Contrôle qualité automatique des images IA

Une image IA peut être magnifique et pourtant fausse. La veste a une seule tirette de zip là où la vôtre en a deux. Les surpiqûres ton sur ton sont devenues contrastées. Le logo sur la poitrine est presque juste, ce qui, sur une fiche produit, revient à être faux. En vignette, rien de tout cela ne se voit, et c'est précisément le problème : c'est le client qui le découvre en ouvrant le colis.

L'industrie de la mode s'en est rendu compte. En août, Zalando a expliqué comment il aborde l'exactitude des contenus générés par IA : une couche automatisée compare chaque image générée aux photos produit d'origine, signale les écarts de couleur, de construction et de marquage, et laisse la décision créative aux humains. Leur règle est simple, et c'est aussi la nôtre : le produit lui-même n'est pas négociable.

La plupart des marques ne peuvent pas construire cette couche elles-mêmes. Nous l'avons donc intégrée à On-Model.

Chaque job sur Pro et Enterprise est désormais contrôlé automatiquement. Dès que vos images sont prêtes, On-Model compare chacune d'elles aux photos que vous avez uploadées et vous indique celles qui méritent un second regard avant publication. Cela ne coûte aucun crédit, ne modifie jamais une image, et quand tout va bien, il ne dit rien du tout.

Ce qui se passe à la fin d'un job

Rien ne change dans votre façon de travailler. Le job se termine, vos images arrivent comme d'habitude, et quelques secondes plus tard une ligne Quality apparaît sur la page de résultats du job.

Chaque image reçoit l'un de trois verdicts :

• Rien. L'image correspond à vos inputs. Pas de badge, pas de bruit.
• Worth a look (à regarder). Quelque chose diffère peut-être, et c'est à une personne de trancher.
• Likely issue (problème probable). Un écart net par rapport à votre produit, comme un détail manquant ou une mauvaise couleur.

Les résultats restent masqués derrière un clic, si bien que personne dans votre équipe n'est obligé de les voir, et chacun peut masquer les indications définitivement. Le contrôle se relance aussi automatiquement sur chaque nouvelle version d'une image : une image retouchée ou réparée est contrôlée comme l'originale.

Il vérifie votre produit, pas « est-ce que c'est joli »

Les outils génériques de notation d'image se demandent si une photo a l'air réaliste. Pour un catalogue, c'est la mauvaise question. Une image réaliste de la mauvaise veste reste la mauvaise veste. Le contrôle ne juge donc pas le goût. Il compare chaque output à vos propres inputs, les photos que vous avez uploadées, et cherche les points où ils divergent.

Il opère à trois niveaux.

L'image elle-même. Le cadre entier, confronté à ce que vous avez demandé : le bon modèle, l'instruction de prise de vue respectée, des mains et des visages propres, l'arrière-plan demandé, la taille commandée.

Les gros plans produit. C'est là que se trouve l'essentiel de la valeur. Le contrôle repère chaque produit dans l'output, le recadre, et le place à côté du même produit dans vos inputs, y compris vos photos de détail et vos macros. Puis il passe le vêtement en revue, élément par élément :

Élément	Ce qu'il compare
Forme et coupe	Silhouette, tombé, proportions
Col, fermeture, poches	Nombre, position et type
Manches, poignets, ourlet	Longueur et finition
Accessoires et finitions	Tirettes de zip, boutons, pressions, surpiqûres
Imprimé, logo ou texte	Placement, orthographe, netteté
Couleur	Teinte et nuance par rapport à votre photo

Procéder élément par élément fait toute la différence. À la question « est-ce la même veste ? », un modèle a tendance à repérer une différence puis à s'arrêter. Quand on lui demande de confirmer le col, puis la fermeture, puis les poches, il trouve la deuxième et la troisième.

Voici ce qu'il a repéré, de près. Sur la photo en pied, la patte de boutonnage n'occupe qu'une minuscule bande du cadre, et au premier coup d'œil le polo semble correct : polo bleu, col, boutons. Zoomez, et la patte montre deux boutons côte à côte, là où votre polo n'a qu'un seul bouton sous le col. C'est exactement le genre de détail sur lequel un œil fatigué glisse à l'image 180 sur 200, et exactement celui qu'un client remarque en ouvrant le colis.

La série entière. Certains problèmes n'apparaissent que lorsque les images sont côte à côte : le visage du modèle qui change d'une prise à l'autre, un arrière-plan qui glisse du gris au beige, un vêtement un peu plus long sur l'image 3. Le contrôle compare toute la série et désigne les images qui s'en écartent.

Ce que le contrôle vérifie pour chaque outil

« Fidèle » ne veut pas dire la même chose d'un outil à l'autre : chacun est donc jugé à l'aune de sa propre promesse.

Outil	Ce qu'il exige de l'output
Model Swap	Le nouveau modèle correspond à l'identité choisie, et tout ce qu'il porte reste exactement comme sur votre photo.
Flat-to-Model	Vos vêtements en flat-lay ou en packshot apparaissent sur le modèle avec leur vraie couleur, leur coupe, leurs imprimés et leurs finitions.
Create Packshot	Le produit reste le même produit, présenté dans le style choisi.
Garment Recolor	Le vêtement atteint la couleur demandée, et rien d'autre ne change.
Detail Repair	La correction fait ce que vous avez demandé. Si vous avez demandé de retirer un logo, un retrait propre compte comme un succès, pas comme un logo manquant.

Du signalement à la correction

Un signalement n'est utile que si l'on peut agir dessus. Chaque constat dit trois choses : ce qu'il a vu, pourquoi cela compte, et quoi faire, en général « régénérer cette image » ou un renvoi vers Detail Repair.

Ouvrez le job dans Review : chaque image dispose d'une carte Quality check repliée qui présente les éléments de preuve, y compris les paires de gros plans, pour que vous jugiez par vous-même au lieu de nous croire sur parole. De là, un clic sur Add to review transforme un constat en signalement de revue, avec la bonne catégorie sélectionnée, la note rédigée et le produit marqué sur l'image. C'est le même workflow de revue et de retouche que celui décrit dans Contrôle qualité des images produit IA, la recherche en moins.

Et quand le contrôle se trompe, vous le dites. Écartez un constat avec Dismiss (pas un problème, acceptable, ou mal placé), et il disparaît pour toutes les personnes qui travaillent sur ce job.

Conçu pour rester discret

Un vérificateur qui crie au loup est pire que pas de vérificateur du tout. La deuxième fois que vous écartez un avertissement qui ne cachait rien, vous cessez de lire les avertissements. Le contrôle est donc réglé pour ne parler que lorsqu'il a quelque chose à montrer, et nous le mesurons face aux verdicts de relecteurs humains.

Il est aussi reproductible. Contrôlez deux fois la même image et vous obtenez la même réponse : le résultat que vous avez vu hier est celui que votre collègue voit aujourd'hui.

Il est aussi honnête sur ce qu'il ne peut pas voir. Certains détails sont plus petits que ce que l'image peut montrer : une patte de col sur une photo en pied en 1K tient en quelques pixels. Plutôt que de deviner, le contrôle vous indique que le détail était Too small to verify (trop petit pour être vérifié) et suggère de générer en 2K ou 4K, où il y a assez de détail pour le contrôler correctement. Les très petits éléments restent à la limite de ce qu'un modèle de vision peut juger de façon fiable : c'est pourquoi il signale et une personne décide, jamais l'inverse.

Avant, après, et des humains entre les deux

C'est la seconde moitié d'un duo. La vérification préalable lit vos inputs avant le démarrage d'un job et vous dit ce qui ne fonctionnera pas avec l'outil choisi. Le contrôle qualité lit les outputs une fois le job terminé et vous dit ce qui n'est pas sorti correctement. Entre les deux se trouve la part qui doit rester humaine : le jugement créatif sur la cohérence d'une image avec la marque, et la validation de sa publication.

C'est ce que nous entendons par infrastructure pour l'imagerie de mode : non pas une génération isolée brillante, mais un pipeline auquel vous pouvez vous fier à l'échelle d'un catalogue, où chaque image est produite, comparée au vrai produit et validée, au même endroit.

Questions fréquentes

Le contrôle qualité coûte-t-il des crédits ? Non. Il est inclus dans les formules Pro et Enterprise et ne touche jamais votre solde de crédits, quel que soit le nombre d'images d'un job.

Quelles formules l'incluent ? Pro et Enterprise. Sur les autres formules, vous voyez où le contrôle apparaîtrait dans vos résultats, et vous pouvez passer à une formule supérieure pour l'activer.

Quels outils sont contrôlés ? Model Swap, Flat-to-Model, Create Packshot, Garment Recolor et Detail Repair. Chacun est jugé à l'aune de ce que l'outil promet.

Modifie-t-il mes images ? Non. Il se contente de les lire. Vos images, votre job et vos crédits restent intacts, quel que soit le résultat.

À quoi compare-t-il mes images ? À vos propres inputs : les photos produit, les photos de détail et les références que vous avez uploadées, ainsi que l'identité et les instructions choisies. Pas à une idée générique de ce qu'est une bonne photo.

Et s'il signale quelque chose qui est correct ? Écartez le constat. Il est retiré pour toutes les personnes qui travaillent sur le job.

Peut-il détecter tous les défauts ? Non, et il ne le prétend pas. Il est très bon sur la couleur, les imprimés, les logos, les éléments manquants ou ajoutés et la cohérence de la série. Les détails minuscules sur de petites images sont plus difficiles, et dans ce cas il vous dit qu'il n'a pas pu vérifier plutôt que de deviner. Il oriente vos relecteurs vers les images qui ont besoin d'eux ; il ne les remplace pas.

Ralentit-il mon job ? Non. Vos images sont livrées dès qu'elles sont prêtes, et le contrôle tourne ensuite. Les résultats apparaissent en général en moins d'une minute.

Essayez-le maintenant

Ouvrez un job terminé dans On-Model et cherchez la ligne Quality sur la page de résultats. Si vous êtes sur Pro ou Enterprise, votre prochain job sera contrôlé automatiquement. Pas encore ? Consultez les tarifs pour voir ce que comprend chaque formule.

Nouveau sur On-Model ? Commencez par le guide Flat-to-Model, le guide Create-Packshot, ou le guide Model-Swap.