L’architecture Invisible

Votre interlocuteur a changé.

Pendant des décennies, un DA ou un DC a briefé des humains. Des gens qui comprennent l’implicite. Qui captent une ambiance dans un regard. Aujourd’hui, l’interlocuteur est souvent devenu un modèle. Et un modèle ne comprend pas l’implicite. Il comprend la structure.

J’ai passé de nombreuses années à briefer des photographes, des illustrateurs et des directeurs artistiques, et j’ai découvert quelque chose de contre-intuitif : ces compétences sont plus utiles avec l’IA qu’elles ne l’ont jamais été avec les humains. Parce qu’avec une IA, tout doit être dit. Tout doit être structuré. Tout doit être décidé à l’avance.

Le JSON prompting, c’est exactement ça. Pas du code. Un brief créatif pour une intelligence artificielle.

Un prompt texte libre, c’est une conversation de couloir. Un JSON structuré, c’est un brief créatif. La différence entre les deux, c’est la différence entre espérer un bon résultat et le choisir.

Ce guide n’est pas un catalogue de prompts à copier-coller. C’est une méthode pour penser avec l’IA. Neuf chapitres. Un seul objectif : construire des systèmes visuels, pas des images isolées.

Chapitre 01 • Pourquoi le JSON

Le problème du texte libre

Prenons un exercice simple. Vous voulez générer un objet design sur fond blanc, dans un style épuré, avec une belle lumière.

En texte libre, vous écrivez : Un objet design sur fond blanc, style épuré, belle lumière

Le modèle produit quelque chose. Mais il a pris sept décisions à votre place : le matériau, la forme, l’éclairage, l’angle, le fond exact, le rendu, la composition. Sept décisions que vous n’avez pas formulées. Sept sources de variation aléatoire.

En JSON, le même sujet donné :

{
  "style": "product photography, minimalist",
  "parameters": {
    "material": "matte ceramic, smooth texture",
    "shape": "cylindrical, slightly tapered",
    "lighting": "soft studio light, left side, subtle shadow",
    "background": "pure white #FFFFFF",
    "composition": "centered, slight three-quarter angle",
    "rendering": "high-resolution, no grain, crisp edges"
  },
  "sujet": "a white ceramic mug, no handle, 10cm tall",
  "negative": ["gradient background", "lens flare", "text", "reflections on surface"]
}

Le JSON vous force à prendre sept décisions que le texte libre laissait au hasard. Chaque décision = moins d’interprétation pour le modèle.

Les 3 avantages structurels

1. Reproductibilité. Les mêmes paramètres donnent des résultats comparables. Générez la même icône mardi et vendredi — elle sera cohérente. Avec du texte libre, vous obtenez deux interprétations différentes de la même phrase.

2. Modification chirurgicale. Vous voulez changer l’éclairage sans toucher au reste ? Modifiez une seule valeur. En texte libre, changer un mot peut affecter tout le résultat. En JSON, chaque paramètre est isolé.

3. Documentation et partage. Un JSON se versionne. Se partage. Se commente. Se stocke dans un Git, un Notion, un Obsidian. Un prompt texte libre se perd dans un historique de conversation.

Le JSON est au prompt ce que le brief est à la conversation informelle

Un directeur artistique ne dit pas à un photographe « Fais quelque chose de beau ». Il précise l’éclairage, l’angle, la palette, l’ambiance, le format. Pas parce qu’il veut contrôler — parce que la précision libère la créativité. Quand les contraintes sont claires, l’exécution peut se concentrer sur ce qui compte.

Le JSON fait exactement la même chose avec un modèle IA.

Quand NE PAS utiliser le JSON

Le JSON n’est pas toujours la bonne réponse.

Pour une exploration libre, un brainstorming visuel, une première génération de mood board — le texte libre est parfait. Vous voulez de la surprise, de l’imprévu, de la sérendipité. Le JSON est un outil de précision. Utilisez-le quand vous savez ce que vous voulez. Pas quand vous cherchez.

Règle simple : si vous allez générer une seule image, le texte libre suffit. Si vous allez en générer dix, le JSON est indispensable.

Le JSON n’est pas du code

Un mot pour ceux que les accolades effraient. Le JSON n’est pas un langage de programmation. Il n’y a pas de logique, pas de boucles, pas de fonctions. Il y a des clés (les noms des paramètres) et des valeurs (vos décisions). C’est une liste structurée. Rien de plus.

Si vous savez écrire :

• Éclairage : doux, latéral gauche
• Fond : blanc pur
• Rendu : net, sans grain

Alors vous savez écrire du JSON. Vous remplacez les tirets par des accolades et des guillemets. C’est tout.

{
  "eclairage": "doux, lateral gauche",
  "fond": "blanc pur",
  "rendu": "net, sans grain"
}

Le reste, c’est de la direction artistique.

Chapitre 02 • La Structure de Base

Le schema canonique

Quelle que soit l’image que vous générez — icône, photo produit, illustration, scène complexe — la structure JSON reste la même. Quatre blocs. Toujours dans cet ordre.

{
  "style": "description du style visuel global",
  "parameters": {
    "forme": "...",
    "couleur": "...",
    "lumiere": "...",
    "composition": "...",
    "rendu": "..."
  },
  "sujet": "description precise du sujet",
  "negative": ["element a eviter", "autre element a eviter"]
}

Bloc 1 — Le Style

Le style n’est pas un mot-clé. C’est une direction artistique.

Ne écrivez pas "style": "minimalist". Écrivez "style": "product photography, minimalist, Scandinavian design aesthetic". Le style donné au modèle donne le cadre général dans lequel il va travailler. C’est votre première décision — et elle conditionne toutes les autres.

Pensez-y comme la première phrase d’un brief à un photographe : « On est dans un univers épuré, scandinave, lumière naturelle. » Tout le reste découle de là.

Bloc 2 — Les Parameters

C’est le cœur du système. Et c’est là que la plupart des gens passent trop vite.

Le bloc parameters est l’endroit où vous posez chaque décision visuelle séparément. Pas dans une phrase mélangée. Séparément. Chaque clé est une décision indépendante.

Voici 12 paramètres visuels et quand les utiliser :

Paramètre	Ce qu’il contrôle	Quand l’utiliser
material	Texture et matière de surface	Photo produit, objets 3D
shape	Forme géométrique du sujet	Icones, objets, architecture
lighting	Direction, intensité, qualité de lumière	Toujours
background	Couleur, texture, format du fond	Toujours
composition	Cadrage, angle, placement	Toujours
rendering	Qualité de rendu, grain, netteté	Toujours
color_palette	Palette chromatique globale	Illustrations, campagne
atmosphere	Ambiance, mood, emotion	Scenes, portraits, éditorial
depth_of_field	Profondeur de champ, flou	Photographie, portraits
aspect_ratio	Ratio de l’image	Selon le support final
stroke_weight	Épaisseur du trait	Icones, line art
optical_weight	Poids visuel, équilibre	Series cohérentes

Vous n’avez pas besoin de tous les utiliser à chaque fois. Mais vous devez savoir lesquels activer pour votre projet.
Règle de direction artistique : choisissez de 5 à 8 paramètres. Pas plus. Trop de paramètres créent du bruit. Trop peu laisse trop de décisions au modèle.

Bloc 3 — Le Sujet

Le sujet est la description de ce qui apparaît dans l’image. Pas le style. Pas l’ambiance. Juste le sujet.

Le piège classique : mettre des informations de style dans le sujet. « A beautiful minimalist ceramic mug with soft lighting » — non. Le style et la lumière sont dans les paramètres. Le sujet, c’est : « a white ceramic mug, no handle, 10cm tall ». Point.

Plus le sujet est factuel et précis, plus le modèle peut se concentrer sur l’exécution.

Bloc 4 — Le Negative

Le negative, c’est l’art du refus. Ce sont les éléments que vous ne voulez pas dans l’image.

Un negative vague (« ugly », « bad quality ») ne sert a rien. Un negative précis change tout.

Mauvais : "negative": ["ugly", "bad"]

Bon : "negative": ["gradient background", "lens flare", "text overlay", "watermark", "realistic shading on icons"]

Le negative est particulièrement utile pour éviter les « réflexes » du modèle — ces éléments qu’il ajoute par défaut (ombres portées, reflets, texte décoratif) quand vous ne les interdisez pas explicitement.

Trois exemples progressifs

Objet simple — Un vase :

{
  "style": "product photography, minimal, editorial",
  "parameters": {
    "material": "frosted glass, semi-transparent",
    "lighting": "soft natural light, overhead, subtle shadow underneath",
    "background": "light warm grey #F5F2EE",
    "composition": "centered, eye-level, slight crop at bottom",
    "rendering": "high-resolution, sharp, no grain"
  },
  "sujet": "a tall cylindrical frosted glass vase, 25cm, no flowers, empty",
  "negative": ["colorful background", "lens flare", "reflections", "text"]
}

Portrait — Un personnage éditorial :

{
  "style": "editorial portrait photography, fashion magazine aesthetic",
  "parameters": {
    "lighting": "Rembrandt lighting, warm tones, single key light from upper left",
    "color_palette": "desaturated earth tones — beige, olive, warm grey",
    "depth_of_field": "shallow, f/1.8, subject sharp, background soft",
    "composition": "head and shoulders, slight tilt, looking past camera",
    "atmosphere": "contemplative, quiet confidence",
    "rendering": "film grain, medium format look, Kodak Portra 400"
  },
  "sujet": "a woman in her 40s, short silver hair, wearing a linen blazer",
  "negative": ["over-retouched skin", "heavy makeup", "studio backdrop", "smile"]
}

Scène complexe — Un intérieur :

{
  "style": "architectural interior photography, Kinfolk magazine aesthetic",
  "parameters": {
    "lighting": "golden hour natural light through large windows, long shadows",
    "color_palette": "warm neutrals — cream, terracotta, sage green, natural wood",
    "composition": "wide angle, one-point perspective, room depth visible",
    "atmosphere": "calm, lived-in, curated simplicity",
    "material": "natural materials — linen, wood, ceramic, stone",
    "rendering": "high resolution, soft contrast, no HDR effect"
  },
  "sujet": "a minimalist living room, low sofa facing windows, one plant, books on floor",
  "negative": ["modern tech", "TV screen", "cluttered space", "plastic materials", "corporate feel"]
}

Exercice : déconstruire une image que vous aimez

Choisissez une image que vous aimez — dans votre feed, dans un magazine, dans un portfolio. Ouvrez un fichier texte et répondez à ces questions :

1. Quel est le style global ? (en 3-5 mots)
2. Quelles sont les 5-6 décisions visuelles dominantes ?
3. Quel est le sujet, décrit de façon factuelle ?
4. Quels éléments sont absents de l’image (et c’est justement ça qui la rend belle) ?

Traduisez vos réponses en JSON. Vous venez de faire de la rétro-ingénierie de direction artistique. C’est exactement le processus que vous utiliserez désormais pour chaque image.

---

Chapitre 03 • Le System Token

Le concept

Règle d’or : si ça doit être identique dans toutes les images, c’est dans le System Token. Si ça change d’une image à l’autre, c’est dans le bloc individuel.

Le System Token est ce qui différencie un créateur qui produit des images isolées d’un créateur qui construit des systèmes visuels.

Comment ça fonctionne

Le System Token est un objet JSON à part, placé au début de chaque prompt. Il contient toutes les décisions visuelles fixes — celles qui garantissent la cohérence de la série. Ensuite, chaque image individuelle n’a besoin que des informations qui la distinguent des autres.

{
  "system_token": {
    // Les decisions fixes — identiques pour toute la serie
  },
  "icon": {
    // OU "image", "scene", "portrait"...
    // Les decisions variables — specifiques a cette image
  }
}

La méthode des 5 questions

Pour construire un System Token, répondez à ces 5 questions :

1. Quel est le style global ? Pas un mot. Une phrase. « Flat line icon, minimal, geometric » où « éditorial photography, analog film aesthetic, warm tones ».

2. Quelles sont les contraintes techniques fixes ? Épaisseur de trait, couleurs exactes, taille du canvas, rayon des coins, présence ou absence de remplissage.

3. Quel est l’univers visuel ? Le fond, l’atmosphère, la température chromatique. Tout ce qui crée le « monde » dans lequel vos images vivent.

4. Quel est le rendu attendu ? Vectoriel ou photographique ? Net ou granuleux ? Plat ou profond ? Avec ou sans ombres ?

5. Qu’est-ce qui est interdit partout ? Les négatives globales — les éléments que vous ne voulez jamais voir dans aucune image de la série.

Exemple 1 — System Token pour un Icon Set

{
  "system_token": {
    "style": "flat line icon, minimal",
    "stroke_weight": "2px uniform",
    "stroke_color": "#2D3561",
    "corner_radius": "3px",
    "fill": "none — outline only",
    "accent_color": "#F7B731",
    "background": "rounded square, 80x80px, white #FFFFFF",
    "padding": "12px on all sides",
    "shadow": "none",
    "rendering": "clean vector aesthetic, pixel-perfect, no gradients, no texture",
    "optical_weight": "consistent across all icons"
  }
}

Et voici comment l’utiliser pour générer des icônes individuelles :

{
  "system_token": { "...": "identique ci-dessus" },
  "icon": {
    "name": "flight",
    "concept": "airplane seen from above, tilted 45 degrees",
    "focal_element": "wings spread, nose pointing top-right",
    "details": "two engines on wings, no landing gear",
    "accent_target": null,
    "negative": ["realistic shading", "perspective distortion", "text"]
  }
}

{
  "system_token": { "...": "identique ci-dessus" },
  "icon": {
    "name": "hotel",
    "concept": "building facade, front view, 3 floors",
    "focal_element": "centered entrance door, 3x3 grid of windows",
    "details": "small flag on rooftop, awning over entrance",
    "accent_target": "awning only",
    "negative": ["realistic architecture", "people", "interior visible"]
  }
}

Le System Token est copié à l’identique. Seul le bloc icon change. Le modèle sait que la structure visuelle est fixée. Il se concentre sur ce qui différencie chaque icône.

Exemple 2 — System Token pour une Série Photo Éditoriale

{
  "system_token": {
    "style": "editorial portrait photography, analog film look",
    "color_grading": "warm desaturated, lifted blacks, Kodak Portra 400",
    "lighting": "natural window light, soft, directional from camera-left",
    "depth_of_field": "shallow, f/2.0, background melted",
    "composition": "rule of thirds, subject offset, negative space on right",
    "atmosphere": "quiet, introspective, editorial calm",
    "rendering": "medium-format film grain, soft contrast, no HDR",
    "aspect_ratio": "3:4 vertical",
    "global_negative": ["flash lighting", "studio backdrop", "over-retouched skin", "heavy filters"]
  }
}

Puis, chaque portrait individuel :

{
  "system_token": { "...": "identique ci-dessus" },
  "portrait": {
    "subject": "a man in his 60s, weathered face, reading glasses pushed up on forehead",
    "wardrobe": "navy wool sweater, worn collar",
    "expression": "mid-thought, gaze slightly off-camera to the left",
    "setting": "in front of a bookshelf, books blurred in background",
    "specific_negative": ["smiling", "eye contact with camera"]
  }
}

Même style. Même lumière. Même grain. Même cadrage. Seul le sujet change. C’est une série.

Les 8 variables qui font ou défont la cohérence

Variable	Pourquoi c’est critique
style	Définit l’univers. Si le style varie, plus rien ne tient.
stroke_weight / line_quality	Un trait de 1 px et un trait de 3 px ne viennent pas de la même famille.
color_palette / stroke_color	Les couleurs sont le premier signal de cohérence.
corner_radius	Arrondis vs angulaires changent complètement la personnalité.
background	Le fond est le socle commun. S’il varie, la série se désintègre.
rendering	Vectoriel, photo, grain — le rendu doit être identique partout.
optical_weight	Le poids visuel doit être équilibré d’une image à l’autre.
composition / aspect_ratio	Même cadrage = même série. Cadrages différents = collage.

Quand fixer, quand laisser libre

Le piège du System Token, c’est de tout fixer. Si vous figez 15 variables, le modèle n’a plus aucune liberté et les images se ressemblent trop. L’art est de trouver le bon équilibre.

À fixer absolument : style, couleurs, rendu, fond, trait (pour les icônes), cadrage général.

À laisser libres : le sujet (évidemment), les détails secondaires, les expressions (pour les portraits), les éléments d’arrière-plan spécifiques.

Zone grise — à décider selon le projet : l’éclairage exact (fixe pour la photo produit, flexible pour l’éditorial), la composition précise (fixe pour les icônes, flexible pour les scènes), les négatives spécifiques (certaines sont globales, d’autres propres à un sujet).

Exercice : construisez votre premier system token

Choisissez un projet réel ou fictif. Répondez aux 5 questions. Écrivez votre System Token. Puis générez 3 images avec le même token et des sujets différents.

Placez les 3 images côte à côte et posez-vous ces questions :

1. Poids optique — une image semble-t-elle plus lourde que les autres ?
2. Cohérence du fond — les fonds sont-ils identiques ?
3. Cohérence du style — les 3 images semblent-elles venir de la même « main » ?

Si la réponse est oui aux trois, votre System Token fonctionne. Sinon, identifiez la variable qui dérive et ajoutez-la au token.

---

Chapitre 04 • Quel Modèle pour Quel JSON

Nano Banana Pro — Le meilleur interprète de JSON

Nano Banana Pro est basé sur l’architecture Gemini de Google. Il a été entraîné sur d’énormes volumes de code et de données structurées. Résultat : il comprend le JSON de façon quasi-native. Il ne le « lit » pas comme du texte — il le parse comme une structure logique.

Forces :

• Précision paramétrique exceptionnelle. Si vous écrivez "stroke_weight": "2px", il fait 2px. Pas 1.5, pas 3.
• Idéal pour les icon sets, la photo produit, le design system. Tout ce qui demande de la rigueur.
• Respecte les valeurs numériques, les couleurs hex, les dimensions.

JSON optimal pour Nano Banana :

{
  "system_token": {
    "style": "flat filled icon, soft rounded shapes",
    "fill_color": "#4A90D9",
    "stroke": "none",
    "corner_radius": "8px",
    "background": "circle #F0F4F8, 80x80px, no border",
    "rendering": "flat, smooth, no gradient, no texture",
    "optical_weight": "medium — avoid overly complex shapes",
    "export": "PNG transparent, 80x80px"
  },
  "icon": {
    "name": "calendar",
    "concept": "monthly calendar, front view",
    "focal_element": "grid of 4x4 small squares, top bar thicker",
    "details": "one square highlighted in darker shade",
    "negative": ["realistic paper texture", "3D perspective", "text or numbers"]
  }
}

GPT-4o / GPT-Image-1.5 — Le plus versatile

GPT-4o ne lit pas le JSON comme du code. Il le lit comme du texte structuré. Sa force n’est pas la précision paramétrique — c’est la compréhension de l’intention globale. Il capte l’ambiance, le mood, la direction artistique même quand les instructions sont un peu floues.

Forces :

• Compréhension de l’intention. Il saisit ce que vous voulez même si vos paramètres ne sont pas parfaitement formulés.

JSON optimal pour GPT-4o :

{
  "style": "cinematic still photography, Wes Anderson visual universe",
  "parameters": {
    "color_palette": "pastel symphony — blush pink, mint green, warm cream, dusty blue",
    "lighting": "soft overcast daylight, even illumination, no harsh shadows",
    "composition": "perfectly symmetrical, centered subject, geometric background",
    "atmosphere": "whimsical precision, nostalgic, oddly satisfying order",
    "rendering": "35mm film aesthetic, fine grain, slightly lifted blacks"
  },
  "sujet": "a hotel concierge desk, ornate brass bell centered, keys hanging behind",
  "negative": ["modern elements", "digital screens", "messy composition", "dark tones"]
}

Notez la différence : avec GPT-4o, les paramètres sont plus narratifs, plus « ambiants ». Les descriptions sont des phrases complètes, pas des valeurs techniques. Le modèle répond mieux à l’intention qu’à la spécification.

Flux 2 (Dev / Pro) — Le plus précis techniquement

Flux 2 de Black Forest Labs a un support natif du JSON documenté. Sa force : l’adhérence stricte aux paramètres. Ce que vous spécifiez est ce que vous obtenez. Ni plus ni moins.

Forces :

• Adherence stricte. Il suit les paramètres à la lettre. Idéal pour la reproductibilité maximale.
• Batch génération. Le même JSON, exécuté 10 fois, produit des résultats proches.
• Contrôle paramétrique fin. Les valeurs numériques sont respectées avec précision.

JSON optimal pour Flux 2 :

{
  "system_token": {
    "style": "product photography, studio lighting",
    "lighting_setup": "three-point lighting, key light 45deg camera-left, fill at 30%, rim light from behind",
    "background": "seamless white #FFFFFF, no shadow on background",
    "color_temperature": "5600K daylight balanced",
    "rendering": "high resolution, crisp focus, no chromatic aberration",
    "output": "1024x1024px, sRGB"
  },
  "product": {
    "item": "wireless over-ear headphones",
    "color": "matte black, soft-touch texture",
    "position": "three-quarter view, slightly tilted, ear cup facing camera",
    "surface_detail": "visible mesh texture on ear cup, subtle logo emboss",
    "negative": ["color cast", "motion blur", "reflections of studio", "visible stand or support"]
  }
}

Le test que je recommande

Prenez votre system_token. Générez la même image avec les 3 modèles. Comparez. Vous verrez immédiatement lequel « comprend » mieux votre intention pour ce projet spécifique. Ce n’est pas une question de meilleur modèle — c’est une question de meilleur couple JSON-modèle.

---

Chapitre 05 • Les 7 Cas d’Usage Professionnels

Chaque cas suit le même format : le contexte, le problème sans JSON, la solution JSON avec template complet, et l’impact mesurable.

Cas 1 — L’Icon Set

Contexte : Vous concevez 12 icônes pour une application de voyage. Elles doivent former une famille visuelle cohérente.

Le problème sans JSON : Vous générez chaque icône séparément. Le trait varie. Les proportions dérivent. Le poids optique fluctue. Vous passez plus de temps à régénérer qu’à créer.

La solution :

{
  "system_token": {
    "style": "flat line icon, minimal",
    "stroke_weight": "2px uniform",
    "stroke_color": "#2D3561",
    "corner_radius": "3px",
    "fill": "none — outline only",
    "accent_color": "#F7B731",
    "background": "rounded square, 80x80px, white #FFFFFF",
    "padding": "12px on all sides",
    "shadow": "none",
    "rendering": "clean vector, pixel-perfect, no gradients, no texture",
    "optical_weight": "consistent across all icons"
  },
  "icon": {
    "name": "luggage",
    "concept": "upright suitcase with telescopic handle extended",
    "focal_element": "rectangular body, handle up, two wheels at bottom",
    "details": "horizontal strap line at center, zipper on edge",
    "accent_target": "strap line",
    "negative": ["3D effect", "shadow under wheels", "brand tag"]
  }
}

Impact : Un projet de 40 heures réduit à 8. Le client reçoit 10 propositions de style au lieu de 3. Changer la couleur accent prend 2 secondes.

---

Cas 2 — La Photo Produit E-commerce

Contexte : Un e-commerce de cosmétiques a besoin de 50 visuels de produits sur fond blanc, avec un éclairage et un cadrage identiques.

Le problème sans JSON : Chaque photo a un éclairage légèrement différent. Les ombres varient. Le fond n’est jamais exactement le même blanc. La fiche produit a l’air amateur.

La solution :

{
  "system_token": {
    "style": "product photography, beauty editorial, clean",
    "lighting": "soft diffused studio light, overhead with slight left bias, subtle shadow underneath product",
    "background": "pure white #FFFFFF, seamless, no visible horizon",
    "color_temperature": "5500K neutral daylight",
    "composition": "product centered, occupying 60% of frame height, slight three-quarter angle",
    "rendering": "high-resolution, sharp focus on product, no grain, clean edges",
    "aspect_ratio": "1:1 square"
  },
  "product": {
    "item": "glass serum bottle, 30ml, dropper cap",
    "color": "amber glass, gold metallic cap",
    "surface": "slightly reflective glass, visible liquid level at 3/4",
    "label": "minimal white label, no readable text needed",
    "negative": ["fingerprints", "dust particles", "color cast", "reflection of studio"]
  }
}

Impact : Production de visuels multipliée par 10. Cohérence parfaite sur la page produit. Un seul system_token pour toute la gamme.

---

Cas 3 — L’Illustration Éditoriale

Contexte : Vous illustrez une série de 6 articles sur le bien-être au travail. Chaque article a un thème différent, mais les illustrations doivent former une série reconnaissable.

La solution :

{
  "system_token": {
    "style": "editorial illustration, soft geometric, modern minimalism",
    "color_palette": "muted pastels — dusty rose #D4A5A5, sage #A8B5A2, warm cream #F5E6D3, slate blue #7B8FA1",
    "rendering": "flat color, no gradients, subtle paper texture overlay",
    "composition": "centered subject, generous white space, no background scene",
    "line_quality": "none — shapes only, no visible outlines",
    "aspect_ratio": "16:9 horizontal",
    "atmosphere": "calm, approachable, quietly optimistic"
  },
  "illustration": {
    "theme": "focus and deep work",
    "concept": "a person seated at a minimal desk, surrounded by floating geometric shapes representing tasks, one shape glowing",
    "focal_element": "the glowing shape — representing chosen focus",
    "color_emphasis": "glowing shape in dusty rose, others in faded slate",
    "negative": ["realistic proportions", "detailed faces", "office clutter", "technology screens"]
  }
}

Impact : Série de 6 illustrations livrée en une journée. Style cohérent d’un article à l’autre. Le lecteur reconnaît immédiatement la série.

---

Cas 4 — Le Mood Board Génératif

Contexte : Vous explorez des directions visuelles pour une nouvelle marque de mobilier. Le client veut voir 5 pistes différentes.

La solution : Ici, le system_token est léger — il fixe juste le format et le rendu. Ce sont les paramètres de chaque piste qui varient.

{
  "system_token": {
    "rendering": "editorial photography, high-end, magazine quality",
    "aspect_ratio": "4:5 vertical",
    "composition": "lifestyle setting, product in context"
  },
  "mood": {
    "direction": "Scandinavian warmth",
    "color_palette": "warm wood, cream wool, soft grey, honey light",
    "lighting": "golden hour through large windows, long warm shadows",
    "atmosphere": "hygge, intimate comfort, Sunday morning feeling",
    "material_world": "light oak, linen, boucle fabric, ceramic",
    "reference": "Kinfolk magazine, Norm Architects"
  }
}

Pour la deuxième piste, vous gardez le system_token et changez le bloc mood :

{
  "system_token": { "...": "identique" },
  "mood": {
    "direction": "Brutalist luxury",
    "color_palette": "raw concrete, matte black, oxidized copper, deep forest green",
    "lighting": "dramatic directional light, deep shadows, chiaroscuro",
    "atmosphere": "powerful restraint, museum quality, architectural",
    "material_world": "exposed concrete, blackened steel, thick glass, stone",
    "reference": "Tadao Ando, Rick Owens furniture"
  }
}

Impact : 5 pistes créatives explorées en 2 heures. Chaque piste est cohérente. Le client peut comparer des directions, pas des images isolées.

---

Cas 5 — La Campagne Publicitaire

Contexte : Vous déclinez un concept de campagne sur 8 formats : affiche, bannière web, post Instagram, story, header email, display 300×250, PLV magasin, couverture dossier de presse.

La solution : Le system_token devient votre charte générative de campagne :

{
  "system_token": {
    "campaign_style": "bold minimalism, high contrast, luxury contemporary",
    "color_system": "primary black #0A0A0A, accent gold #C8A96E, text white #FFFFFF",
    "typography_feel": "generous spacing, uppercase energy, serif authority",
    "lighting": "dramatic single source, deep blacks, selective highlights",
    "atmosphere": "confident, magnetic, understated power",
    "rendering": "photographic quality, studio-lit, no filters",
    "brand_negative": ["playful colors", "casual tone", "clip art aesthetic", "stock photo feel"]
  },
  "format": {
    "type": "Instagram post",
    "aspect_ratio": "1:1",
    "composition": "product hero center, generous black space around, text area bottom third",
    "product_placement": "perfume bottle centered, slightly rotated, dramatic shadow behind",
    "text_zone": "bottom 30% — reserved for headline overlay"
  }
}

Impact : 30 déclinaisons de campagne avec un seul system_token. Le DA garde le contrôle total. Chaque format respecte la charte. Le client voit un système, pas des visuels épars.

---

Cas 6 — Le Storyboard

Contexte : Vous préparez un storyboard de 12 plans pour un film publicitaire de 30 secondes. Les personnages et les décors doivent rester cohérents d’un plan à l’autre.

La solution :

{
  "system_token": {
    "style": "cinematic storyboard, filmic quality, widescreen",
    "aspect_ratio": "2.39:1 anamorphic widescreen",
    "color_grading": "teal and orange, cinematic grade, slightly desaturated",
    "rendering": "film still quality, shallow depth of field, motion implied",
    "character_consistency": {
      "protagonist": "woman, early 30s, dark curly hair, wearing a cream trench coat",
      "setting": "mid-century modern apartment, warm wood, large windows, city view"
    }
  },
  "shot": {
    "number": 3,
    "type": "medium close-up",
    "camera": "eye level, static, slight push-in implied",
    "action": "protagonist turns from window, half-smile, holding coffee cup",
    "lighting": "morning backlight from window, rim light on hair, soft fill on face",
    "emotion": "moment of decision, quiet resolve",
    "negative": ["frontal flash", "flat composition", "expressionless face"]
  }
}

Impact : Storyboard de 12 plans généré en une après-midi. Le personnage est reconnaissable d’un plan à l’autre. Le réalisateur peut se concentrer sur la narration, pas sur la cohérence.

---

Cas 7 — Le Design System Génératif

Contexte : Vous construisez une bibliothèque de composants visuels pour une marque : avatars, illustrations d’arrière-plan, patterns, vignettes. Tout doit fonctionner ensemble.

La solution : Un system_token par famille de composants, avec un meta-token qui les relie :

{
  "brand_system": {
    "visual_identity": "geometric minimalism, tech-forward, human warmth",
    "primary_colors": ["#1A1A2E", "#16213E", "#0F3460", "#E94560"],
    "secondary_colors": ["#F5F5F5", "#E8E8E8", "#B8B8B8"],
    "corner_style": "rounded, 12px radius consistently",
    "illustration_style": "flat geometric, no outlines, soft shadows only",
    "photo_style": "desaturated, cool tones, shallow DOF, editorial"
  },
  "component": {
    "type": "avatar illustration",
    "style": "geometric face, minimal features, flat color",
    "palette_usage": "skin in secondary warm, hair in primary dark, background in primary accent",
    "expression": "neutral-friendly, no exaggerated emotions",
    "format": "circle crop, 120x120px",
    "negative": ["realistic proportions", "photographic", "detailed features", "anime style"]
  }
}

Impact : Un design system génératif complet. Chaque composant respecte le même ADN visuel. L’équipe peut générer de nouveaux éléments sans vous — le system_token est la documentation.

---

Chapitre 06 • L’Art de l’Itération

Le principe du potentiometre

Quand un ingénieur du son mixe une piste, il ne touche pas 12 curseurs en même temps. Il en ajuste un. Il écoute. Il ajuste le suivant.

Le JSON permet exactement cette approche. Chaque paramètre est un potentiomètre indépendant. Tournez-en un seul à la fois. Observez l’effet. Decidez. Passez au suivant.

C’est l’inverse du texte libre, où changer un mot peut affecter toute l’interprétation.

Les 3 niveaux d’itération

Niveau 1 — Ajuster une valeur. Vous gardez exactement le même JSON et changez un seul chiffre.

Exemple : "corner_radius": "3px" → "corner_radius": "8px" → "corner_radius": "16px" → "corner_radius": "0px"

Quatre générations. Le même system_token. La seule différence : l’arrondi des coins. Vous voyez instantanément l’impact de cette variable sur la personnalité de votre set.

Niveau 2 — Changer une approche. Vous modifiez un concept de paramètre, pas juste sa valeur.

Exemple : "fill": "none — outline only" → "fill": "solid color, no outline"

C’est un changement de paradigme visuel. D’un icon set en trait à un icon set en aplat. Le system_token reste le même pour tout le reste.

Niveau 3 — Reformuler un bloc entier. Vous repensez une partie du system_token.

Par exemple, vous realisez que votre lighting ne fonctionne pas. Vous réécrivez tout le bloc lighting en repartant de l’intention : « Je veux une lumière qui évoque le calme et la confiance. » Puis vous traduisez en paramètres.

La matrice d’impact

Toutes les variables n’ont pas le même poids. Certaines changent tout. D’autres ajustent à la marge.

Variables à fort impact (changent la personnalité de l’image) :

• style — change tout l’univers
• color_palette / stroke_color — change l’emotion
• lighting — change l’ambiance
• fill vs stroke — change le langage visuel
• rendering — change la « réalité » de l’image

Variables d’ajustement (affinent sans transformer) :

• corner_radius — ajuste la douceur
• padding — ajuste la respiration
• optical_weight — ajuste l’équilibre
• shadow — ajuste la profondeur
• composition — ajuste le cadrage

Règle pratique : commencez par les variables à fort impact. N’ajustez les variables d’ajustement qu’une fois que les grandes décisions sont validées.

Quand s’arreter

Le piège de l’itération avec l’IA, c’est qu’on peut toujours faire un essai de plus. Toujours ajuster un paramètre. Toujours régénérer.

Trois signaux d’arret :

1. Le résultat correspond à l’intention initiale. Pas à la perfection — à l’intention. Si vous reconnaissez ce que vous aviez en tête, arrêtez.
2. Les itérations ne produisent plus de changement significatif. Vous êtes dans le bruit. Arretez.
3. Vous commencez à préférer la version d’avant. Vous avez dépassé le point optimal. Revenez en arrière. Arretez.

Le journal d’itération

Documentez vos itérations. Pas toutes — les décisives. Celles où vous avez découvert quelque chose.

Format simple :

Iteration #4
Variable modifiee : corner_radius (3px → 12px)
Observation : les icones passent d'un style technique a un style friendly
Decision : garder 8px — compromis entre precision et douceur
A retenir : le corner_radius est le parametre "personnalite" d'un icon set

Ce journal devient votre capital de connaissances. En 50 itérations documentées, vous saurez quels paramètres activer pour chaque effet désiré. Vous n’itérerez plus au hasard. Vous itérerez par expérience.

---

Chapitre 07 • Les 10 Erreurs qui Tuent vos JSON

Erreur 1 — Le JSON fourre-tout

Mettre 25 paramètres quand 8 suffisent. Le modèle se noie. Les paramètres se contredisent. Le résultat est confus.

Le fautif :

{
  "style": "minimalist icon",
  "stroke": "2px",
  "fill": "blue gradient",
  "shadow": "soft drop shadow",
  "glow": "inner glow",
  "texture": "paper texture",
  "grain": "fine grain",
  "blur": "gaussian blur background",
  "3d_effect": "subtle 3D depth"
}

Le correctif : Choisissez 5-8 paramètres. Chaque paramètre ajouté doit servir une décision précise. Si vous ne pouvez pas expliquer pourquoi il est là, retirez-le.

---

Erreur 2 — Le sujet dans les paramètres

Confondre ce qui décrit le style et ce qui décrit le sujet.

Le fautif :

{
  "parameters": {
    "material": "a cute cat sitting on a windowsill",
    "lighting": "the cat looks peaceful in morning light"
  }
}

Le correctif : Les paramètres décrivent comment l’image est rendue. Le sujet décrit ce qui apparaît. Ne les mélangez jamais.

{
  "parameters": {
    "lighting": "soft morning light from window, warm tones",
    "atmosphere": "peaceful, domestic calm"
  },
  "sujet": "a cat sitting on a windowsill, eyes half-closed"
}

---

Erreur 3 — Les négatives vagues

« Ugly » n’est pas une négative utile. « Bad quality » non plus.

Le fautif : "negative": ["ugly", "bad", "weird"]

Le correctif : des négatives précises qui ciblent des artefacts réels.

"negative": ["gradient background", "lens flare", "text overlay", "watermark", "3D shading on flat icons", "visible brush strokes"]

---

Erreur 4 — Le system_token absent

Générer une série de 12 images sans ADN commun. Chaque image est un prompt indépendant. Le résultat : 12 images qui ne forment pas une série.

Le correctif : Avant de générer la première image, construisez le system_token. Répondez aux 5 questions du Chapitre 03. Fixez les variables communes. Ensuite seulement, générez.

---

Erreur 5 — Le copy-paste sans adaptation

Utiliser un JSON d’icônes pour générer de la photographie. Ou un JSON de photo produit pour une illustration éditoriale. Les paramètres pertinents ne sont pas les mêmes.

Le correctif : Chaque type d’image a son vocabulaire de paramètres. Un icon set utilise stroke_weight, corner_radius, optical_weight. Un portrait utilise depth_of_field, expression, color_grading. Adaptez la structure à l’objectif.

---

Erreur 6 — Les valeurs contradictoires

Demander « minimal » ET « richly detailed ». « Flat design » ET « 3D depth ». « Clean vector » ET « watercolor texture ».

Le fautif :

{
  "style": "minimal flat design",
  "rendering": "richly textured with watercolor effects",
  "shadow": "deep realistic shadows"
}

Le modèle ne sait pas quoi privilégier. Il fait un compromis — qui ne satisfait personne.

Le correctif : Relisez votre JSON à voix haute. Les paramètres racontent-ils la même histoire ? Si deux valeurs se contredisent, choisissez.

---

Erreur 7 — L’oubli du rendering

Ne pas spécifier la qualité et le type de rendu. Le modèle choisit par défaut — et son défaut est rarement votre choix.

Le correctif : Toujours inclure un paramètre rendering. « High-resolution, clean edges, no grain » où « film grain, analog look, Kodak Portra » où « vector aesthetic, pixel-perfect, no texture ». Dites-le. Sinon le modèle improvise.

---

Erreur 8 — La sur-description

Écrire un paragraphe dans chaque champ. Le modèle perd le signal dans le bruit.

Le fautif :

{
  "lighting": "I would like the lighting to be really soft and gentle,
    coming from the left side of the image, creating a warm and cozy
    atmosphere that reminds me of a Sunday morning in autumn..."
}

Le correctif : "lighting": "soft diffused light, camera-left, warm tone, no harsh shadows"

Des mots, pas des phrases. Des décisions, pas des souhaits.

---

Erreur 9 — L’absence de négative

Laisser l’IA décider de ce que vous ne voulez pas. Sans négative, le modèle a ajouté ses « réflexes » : ombres portées, reflets, texte décoratif, gradients — tout ce qu’il a vu le plus souvent dans ses données d’entraînement.

Le correctif : Pour chaque image, demandez-vous : « Qu’est-ce que le modèle va probablement ajouter que je ne veux pas ? » Listez-le dans le négative. Trois a six négatives précises suffisent.

---

Erreur 10 — Le JSON syntaxiquement casse

Des virgules manquantes. Des guillemets non fermés. Des accolades orphelines. Le modèle reçoit du bruit au lieu d’une structure.

Les pièges classiques :

• Virgule après le dernier élément d’un objet (interdit en JSON strict)
• Guillemets simples au lieu de doubles
• Accolades {} et crochets [] confondus

Le correctif : Utilisez un validateur JSON en ligne (jsonlint.com) avant de copier votre prompt. Ou travaillez dans un éditeur de code qui colore la syntaxe et signale les erreurs.

Un JSON cassé, c’est comme un brief créatif écrit dans une langue que personne ne parle. Le contenu est peut-être excellent — mais le message ne passe pas.

Chapitre 08 • Construire sa Bibliothèque de System Tokens

Votre bibliothèque est votre capital

Un system_token qui fonctionne a de la valeur. Il représente des heures d’itération, de tests, d’ajustements. Ne le perdez pas dans un historique de conversation. Stockez-le. Documentez-le. Versionnez-le.

Votre bibliothèque de system_tokens est votre capital créatif IA. Plus elle grandit, plus vous travaillez vite. Plus elle est documentée, plus votre équipe peut l’utiliser sans vous.

Comment organiser ses tokens

Trois axes d’organisation possibles :

Par type d’image : icon_set/, product_photo/, editorial_illustration/, portrait/, storyboard/

Par client ou projet : client_luxe_2026/, app_wellbeing/, campaign_summer/

Par style : minimal_line/, soft_filled/, editorial_film/, brutalist/

Choisissez l’axe qui correspond à votre pratique. L’important, c’est qu’il y ait un système.

Le template de documentation

Pour chaque system_token, documentez :

NOM : soft-filled-icon-v3
USAGE : Icon sets remplis, style doux et arrondi, pour apps lifestyle
DATE : mars 2026
MODELE RECOMMANDE : Nano Banana Pro
VERSION : 3 (v1 trop angulaire, v2 trait trop visible)

SYSTEM TOKEN :
{ ... le JSON complet ... }

EXEMPLES GENERES : [liens ou images]
LIMITES CONNUES : ne fonctionne pas bien pour les icones tres detaillees
  (au-dela de 4-5 elements par icone, le poids optique explose)
NOTES D'ITERATION : corner_radius passe de 6 a 12 entre v2 et v3 —
  a rendu le set beaucoup plus "friendly"

5 System Tokens « Starter »

Voici cinq tokens prêts à l’emploi. Copiez-les, testez-les, adaptez-les.

1. Icon Set Minimal (ligne)

{
  "system_token": {
    "style": "flat line icon, minimal, geometric",
    "stroke_weight": "2px uniform",
    "stroke_color": "#333333",
    "corner_radius": "4px",
    "fill": "none — outline only",
    "background": "transparent or white #FFFFFF, 80x80px",
    "padding": "10px",
    "shadow": "none",
    "rendering": "clean vector, no gradients, no texture",
    "optical_weight": "balanced — simple shapes preferred"
  }
}

2. Photo Produit Studio

{
  "system_token": {
    "style": "product photography, clean studio, commercial",
    "lighting": "soft three-point studio lighting, key from upper-left",
    "background": "pure white #FFFFFF, seamless",
    "composition": "product centered, 60% frame, slight three-quarter angle",
    "rendering": "high-resolution, sharp, no grain, crisp edges",
    "color_temperature": "5500K daylight",
    "aspect_ratio": "1:1 square"
  }
}

3. Illustration Flat Éditoriale

{
  "system_token": {
    "style": "editorial illustration, flat geometric, modern",
    "color_palette": "muted pastels — 4 to 5 colors maximum",
    "rendering": "flat color, no gradients, subtle paper texture",
    "line_quality": "none — shapes only",
    "composition": "centered subject, generous white space",
    "atmosphere": "calm, smart, approachable",
    "aspect_ratio": "16:9"
  }
}

4. Photographie Éditoriale

{
  "system_token": {
    "style": "editorial photography, analog film aesthetic",
    "color_grading": "warm desaturated, lifted blacks, film look",
    "lighting": "natural light, soft, directional",
    "depth_of_field": "shallow, f/2.0",
    "composition": "rule of thirds, subject offset, negative space",
    "rendering": "medium-format film grain, soft contrast",
    "aspect_ratio": "3:4 vertical"
  }
}

5. Pattern Abstrait

{
  "system_token": {
    "style": "abstract geometric pattern, seamless tile",
    "color_palette": "monochrome with one accent — base #1A1A2E, accent #E94560",
    "geometry": "circles and lines, varying sizes, organic arrangement",
    "density": "medium — 40% filled, 60% negative space",
    "rendering": "flat, clean, vector quality, no texture",
    "repeat": "seamless tileable",
    "aspect_ratio": "1:1"
  }
}

L’évolution d’un token

Un system_token n’est pas grave dans le marbre. Il évolue. Version 1 est un brouillon. Version 2 corrige les premières surprises. Version 3 est affinée par l’usage réel. Version 5 est un outil de production fiable.

Versionnez vos tokens. Gardez les anciennes versions. Parfois, la v2 est meilleure pour un certain contexte et la v4 pour un autre.

Partager en équipe

Quand votre équipe utilise vos system_tokens, trois conventions sont nécessaires :

Chapitre 9 • Épilogue : L’Art, pas la Syntaxe

Le JSON n’est pas une syntaxe magique.

C’est une discipline de pensée. Une façon de se forcer à prendre ses décisions visuelles avant de générer, pas après. Une façon de séparer ce qui doit être fixe de ce qui peut bouger. Une façon de transformer une intention floue en direction précise.

C’est exactement ce que fait un directeur de création depuis toujours. Sauf qu’avant, le brief allait à un humain qui comprenait l’implicite. Maintenant, il va à un modèle qui ne comprend que l’explicite.

Le vrai sujet n’a jamais été le format. Le vrai sujet, c’est : savez-vous ce que vous voulez ?

Si la réponse est oui, le JSON vous aide à le formuler avec précision. Si la réponse est non, le JSON vous force a y réfléchir. Dans les deux cas, vous en sortez meilleur.

Experimentez. Documentez. Partagez.

Construisez vos system_tokens. Créez votre bibliothèque. Formez votre équipe. Iterez. Gardez un journal. Et souvenez-vous que l’objectif n’est pas d’écrire le JSON parfait. L’objectif est de créer l’image que vous avez en tête.

Le JSON est le médium. Votre regard est l’œuvre.

• PartagerÉlément copié dans le presse-papiers
• LinkedIn
• Reddit
• X

---

---