Mes personnages changent de visage : Techniques de consistance (Seed, LoRA)

Vous créez un storyboard. Une série d'illustrations pour un livre. Un projet de court-métrage. Vous avez besoin que votre personnage principal reste le même sur 20, 50, peut-être 100 images différentes.

Mais à chaque génération, le visage change. Les cheveux passent du brun au noir. Les yeux changent de couleur. L'âge varie. C'est frustrant au point de rendre certains projets impossibles.

Ce problème de consistance est l'un des défis majeurs de l'IA générative. Mais il existe des solutions. Ce guide vous présente toutes les techniques disponibles, de la plus simple à la plus avancée.

Pourquoi l'IA génère des personnages différents

Comprenons d'abord le problème. Quand vous tapez "a woman with brown hair", l'IA ne pense pas à UNE femme spécifique. Elle génère UNE PARMI DES MILLIONS de femmes possibles correspondant à cette description.

À chaque génération, le point de départ aléatoire (le "seed") est différent. Le résultat est donc différent, même avec exactement le même prompt.

C'est comme demander à mille artistes de dessiner "une femme brune". Vous obtiendrez mille femmes différentes.

La consistance n'est pas un défaut qu'on corrige, c'est une fonctionnalité qu'on doit explicitement activer ou construire.

Technique 1 : Le Seed fixe (la base)

Ce que c'est

Le seed est un nombre qui initialise le générateur aléatoire. Avec le même seed et exactement les mêmes paramètres, vous obtenez exactement la même image.

Comment l'utiliser

1. Générez une image qui vous plaît
2. Notez le seed (affiché dans l'interface ou les métadonnées)
3. Pour les générations suivantes, entrez ce seed manuellement

Dans Midjourney : Ajoutez --seed [nombre] à la fin de votre prompt. Dans Stable Diffusion : Remplacez -1 par le numéro de seed dans l'interface.

Les limites

Le seed fixe ne marche que si tout le reste est identique. Si vous changez le prompt, la résolution, ou le modèle, le personnage changera malgré le seed fixe.

Utilité : Générer des variations mineures (expressions, éclairages) en gardant le même personnage de base.

Technique 2 : L'image de référence (Image-to-Image)

Ce que c'est

Au lieu de partir de zéro, vous partez d'une image existante de votre personnage. L'IA s'en inspire pour générer la nouvelle image.

Comment l'utiliser

Dans Midjourney :

1. Uploadez votre image de référence
2. Utilisez-la avec votre prompt : /imagine [URL de l'image] prompt

Dans Stable Diffusion (img2img) :

1. Chargez votre image dans l'onglet img2img
2. Rédigez le nouveau prompt
3. Ajustez le denoising strength (plus bas = plus fidèle à l'original)

Les limites

L'image de référence influence le résultat mais ne le garantit pas. Le personnage peut dériver progressivement au fil des générations. Et changer d'angle de vue reste problématique.

Technique 3 : Les LoRA de personnage (la solution avancée)

Ce que c'est

Un LoRA (Low-Rank Adaptation) est un mini-modèle qui encode un concept spécifique, comme un style visuel ou... un visage particulier. Vous pouvez créer un LoRA de votre personnage, puis l'utiliser dans toutes vos générations.

Comment ça fonctionne

1. Vous rassemblez 10-30 images de votre personnage (générées ou réelles)
2. Vous entraînez un LoRA sur ces images (processus automatisé)
3. Vous obtenez un fichier LoRA (~50-200 Mo)
4. Vous l'activez dans Stable Diffusion
5. Toutes vos générations incluent ce personnage

Les avantages

• Consistance très élevée (visage, caractéristiques)
• Fonctionne avec différents angles, poses, éclairages
• Le personnage peut être dans n'importe quelle scène

Les limites

• Nécessite un entraînement (quelques heures sur un bon GPU)
• Ne fonctionne qu'avec Stable Diffusion (pas Midjourney)
• Demande des images de base de qualité

Comment entraîner un LoRA de personnage

Option 1 : Kohya_ss (gratuit, local)

1. Installez Kohya_ss (GUI pour l'entraînement)
2. Préparez 15-30 images de votre personnage
3. Créez des fichiers de description pour chaque image
4. Lancez l'entraînement (2-4 heures sur RTX 3060)

Option 2 : Services en ligne (payant, simple)

Des services comme CivitAI proposent l'entraînement de LoRA en ligne. Vous uploadez vos images, vous payez quelques dollars, vous récupérez le LoRA.

Option 3 : GPU cloud

Louez un GPU puissant pour quelques heures, entraînez votre LoRA rapidement.

Technique 4 : Runway Gen-4 et la consistance native

Ce que c'est

Runway Gen-4 a introduit des fonctionnalités de consistance de personnage directement dans leur interface. Vous uploadez une référence, et Runway maintient ce personnage à travers les plans vidéo.

Comment l'utiliser

1. Dans Runway, uploadez une image de votre personnage
2. Utilisez-la comme "character reference"
3. Générez vos vidéos, le personnage reste cohérent

Les avantages

• Fonctionne pour la vidéo (pas juste l'image)
• Pas besoin d'entraînement
• Interface simple

Les limites

• Payant (abonnement Runway)
• Moins de contrôle qu'un LoRA
• Limité à l'écosystème Runway

Technique 5 : ControlNet pour les poses

Ce que c'est

ControlNet permet de guider la génération avec des références de structure : squelette de pose, contours, profondeur. Combiné avec un seed fixe ou un LoRA, il assure que le personnage ait la bonne pose.

Comment l'utiliser

1. Installez l'extension ControlNet dans Stable Diffusion
2. Téléchargez les modèles ControlNet (OpenPose, Canny, etc.)
3. Pour chaque génération, fournissez une référence de pose
4. L'IA respecte la pose tout en utilisant votre LoRA/seed

Avantage clé

Vous pouvez avoir le même personnage dans des poses totalement différentes, ce qui est difficile avec juste un seed fixe.

Tableau comparatif des techniques

Workflow recommandé pour un projet avec personnage récurrent

Phase 1 : Définir le personnage

1. Générez 30-50 images exploratoires
2. Sélectionnez les 15-20 meilleures qui représentent votre personnage idéal
3. Variez les angles, expressions, éclairages dans votre sélection

Phase 2 : Créer le LoRA

1. Préparez vos images (recadrez sur le visage/buste, résolution uniforme)
2. Créez des descriptions (captions) pour chaque image
3. Entraînez le LoRA (2-4 heures)
4. Testez avec différents prompts

Phase 3 : Production

1. Activez votre LoRA dans chaque génération
2. Utilisez ControlNet pour les poses spécifiques
3. Gardez un seed de référence pour les expressions récurrentes
4. Corrigez les imperfections avec l'inpainting si nécessaire

Ce que les débutants font mal

Erreur 1 : Trop compter sur le prompt seul

"Je vais décrire mon personnage très précisément, ça suffira." Non. Un prompt détaillé aide, mais ne garantit pas la consistance.

La correction : Utilisez les techniques structurelles (seed, LoRA, références) en plus du prompt.

Erreur 2 : LoRA avec trop peu d'images

Vous entraînez un LoRA avec 5 images. Le résultat est pauvre, le personnage ne tient pas.

La correction : Minimum 15 images, idéalement 20-30, avec de la variété (angles, expressions, éclairages).

Erreur 3 : Ignorer la qualité des images d'entraînement

Vos images de référence sont floues, mal cadrées, incohérentes. Le LoRA apprend ces défauts.

La correction : Images nettes, bien éclairées, centrées sur le personnage. La qualité du LoRA dépend de la qualité des données.

Erreur 4 : LoRA weight trop élevé

Vous mettez le LoRA à 1.0 (maximum). L'image devient bizarre, sur-influencée.

La correction : Commencez à 0.6-0.8, ajustez selon les résultats. Plus n'est pas toujours mieux.

Erreur 5 : Attendre la perfection

"Mon personnage n'est pas 100% identique sur toutes les images." Ça n'arrivera jamais. Même les humains ne sont pas identiques sur toutes les photos.

La correction : Visez la cohérence, pas l'identité parfaite. Si le personnage est reconnaissable, c'est suffisant.