Contrôler les visuels générés
Les visuels générés échouent rarement, mais gravement. Les relire une image à la fois, c'est justement ainsi que les mauvaises passent, car une image fausse paraît parfaitement correcte jusqu'à ce qu'elle soit placée à côté d'une image juste.
Relisez en planches
Affichez ensemble vingt résultats d'une même catégorie. Les incohérences de lumière, de cadrage, d'ombre et d'échelle sautent immédiatement aux yeux, alors qu'elles sont quasi invisibles lors d'une relecture image par image. Ce seul changement révèle plus de problèmes que n'importe quelle liste de contrôle.
L'ordre dans lequel regarder
- Est-ce bien le bon produit ? Pas un produit similaire. Le même, avec les mêmes caractéristiques, dans la même variante.
- Y a-t-il des éléments inventés ? Un texte sur l'emballage, un logo, un port, un bouton, une couture qui n'existe pas.
- L'image passerait-elle Merchant Center ? Aucune incrustation, aucun filigrane, aucun texte, le produit occupe tout le cadre.
- Est-elle cohérente avec la série ? Lumière, arrière-plan, cadrage, ombre, échelle.
- Est-elle meilleure que celle qu'elle remplace ? Parfois, la photographie d'origine était très bien.
Les points un et deux sont éliminatoires ; tout ce qui suit relève du degré. Ne laissez pas passer une image splendide comportant un logo inventé sous prétexte qu'elle obtient de bons résultats sur le reste.
À rejeter sans discussion
- Tout texte ou logo inventé, aussi petit soit-il.
- Une variante erronée, par exemple le modèle bleu rendu en rouge.
- Des mains ou des visages anatomiquement faux, si des personnes apparaissent.
- Des produits dont les proportions ont changé ou qui ont perdu une caractéristique essentielle.
- Tout ce que vous ne pourriez pas défendre auprès d'un client qui a reçu l'article et n'est pas d'accord.
Échantillonnez, ne contrôlez pas tout
À quatre mille produits, relire chaque image n'est pas un plan. Relisez un échantillon stratifié par catégorie, mesurez le taux d'échec par catégorie et ne passez à un contrôle exhaustif que là où ce taux est élevé. Une catégorie avec deux pour cent d'échecs demande un contrôle ponctuel ; une catégorie à vingt pour cent demande un autre modèle, pas davantage de relecture.
Conservez les rejets
Les résultats rejetés sont les données les plus utiles dont vous disposez sur les faiblesses de votre modèle. Une catégorie dont les échecs se concentrent sur la même caractéristique vous indique quoi changer dans le prompt : une correction qui évite les quatre cents échecs suivants au lieu d'en corriger quatre.