Choisis ton moteur IA

Flat-to-Model transforme tes photos de produits posés à plat en images photoréalistes portées par un mannequin. Les différents moteurs IA interprètent les mêmes inputs de façons très différentes. Certains penchent vers le propre et éditorial, d'autres vers le dramatique et créatif. Jusqu'à présent, nous choisissions pour toi. À partir d'aujourd'hui, tu peux choisir celui dont l'esthétique correspond à ta marque, ou rester sur Auto et nous laisser choisir.

Le lancement couvre les deux produits. Flat-to-Model propose Nano Banana Pro et Seedream. Model-Swap propose Onda et Nano Banana Pro. C'est dans Flat-to-Model que la différence esthétique entre moteurs est la plus visible, donc cet article s'y concentre. Une courte section finale couvre le même dropdown dans Model-Swap.

Ce qui est nouveau

Un nouveau sélecteur Generation model apparaît dans l'étape de review de Flat-to-Model, à côté des contrôles existants de pose, d'arrière-plan et de format. Le même choix est disponible via l'API comme champ optionnel model dans l'objet options de la requête. Si tu ne précises rien, la valeur par défaut est Auto. C'est exactement le comportement que chaque job avait avant.

Les moteurs Flat-to-Model

Trois options :

• Auto (défaut) : lance Nano Banana Pro d'abord. Si l'input déclenche le filtre de sécurité, nous redirigeons de façon transparente vers Seedream pour que le job aboutisse quand même.
• Nano Banana Pro : le modèle image récent de Google. Excellente fidélité du vêtement et rendu de peau photoréaliste propre. Pas de fallback en cas de refus.
• Seedream : le modèle image de ByteDance. Souvent un éclairage plus dramatique et une interprétation plus créative du styling. Pas de fallback en cas de refus.

Mêmes inputs, moteurs différents

Le même trio flat-lay, la même identité et la même pose, rendus par chaque moteur.

Mêmes vêtements, même identité, même pose : assise sur un tabouret en bois devant un mur en enduit ecru chaud. Nano Banana Pro rend la scène entièrement de face, avec des lignes de col nettes et une lumière plus froide qui tient le bleu glacé de la chemise. Seedream fait basculer le mannequin dans un trois-quarts, adoucit les tons et pousse le fond un soupçon plus chaud, avec un tombé de chemise légèrement plus relâché. Aucun n'est meilleur. Ce sont des défauts esthétiques différents, et choisir celui qui correspond à ton catalogue de marque, c'est tout l'intérêt.

Quel moteur a produit chaque output

Dès qu'un job est fini, tu peux voir quel moteur a été utilisé pour chaque résultat.

Dans l'app, une petite icône de moteur apparaît à côté du temps de traitement sur chaque carte d'output. Survole-la pour voir le nom du moteur.

Dans l'API, chaque résultat dans GET /jobs/<id>/results porte un champ model_used :

{
  "job_id": "8c9f1a...",
  "status": "completed",
  "results": [
    {
      "image_index": 0,
      "group_index": 0,
      "model_used": "nano_banana_pro",
      "output": { "full_size": "https://..." }
    },
    {
      "image_index": 1,
      "group_index": 0,
      "model_used": "seedream",
      "output": { "full_size": "https://..." }
    }
  ]
}

C'est particulièrement utile sur un job en Auto. Si tu as demandé quatre outputs et que trois reviennent comme nano_banana_pro et un comme seedream, tu sais immédiatement que ce slot a basculé sur le fallback de sécurité. Pas de devinette, pas de ticket de support.

Utilisation via l'API

Passe model dans l'objet options de ta requête Flat-to-Model :

{
  "project_id": "...",
  "images": ["uuid1", "uuid2", "uuid3"],
  "identity_code": "default-pro-...",
  "instructions": [ /* ... */ ],
  "options": {
    "model": "nano_banana_pro"
  }
}

Valeurs valides : "auto" (défaut), "nano_banana_pro" ou "seedream".

Dans notre intégration Python publique, c'est un simple flag CLI :

python flat_to_model.py \
  --input-folder SKU/ \
  --identity-code <your-identity-code> \
  --model nano_banana_pro

La référence complète est dans la doc API Flat-to-Model.

Model-Swap aussi a son dropdown

Le même sélecteur Generation model est désormais dans l'étape de review de Model-Swap.

Le défaut est Onda, le moteur de swap propriétaire de PiktID, celui sur lequel chaque job Model-Swap a tourné jusqu'ici. L'alternative est Nano Banana Pro, disponible pour les équipes qui veulent essayer une esthétique différente sur leurs swaps. model_used fonctionne exactement pareil : chaque résultat dans GET /jobs/<id>/results indique quel moteur l'a produit.

Passe swap_options.model sur une requête Model-Swap, ou --model onda | nano_banana_pro dans l'intégration Python.

« Des moteurs différents, ce sont des outils différents. Pendant longtemps, nous en avons choisi un pour toi, et c'était le bon défaut. Mais les marques et agences qui gèrent des centaines de SKUs par semaine connaissent leur esthétique, et ce choix leur revient. Exposer la sélection de moteur transforme On-Model d'une boîte noire en un pipeline de production contrôlable, et model_used sur chaque output rend ce choix vérifiable. »

— Nunzio Alexandro Letizia, Co-fondateur de PiktID et créateur d'On-Model

Essaie maintenant

Ouvre n'importe quel job Flat-to-Model ou Model-Swap et cherche le dropdown Generation model dans l'étape de review. Choisis un moteur, génère, et compare le résultat avec Auto.

Nouveau sur On-Model ? Commence avec le guide Flat-to-Model ou explore les presets pour encore plus de contrôle sur l'output.