Schémas et Diagrammes Scientifiques
Présentation
Les schémas et diagrammes scientifiques transforment des concepts complexes en représentations visuelles claires pour la publication. Ce skill utilise Nano Banana 2 AI pour la génération de diagrammes avec une révision de qualité par Gemini 3.6 Flash.
Comment ça marche :
- Décrivez votre diagramme en langage naturel
- Nano Banana 2 génère automatiquement des images de qualité publication
- Gemini 3.6 Flash évalue la qualité par rapport aux seuils du type de document
- Itération intelligente : Ne régénère que si la qualité est inférieure au seuil
- Sortie prête à publier en quelques minutes
- Aucun codage, modèle ou dessin manuel requis
Seuils de qualité par type de document :
| Type de document | Seuil | Description |
|---|---|---|
| journal | 8.5/10 | Nature, Science, revues à comité de lecture |
| conference | 8.0/10 | Actes de conférence |
| thesis | 8.0/10 | Thèses, dissertations |
| grant | 8.0/10 | Propositions de subventions |
| preprint | 7.5/10 | arXiv, bioRxiv, etc. |
| report | 7.5/10 | Rapports techniques |
| poster | 7.0/10 | Affiches académiques |
| presentation | 6.5/10 | Diaporamas, exposés |
| default | 7.5/10 | Usage général |
Décrivez simplement ce que vous voulez, et Nano Banana 2 le crée. Tous les diagrammes sont stockés dans le sous-dossier figures/ et référencés dans les articles/affiches.
Ce que produit la sortie : un PNG raster à la résolution que retourne le modèle d'image. Ce skill n'a pas de parcours vectoriel ni de contrôle DPI — si une revue exige du PDF, EPS ou TIFF 300 dpi, convertissez le PNG en aval et vérifiez le résultat à la taille d'impression finale.
Démarrage Rapide : Générer N'importe Quel Diagramme
Créez n'importe quel diagramme scientifique en le décrivant simplement. Nano Banana 2 gère tout automatiquement avec une itération intelligente :
# Générer pour un article de revue (seuil de qualité le plus élevé : 8.5/10)
python scripts/generate_schematic.py "Diagramme de flux CONSORT avec 500 dépistés, 150 exclus, 350 randomisés" -o figures/consort.png --doc-type journal
# Générer pour une présentation (seuil inférieur : 6.5/10 - plus rapide)
python scripts/generate_schematic.py "Architecture encodeur-décodeur Transformer avec attention multi-têtes" -o figures/transformer.png --doc-type presentation
# Générer pour une affiche (seuil modéré : 7.0/10)
python scripts/generate_schematic.py "Voie de signalisation MAPK de EGFR à la transcription génique" -o figures/mapk_pathway.png --doc-type poster
# Itérations personnalisées (max 2)
python scripts/generate_schematic.py "Schéma de circuit complexe avec amplificateur opérationnel, résistances et condensateurs" -o figures/circuit.png --iterations 2 --doc-type journal
Ce qui se passe en coulisses :
- Génération 1 : Nano Banana 2 crée l'image initiale en suivant les bonnes pratiques des diagrammes scientifiques
- Révision 1 : Gemini 3.6 Flash évalue la qualité par rapport au seuil du type de document
- Décision : Si la qualité >= seuil → TERMINÉ (plus d'itérations nécessaires !)
- Si en dessous du seuil : Prompt amélioré basé sur la critique, régénération
- Répéter : Jusqu'à ce que la qualité atteigne le seuil OU que le nombre maximal d'itérations soit atteint
Avantages de l'Itération Intelligente :
- ✅ Économise des appels API si la première génération est suffisamment bonne
- ✅ Normes de qualité plus élevées pour les articles de revue
- ✅ Délais plus rapides pour les présentations/affiches
- ✅ Qualité appropriée pour chaque cas d'usage
Sortie : Images versionnées (nom_v1.png, nom_v2.png), une copie de la gagnante au chemin demandé, et nom_review_log.json avec le score, la critique et la raison d'arrêt anticipé par itération.
Lorsque la révision ne peut pas s'exécuter — une limite de débit, un filtre de contenu, un réviseur qui répond dans une forme inattendue — l'image est quand même générée et sauvegardée, mais aucun score n'est inventé pour elle. Le journal enregistre "score": null et "reviewed": false avec la raison dans "review_error", et l'exécution affiche Révision indisponible — image conservée, qualité non vérifiée. Traitez cette image comme non vérifiée et regardez-la vous-même ; une nouvelle tentative vaut la peine, car l'échec est généralement transitoire.
Configuration
Définissez votre clé API OpenRouter :
export OPENROUTER_API_KEY='votre_cle_api_ici'
Obtenez une clé API sur : https://openrouter.ai/keys
Les données quittent la machine. Votre prompt est envoyé à OpenRouter pour générer l'image, et l'image générée est renvoyée à OpenRouter pour la révision de qualité. Les deux sont soumis aux politiques de données d'OpenRouter et à celles des fournisseurs de modèles sous-jacents. Ne décrivez pas de données non publiées, d'informations sur les patients ou quoi que ce soit sous embargo dans le prompt.
Bonnes Pratiques de Génération IA
Prompts Efficaces pour les Diagrammes Scientifiques :
✓ Bons prompts (spécifiques, détaillés) :
- "Organigramme CONSORT montrant le flux des participants du dépistage (n=500) à la randomisation jusqu'à l'analyse finale"
- "Architecture de réseau de neurones Transformer avec la pile de l'encodeur à gauche, la pile du décodeur à droite, montrant l'attention multi-têtes et les connexions d'attention croisée"
- "Cascade de signalisation biologique : récepteur EGFR → RAS → RAF → MEK → ERK → noyau, avec les étapes de phosphorylation étiquetées"
- "Diagramme en blocs d'un système IoT : capteurs → microcontrôleur → module WiFi → serveur cloud → application mobile"
✗ Évitez les prompts vagues :
- "Faire un organigramme" (trop générique)
- "Réseau de neurones" (quel type ? quels composants ?)
- "Diagramme de voie" (quelle voie ? quelles molécules ?)
Éléments clés à inclure :
- Type : Organigramme, diagramme d'architecture, voie, circuit, etc.
- Composants : Éléments spécifiques à inclure
- Flux/Direction : Comment les éléments se connectent (gauche à droite, haut en bas)
- Étiquettes : Annotations ou texte clé à inclure
- Style : Exigences visuelles spécifiques éventuelles
Directives de Qualité Scientifique (appliquées automatiquement) :
- Fond blanc/clair propre
- Contraste élevé pour la lisibilité
- Étiquettes claires et lisibles (minimum 10 pt)
- Typographie professionnelle (polices sans empattement)
- Couleurs adaptées aux daltoniens (palette d'Okabe-Ito)
- Espacement approprié pour éviter l'encombrement
- Barres d'échelle, légendes, axes si appropriés
Quand Utiliser Ce Skill
Ce skill doit être utilisé lorsque :
- Création de diagrammes d'architecture de réseaux de neurones (Transformers, CNN, RNN, etc.)
- Illustration d'architectures système et de diagrammes de flux de données
- Dessiner des organigrammes méthodologiques pour la conception d'études (CONSORT, PRISMA)
- Visualisation de flux de travail algorithmiques et de pipelines de traitement
- Création de schémas de circuits et de schémas électriques
- Représentation de voies biologiques et d'interactions moléculaires
- Génération de topologies de réseau et de structures hiérarchiques
- Illustration de cadres conceptuels et de modèles théoriques
- Conception de diagrammes en blocs pour des articles techniques
Comment Utiliser Ce Skill
Décrivez simplement votre diagramme en langage naturel. Nano Banana 2 le génère automatiquement :
python scripts/generate_schematic.py "description de votre diagramme" -o output.png
C'est tout ! L'IA gère :
- ✓ Disposition et composition
- ✓ Étiquettes et annotations
- ✓ Couleurs et style
- ✓ Révision de qualité et raffinement
- ✓ Sortie prête à publier
Fonctionne pour tous les types de diagrammes :
- Organigrammes (CONSORT, PRISMA, etc.)
- Architectures de réseaux de neurones
- Voies biologiques
- Schémas de circuits
- Architectures système
- Diagrammes en blocs
- Toute visualisation scientifique
Aucun codage, modèle ou dessin manuel requis.
Mode de Génération IA (Nano Banana 2 + Révision Gemini 3.6 Flash)
Raffinement Itératif Intelligent, Utilisation Avancée et Exemples
La boucle génération-révision-raffinement, l'API Python et les options en ligne de commande, les conseils d'ingénierie de prompt et quatre exemples détaillés (organigramme CONSORT, architecture de réseau de neurones, voie biologique, architecture système) se trouvent dans références/raffinement_iteratif.md.
La boucle s'arrête dès que la révision réussit, donc un diagramme simple coûte généralement une itération ; seules les figures complexes utilisent le budget complet.
Utilisation en Ligne de Commande
Le point d'entrée principal pour générer des schémas scientifiques :
# Utilisation de base
python scripts/generate_schematic.py "description du diagramme" -o output.png
# Itérations personnalisées (max 2)
python scripts/generate_schematic.py "diagramme complexe" -o diagram.png --iterations 2
# Mode verbeux
python scripts/generate_schematic.py "diagramme" -o out.png -v
Remarque : Le système de génération IA Nano Banana 2 inclut une révision automatique de la qualité dans son processus de raffinement itératif. Chaque itération est évaluée pour l'exactitude scientifique, la clarté et l'accessibilité.
Résumé des Bonnes Pratiques
Principes de conception — demandez-les dans le prompt
- Clarté plutôt que complexité - Simplifiez, supprimez les éléments inutiles
- Style cohérent - Décrivez les mêmes conventions visuelles à travers les figures d'un article
- Accessibilité aux daltoniens - Demandez la palette Okabe-Ito et un encodage redondant
- Typographie appropriée - Polices sans empattement, étiquettes de taille généreuse
- Flux logique - Indiquez explicitement la direction (gauche à droite, haut en bas)
Le générateur applique tout cela par défaut, mais les nommer dans vos propres mots pour le diagramme spécifique fonctionne mieux que de se fier uniquement aux directives intégrées.
Ce que le pipeline ne peut pas faire
- Sortie vectorielle - PNG uniquement ; aucun PDF, SVG ou EPS n'est produit
- Contrôle de la résolution - Le modèle d'image choisit ; il n'y a pas de drapeau DPI
- Espace colorimétrique - RVB uniquement ; convertissez pour les flux de travail d'impression CMJN en aval
- Épaisseurs de ligne ou tailles de texte exactes - Décrivez-les dans le prompt, puis vérifiez visuellement
Pour une revue qui exige un format vectoriel ou un TIFF 300+ dpi, convertissez le PNG après génération et vérifiez le résultat à la taille à laquelle il sera réellement imprimé.
Directives d'Intégration
- Inclure dans LaTeX - Utilisez
\includegraphics{}pour les images générées - Légender en détail - Décrivez tous les éléments et abréviations
- Référencer dans le texte - Expliquez le diagramme dans le flux narratif
- Maintenir la cohérence - Même style dans toutes les figures de l'article
- Contrôle de version - Conservez les prompts et les images générées dans le dépôt
Dépannage des Problèmes Courants
La génération est stochastique et l'itération est limitée à 2, donc les leviers qui changent réellement le résultat sont le prompt, le type de document et la ré-exécution. Il n'y a pas d'étape de post-traitement ni de bibliothèque de vérification de qualité dans ce skill : tout ce que vous pouvez inspecter se trouve dans le PNG généré et dans <nom>_review_log.json.
Le diagramme est erroné
Texte qui se chevauche, éléments encombrés, ou flèches qui manquent leurs cibles
- Nommez la disposition dans le prompt : "flux vertical, une boîte par ligne, espacement généreux entre les étapes"
- Nommez les connexions : "flèche de RAF à MEK étiquetée phosphorylation", pas "montrez la cascade"
- Ré-exécutez. Deux exécutions du même prompt diffèrent, et une mauvaise disposition est souvent juste un tirage malchanceux
Le contenu est scientifiquement erroné ou un composant manque
- Listez les composants explicitement, avec leurs nombres et étiquettes — le modèle ne les déduira pas
- Lisez le champ
critiquedans le journal de révision : le réviseur nomme généralement ce qu'il a vu manquer
Mauvais texte dans les étiquettes, ou numérotation de figure intégrée dans l'image
- Le prompt interdit déjà les légendes "Figure 1:" ; si une apparaît quand même, ré-exécutez
- Les étiquettes mal orthographiées sont l'échec le plus courant des modèles d'image. Lisez chaque étiquette avant de l'utiliser
Le score semble erroné
Le score est inférieur à ce que le diagramme mérite
- Lisez la critique avant de ré-exécuter ; la plainte du réviseur est souvent légitime et spécifique
- Le seuil, pas le score, décide s'il itère —
--doc-type journalexige 8.5
Une exécution s'arrête à un score inférieur au seuil
- C'est la limite d'itération.
--iterations 2est le maximum ; la dernière image est conservée et rapportée avec son score réel
"score": null et "reviewed": false dans le journal
- L'appel de révision a échoué ou a répondu dans une forme inutilisable. L'image est bonne et a été conservée ; seule sa qualité n'a jamais été mesurée. Vérifiez
"review_error", regardez l'image vous-même et ré-exécutez
Configuration
Erreur : OPENROUTER_API_KEY introuvable
export OPENROUTER_API_KEY='sk-or-v1-...', ou ajoutez-la à un fichier.env, ou passez--api-key
Erreur : bibliothèque requests introuvable
uv pip install requests
Toute erreur API — exécutez avec -v pour voir la requête, le slug du modèle et le corps d'erreur complet
Ressources et Références
Références Détaillées
Chargez ces fichiers pour des informations complètes sur des sujets spécifiques :
references/raffinement_iteratif.md- La boucle génération-révision-raffinement, l'API Python, chaque option en ligne de commande, les conseils d'ingénierie de prompt et quatre exemples détaillésreferences/bonnes_pratiques.md- Normes de publication et directives d'accessibilité à utiliser lors de la rédaction des prompts et du jugement du résultat
Ressources Externes
Normes de Publication
- Directives pour les Figures de Nature : https://www.nature.com/nature/for-authors/final-submission
- Directives pour les Figures de Science : https://www.science.org/content/page/instructions-preparing-initial-manuscript
- Diagramme CONSORT : http://www.consort-statement.org/consort-statement/flow-diagram
Intégration avec d'Autres Skills
Ce skill fonctionne en synergie avec :
- Rédaction Scientifique - Les diagrammes suivent les bonnes pratiques des figures
- Visualisation Scientifique - Partagent les palettes de couleurs et le style
- Affiches LaTeX - Générer des diagrammes pour les présentations par affiches
- Subventions de Recherche - Diagrammes de méthodologie pour les propositions
- Révision par les Pairs - Évaluer la clarté et l'accessibilité des diagrammes
Liste de Vérification Rapide
Avant de soumettre des diagrammes, vérifiez :
Lisez le journal de révision (c'est la seule vérification automatisée disponible)
-
<nom>_review_log.jsonexiste et"reviewed"esttruepour l'itération finale -
"final_score"est un nombre réel, pasnull, et atteint le seuil de votre type de document - Lisez le
"critique"— les problèmes restants du réviseur sont listés même en cas de score réussi - Si plus d'une version a été générée, comparez
_v1et_v2et gardez la meilleure
Regardez l'image vous-même
- Chaque étiquette est correctement orthographiée — les modèles d'image font des fautes de texte, et aucune vérification automatisée ici ne les détecte
- Pas de texte qui se chevauche ou coupé
- Toutes les flèches connectent les éléments qu'elles sont censées connecter
- La science est correcte dans le diagramme – vérifiez la disposition, pas seulement les étiquettes
- Le contraste est suffisant pour l'impression et la projection
- Les couleurs sont perceptivement uniformes si le diagramme doit être en noir et blanc
Vérifications finales
- Le chemin de sortie est celui référencé dans votre article ou affiche
- Le type de document correspond à la destination de soumission
- Vous avez supprimé les fichiers
_v1inutilisés si l'itération a produit des versions supplémentaires