Création de Prompts d'Image — Nano Banana & GPT Image 2.5
Cette compétence écrit des prompts d'image. Elle ne génère pas d'images. Le résultat est : nom du modèle + qualité / taille / ratio d'aspect + le prompt lui-même.
Le corps de ce SKILL.md est intentionnellement mince afin que vous ne puissiez pas falsifier un résultat en le lisant seul. Les règles réelles — ce que les modèles récompensent, ce qu'ils punissent, comment formuler un template 5-slots, quand ajouter quality: high, quand utiliser l'ancrage d'image — ne vivent que dans les fichiers de référence.
Aiguiller d'abord — s'agit-il vraiment d'une tâche de prompt d'image ?
- Mouvement, clips, montage (Seedance, Kling, Veo, tout image-à-vidéo) : utilisez la compétence sœur
video. Les sorties storyboard et images clés de cette compétence l'alimentent. - Pas encore d'idée ou de script (l'utilisateur veut un concept ou un scénario publicitaire, pas une image) : si la compétence
creative-directorest installée, commencez par là — elle développe des idées et des scripts pour les publicités et au-delà (github.com/smixs/creative-director-skill). - Une image concrète est nécessaire — cette compétence. Continuez ci-dessous.
Ordre de lecture obligatoire — N'ÉCRIVEZ PAS DE PROMPT SANS CELA
Les tentatives précédentes d'écrire des prompts directement à partir de ce corps de compétence ont produit des résultats paresseux et génériques. Chaque modèle a sa propre physique ; les règles communes deviennent boueuses lorsqu'elles sont appliquées sans syntaxe spécifique au modèle. Lisez dans cet ordre avant de produire un prompt :
Étape 1 — toujours lire d'abord → models.md
Décidez : Nano Banana (NB2 ou NBP) ou GPT Image 2.5 (Flare pour la vitesse, Sunburst pour les éditions de précision). Le choix change fondamentalement la syntaxe du prompt — paragraphes en langage naturel vs. template 5-slots étiqueté, paramètres de qualité, quelles fonctionnalités existent (ancrage d'image uniquement sur NB, discipline EXACT TEXT uniquement sur GPT Image, etc.).
Si l'utilisateur a nommé un modèle — confirmez et continuez. Sinon — choisissez à l'aide du tableau dans models.md, puis indiquez votre choix dans l'en-tête de sortie.
Étape 2 — lire un fichier de modèle (celui que vous avez choisi)
-
Nano Banana → nano-banana.md Ancrage d'image pour des lieux réels. Ratios d'aspect extrêmes (1:8, 8:1, 4:1). Mode réflexion. JSON pour 5+ éléments. Jusqu'à 14 images de référence. Pourquoi vous ne devez PAS écrire de nombres
50mm / f-stop / ISO. -
GPT Image 2.5 → gpt-image.md Template 5-slots (Scène / Sujet / Détails Importants / Cas d'Usage / Contraintes). Liste de mots interdits anti-bave.
quality: low / medium / high / xhigh / maxcomme un levier de fidélité délibéré. Contraintes de taille (multiples de 16, max 3:1, jusqu'à 4K 3840×2160). Logique d'édition à deux colonnes (Modifier / Préserver / Contraintes). Jusqu'à 16 images de référence avec des rôles explicites.
Le fichier de modèle est non négociable. Le sauter est la cause numéro un des prompts faibles.
Étape 3 — toujours lire après le fichier de modèle → golden-rules.md
Règles universelles qui s'appliquent aux deux modèles : commencer par un verbe, formulation positive, couleurs hexadécimales, citer le texte, éditer sans recommencer, un changement par itération, images de référence.
Étape 4 — lecture adaptée à la tâche (chargez uniquement ce qui correspond à la demande)
Choisissez zéro ou plus, selon ce que l'utilisateur a demandé :
- Texte dans l'image, infographie, diagramme, rendu multilingue → text-rendering.md
- Éditer une image existante (suppression d'objet, changement d'éclairage, colorisation, restauration, localisation) → editing.md
- Continuité du personnage sur plusieurs images / panneaux → characters.md
- L'image doit passer pour une vraie photographie (portrait, reportage, UGC, casting, produit en main) — ou l'utilisateur dit que le résultat "fait IA", "trop brillant", "pas comme la référence" → de-slop.md. Priors par défaut du modèle, mots booster interdits, pipeline de capture au lieu d'adjectifs, imperfections localisées.
- Diapositives de présentation → slides.md
- Narration séquentielle (storyboard, bande dessinée, séquence de panneaux) → storyboards.md
- Esquisse → final, maquettes fil de fer, entrée structurelle → structural.md
- 2D → 3D, plans d'étage, isométrique → dimensional.md
- Analyse visuelle / image-à-prompt / transfert de style à partir d'une image de référence → vision-decomposer.md. Chargez ceci chaque fois que l'utilisateur joint une image et demande de recréer, faire correspondre, décomposer ou transférer son style.
- Compositions multi-panneaux (grilles, collages, feuilles de storyboard dans UNE image) → multi-panel.md. Grilles TVC 9 cases, grilles portrait 2x2, collages de campagne 3 panneaux, grilles sans bordure 4x3, séquences cinématographiques 6 images, divisions avant/après, affiches storyboard 12 panneaux.
- Bibliothèques de patrons par industrie — modèles de prompts éprouvés par secteur. Chargez le fichier correspondant :
- Photos de produits e-commerce → patterns/ecommerce.md
- Campagnes éditoriales de mode → patterns/fashion-editorial.md
- Publicité alimentaire & boissons → patterns/food-beverage.md
- Portraits cinématographiques → patterns/portrait-cinema.md
- Affiches & illustration → patterns/poster-illustration.md. Contient également la méthode Style DNA + Reject Checklist — comment fixer un style visuel fort en quatre lignes avant de générer et comment juger l'image retournée par rapport à celui-ci. Utilisable avec n'importe quel patron de cette liste, pas seulement les affiches.
- Design de personnage (turnarounds, fiches d'expressions, grilles de tenues) → patterns/character-design.md
- Maquettes UI & formats pour réseaux sociaux → patterns/ui-social.md
Étape 5 — lire pour le langage de production → creative-direction.md
Vocabulaire de qualité studio pour la conception d'éclairage, caméra et matériel, étalonnage et pellicule, matérialité et texture. À lire lorsque vous avez besoin de termes précis au-delà de ce que couvre golden-rules.md.
Étape 6 — lire si vous structurez un prompt complexe → prompt-framework.md
Liste de vérification universelle des éléments (sujet, contexte, action, environnement, caméra, éclairage, ambiance, matériaux, palette, format), modes de détail (concis / standard / verbeux / verbeux cinématographique), modèles paramétrés, structure de sortie avec paramètres et exclusions.
Format de sortie
Lorsque vous renvoyez le prompt, structurez-le comme ceci :
Modèle : <nano-banana-2 | nano-banana-pro | gpt-image-2.5-flare | gpt-image-2.5-sunburst>
Qualité : <low | medium | high | xhigh | max> (uniquement pour gpt-image-2.5)
Taille / Ratio : <par exemple 1536×1024 ou 16:9>
Prompt :
<le texte du prompt, prêt à être copié>
Notes :
- <tout ce que vous avez déduit ou supposé parce que l'utilisateur ne l'a pas spécifié>
Pour les éditions, incluez également une liste explicite de ce qui est préservé (obligatoire pour gpt-image-2.5, recommandé pour nano-banana) :
Modification : <une chose concrète>
Préserver : <visage, pose, éclairage, cadrage, géométrie, ...>
Contraintes : <pas d'objets supplémentaires, pas de dérive, ...>
Style de réponse final
Privilégiez : des prompts prêts à copier, des couleurs hexadécimales, des matériaux concrets, des compositions nommées, une syntaxe spécifique au modèle (5-slots pour GPT Image, prose naturelle pour Nano Banana).
Évitez : la soupe de tags ("cool, moderne, 4k"), les éloges vagues ("époustouflant, épique, chef-d'œuvre" — nuit activement à GPT Image 2.5), la formulation négative ("pas de personnes, pas de voitures" — inversez en positif), les comparaisons externes ("comme une pub Apple" — décrivez plutôt les propriétés visuelles), les paramètres numériques d'objectif dans les prompts Nano Banana (il les ignore).
Auteur : Serge Shima (t.me/aimastersme · sergeshima.com · aimasters.me) · Licence : CC BY 4.0 — attribution requise · Source : smixs/visual-skills