Générateur de prompts négatifs

Ce que fait réellement un prompt négatif

Un prompt négatif n'est pas un filtre appliqué après coup sur l'image. Il agit en parallèle du prompt positif à chaque étape de débruitage, et le modèle s'en éloigne dans le même espace latent où il se rapproche de votre sujet. Concrètement : vous donnez au sampler une seconde cible en lui demandant d'aller dans la direction opposée.

Cela a une conséquence que beaucoup ignorent. Les négatifs ne suppriment pas seulement des choses — ils *déplacent* l'ensemble. Ajoutez blurry et vous ne perdez pas que le flou ; vous poussez toute l'image vers plus de contraste et des contours plus durs, y compris là où vous vouliez de la douceur. Ajoutez cartoon et les carnations deviennent plus photographiques, parfois plus cliniques. Chaque terme négatif tire un peu sur la composition entière.

Traitez donc les négatifs comme des réglages avec effets de bord, pas comme une touche Suppr.

Pourquoi ça pèse bien plus dans Stable Diffusion que dans DALL·E

Stable Diffusion expose directement le conditionnement négatif. C'est un vrai second passage dans l'encodeur de texte, avec un poids réel, et avec un guidage sans classifieur poussé, ce poids est considérable. La plupart des workflows SD sont inutilisables sans lui : doigts en trop, fantômes de watermark et bouillie JPEG par défaut.

DALL·E 3 n'a aucun champ négatif. Il réécrit d'abord votre prompt via un modèle de langage, ce qui signifie qu'écrire « no text » peut *faire apparaître* du texte, puisque le réécrivain conserve le token et que le modèle d'image n'a aucune notion de négation. Si vous voulez l'absence de quelque chose dans DALL·E, décrivez plutôt l'alternative positive : pas « no people », mais « an empty street at 4am ». Le générateur DALL·E est construit autour de cette contrainte ; celui de Stable Diffusion suppose que vous utiliserez les deux champs.

Midjourney se situe entre les deux avec le paramètre --no, réel mais grossier : une exclusion à force unique, séparée par des virgules, sans pondération.

À noter que --no chair retire parfois aussi les objets voisins de la chaise. Le paramètre pousse une région de l'espace conceptuel, pas un seul nom commun. Pour un contrôle plus fin, voyez le générateur Midjourney.

Les quatre familles de défauts, et les valeurs par défaut à garder

Presque tous les termes négatifs utiles tombent dans l'une de quatre catégories. Construisez votre base en prenant deux ou trois éléments de chacune plutôt qu'en collant un mur de cent mots.

• Qualité — low quality, worst quality, blurry, jpeg artifacts, pixelated, low resolution
• Anatomie — extra fingers, deformed hands, fused limbs, bad proportions, mutated, extra limbs
• Artefacts — watermark, signature, text, logo, border, cropped, frame
• Fuite de style — cartoon, anime, 3d render, illustration, painting, cgi (n'utilisez que ceux qui s'opposent au style visé)

Une base photoréaliste raisonnable ressemble à ceci :

Onze termes. Ça couvre l'écrasante majorité des vrais problèmes.

Deux règles. N'incluez le bloc anatomie que s'il y a une personne ou un animal dans le cadre — sinon vous dépensez du guidage pour rien. Et n'ajoutez jamais un négatif de style qui contredit votre prompt positif : illustration en négatif alors que vous demandez une illustration de livre pour enfants produira quelque chose de confus et délavé.

Quand votre prompt négatif se retourne contre vous

Il existe une vraie courbe de coût. Passé 25 à 30 termes, les négatifs dégradent l'image au lieu de la nettoyer. Les symptômes sont reconnaissables :

• Les couleurs se désaturent et virent au gris
• Tout prend le même fini plastique et sur-accentué
• Les arrière-plans se réduisent à des dégradés plats
• Le sujet dérive vers sa version « photo de banque d'images »

Cela arrive parce que vous avez éloigné le sampler de tant de régions qu'il se replie sur le centre le plus fade de la distribution. Un guidage élevé aggrave le problème : le CFG amplifie les deux directions.

Les méga-négatifs copiés-collés depuis les forums en sont la cause habituelle. C'est la mauvaise habitude la plus répandue en génération d'image, et les erreurs de prompting courantes en dressent une liste plus large. Si vos images paraissent stériles sans que vous compreniez pourquoi, supprimez entièrement le prompt négatif et générez une fois. C'est un bon diagnostic.

Déboguer une mauvaise génération, un négatif à la fois

Ajouter six termes d'un coup ne vous apprend rien sur celui qui a aidé. Procédez proprement.

1. Fixez la seed. Sans seed fixe, vous comparez deux images aléatoires, pas deux prompts. Tout le reste en dépend.
2. Nommez le défaut réel. Pas « c'est moche » mais « sa main gauche a six doigts » ou « il y a un léger watermark en bas à droite ». Un problème vague appelle un négatif vague.
3. Ajoutez un seul terme. Régénérez sur la même seed. Le défaut précis a-t-il changé ? Sinon, retirez-le : ce n'était pas lui qui travaillait, et il vous coûte toujours du guidage.
4. Cherchez les dégâts collatéraux. Regardez ce que vous aimiez déjà. Si la lumière s'est aplatie, ce négatif est trop fort ou trop large. Essayez un synonyme plus doux.
5. Arrêtez quand le défaut a disparu. Pas quand la liste a l'air impressionnante.

Une fois sur deux, le correctif appartient de toute façon au prompt positif. « Hands in pockets » règle les problèmes de doigts plus sûrement que n'importe quel négatif d'anatomie, et « clean plain background » vaut mieux qu'une pile d'exclusions de désordre. Construisez ce côté dans le générateur de prompts d'image, resserrez la formulation avec l'optimiseur, et lisez le guide des prompts d'image pour comprendre comment les deux moitiés s'articulent.