source sont minces : objet entier visible, image nette, pas noyée dans l'ombre. Si c'est le cas, une photo de téléphone suffit.
La première étape n'est pas de générer, c'est de détourer
La conclusion d'abord : le détourage a été la partie la moins problématique de tout le parcours.
L'original à gauche, le détourage au milieu, et le bord du verre agrandi jusqu'aux pixels à droite. Le surbouchon transparent est resté intact et le contour est revenu sans halo blanc ni frange — le verre et le plastique transparent sont d'habitude là où les détourages s'effondrent, et celui-ci est passé du premier coup. Cette étape est passée par le détourage.
Le zoom a tout de même révélé autre chose : la dominante jaune-vert de l'original a suivi telle quelle. Détourer sépare le sujet du fond, cela ne corrige pas la couleur. Ce fichier à fond transparent n'est donc pas une photo produit IA finie — c'est la référence dont toutes les suivantes découlent.
L'éclairage prime sur le décor : écrivez la lumière, pas le lieu
Une fois la référence en main, j'ai utilisé la génération d'images IA pour produire les quatre scènes que les fiches produit réclament le plus.
En haut à gauche, le visuel principal sur blanc : lumière plate, réflecteur à droite, une petite ombre de contact sous la base. En haut à droite, une pierre beige sous un contre-jour chaud rasant, l'ombre s'allonge et un liseré doré court sur le bord droit du verre. En bas à gauche, fond sombre et lumière dure d'un seul côté, la moitié gauche plongée dans l'ombre. En bas à droite, la voie lifestyle : plan de marbre et quelques branches d'eucalyptus.
L'enseignement le plus utile de cette étape : écrivez la scène et la lumière ensemble. « Sur une surface en pierre » vous donne une surface et un éclairage sans direction. « Contre-jour chaud et rasant venu du haut à droite, ombre étirée vers la gauche, liseré doré sur le bord droit du verre » vous donne l'image ci-dessus. La direction, la dureté et la température de la lumière pèsent bien plus sur une photo produit IA que ce que vous posez dans le décor.
La consigne de direction n'est pas toujours suivie non plus. J'en ai tenté une de plus sur de l'acrylique noir, en demandant une lumière venue de gauche et une ombre tombant à droite. Le reflet en miroir est superbe ; la zone claire au sol est restée à gauche et l'ombre était à peine visible. Celle-là est passée à la trappe.
Faire entrer une main dans le cadre
Toute fiche a besoin d'une vue « ça fait quelle taille dans la main », et la main est justement l'endroit où les photos produit IA se trahissent : doigts fusionnés, un doigt en trop, une phalange pliée à l'envers.
J'ai zoomé et compté : cinq doigts, articulations pliées dans le bon sens, ongles de longueur égale, et jusqu'au pli de peau à la commissure du pouce. Du premier coup, sans reprise.
Ce qui a cassé : le texte est passé, le bouchon non
Les modèles d'image ne savent pas écrire un texte lisible. Je tenais cela pour acquis, alors je l'ai vérifié.
« LAVENDER MIST / 50 ml » est revenu correctement orthographié. En basculant en chinois — 薰衣草喷雾 / 净含量 50 毫升 — les neuf caractères sont sortis sans un seul trait de travers. À l'échelle d'une étiquette courte, cette idée reçue a expiré.
Ce qui a réellement cassé, je l'ai presque manqué.
Tout à gauche, le bouchon d'origine : épaule carrée, fût droit, sommet plat. Les quatre à sa droite sont les visuels finis. Tous les bouchons sont devenus bombés, aucun de la même hauteur ni de la même largeur, et la buse à l'intérieur change de forme à chaque fois.
Le modèle a bien tenu les grandes choses — couleur du verre, position de l'étiquette, fond, éclairage. C'est le détail structurel qui dérive un peu plus à chaque redessin. Pour un vrai produit, cela compte : un acheteur dont le colis ne correspond pas au visuel principal laisse un avis à une étoile.
Le remède est rustique mais efficace : choisissez le visuel dont le bouchon est le plus proche de l'objet réel, verrouillez-le comme référence unique, et régénérez les autres photos produit IA à partir de celui-là plutôt que de repartir de zéro à chaque fois.
De l'image fixe à une vidéo produit IA de 10 secondes
J'ai retenu l'image sur pierre et je l'ai envoyée dans première et dernière image vers vidéo pour une vidéo produit IA de 10 secondes.
Mon prompt demandait deux choses : une avancée très lente, et une lumière latérale balayant de droite à gauche pour raccourcir l'ombre. Seule la première s'est produite. L'avancée est d'une stabilité parfaite — forme du flacon, proportions de l'étiquette et couleur du verre ne bougent pas d'un iota sur plus de deux cents images — mais la lumière est pour ainsi dire figée et l'ombre fait la même longueur à la fin qu'au début.
Je prends l'échange. Le pire défaut d'une vidéo produit IA, c'est que le sujet se déforme pendant que la caméra bouge ; une caméra sage est une assurance bon marché. S'il vous faut d'autres angles, tirez quelques vidéos produit IA de plus de la même image verrouillée et montez-les ensemble.
Ce que ça a coûté en temps
Quarante minutes et des poussières entre la photo et les fichiers finis, dont plus de la moitié à attendre les générations et à trancher entre elles. Deux reprises seulement : le visuel sur acrylique noir a raté la direction de lumière, l'a ratée à nouveau au second essai et a été abandonné ; la dérive du bouchon n'est apparue qu'une fois tout terminé, ce qui a rayé une tournée complète de quatre visuels de fond. Verrouiller une référence dès le départ aurait évité cette tournée.
À noter qu'une seule étape de tout ce processus demande du goût : choisir quelle image devient la référence. Le reste n'est que répétition.
Si vous avez un produit que vous n'arrivez pas à photographier correctement, votre point de départ n'a pas besoin d'être meilleur que ma photo. La génération d'images IA s'occupe des fixes, la génération de vidéos IA du clip, et quand vous voudrez étaler une douzaine de photos produit IA et quelques vidéos côte à côte pour les juger, faites glisser le tout sur la toile générative — laquelle garder et laquelle relancer devient évident d'un coup d'œil.