Formats, post-production, planche contact

Le visuel validé en 16:9 part sur Instagram en 4:5 : la plateforme coupe le produit à moitié. Le flyer imprimé sort flou parce qu'une image de 1 376 pixels a été étirée sur un A5 à 300 dpi. Le titre, écrit par le modèle, comporte une faute que personne n'a vue avant l'impression. Aucun de ces défauts ne vient de la génération : ils viennent de tout ce qui se passe après. Un studio les traite par un outil, pas par l'attention de quelqu'un un vendredi soir.

Le mécanisme

Chaque canal impose des dimensions de livraison. Le modèle, lui, ne produit qu'une liste fermée de ratios. Le pipeline choisit donc le ratio supporté le plus proche du premier canal du visuel, génère, puis recadre pour chaque canal autour d'un point focal et redimensionne aux dimensions exactes.

Vérifiez ces dimensions dans les guides des plateformes avant une campagne payante : elles changent. Pour l'impression, ajoutez le fond perdu demandé par l'imprimeur (souvent 3 mm par côté).

flowchart LR
  G["Image générée<br/>ratio du 1er canal"] --> A{"Agrandissement<br/>> seuil ?"}
  A -->|"oui"| W["Alerte : générer en taille supérieure"]
  A --> C["Recadrage au ratio du canal<br/>autour du point focal"]
  C --> Z["Redimensionnement exact"]
  Z --> T["Titre + logo composés<br/>(le titre ne chevauche jamais le logo)"]
  T --> J["JPEG qualité 80 (web) ou 92 (print)<br/>dpi + XMP IPTC"]
  J --> H["planche.html + manifest.json"]

La mise en œuvre

Ratio, agrandissement, recadrage

def ratio_generation(canal: str) -> str:
    """Ratio supporté le plus proche du canal (écart logarithmique, symétrique portrait/paysage)."""
    cible = CANAUX[canal].ratio
    return min(RATIOS_1K, key=lambda r: abs(math.log((RATIOS_1K[r][0] / RATIOS_1K[r][1]) / cible)))


def agrandissement(source: tuple[int, int], canal: str) -> float:
    """Facteur d'agrandissement imposé par le recadrage : > 1 signifie des pixels inventés."""
    c = CANAUX[canal]
    l, h = source
    if l / h > c.ratio:
        return c.hauteur / h
    return c.largeur / l

L'écart logarithmique traite de la même façon un ratio deux fois trop large et deux fois trop haut ; une simple différence favoriserait les formats paysage. Le pipeline alerte au-delà de 1,0 pour l'impression (aucun pixel inventé toléré) et de 1,5 pour le web.

Le visuel orbe-salon illustre la limite : généré en 4:5 1K (928 × 1152), il livre le feed Instagram avec un agrandissement de 1,17, et la story 9:16 avec 1,67, au-delà du seuil. L'alerte de la planche propose la parade : générer en 2K.

Titre et logo hors du modèle

if texte:
    dispo = l - 2 * marge - largeur_logo
    taille = round(bande * 0.34)
    police = _police(taille)
    while police.getlength(texte) > dispo and taille > 10:   # le titre ne chevauche jamais le logo
        taille -= 2
        police = _police(taille)

Cette boucle existe parce que la première version a échoué sur le flyer : en format portrait, le titre « Orbe. Salon du design, Lyon » passait sous le logo. Le test test_titre_long_ne_chevauche_pas_le_logo compare désormais la zone du logo avec et sans titre ; elle doit être identique au pixel près.

Les métadonnées

Chaque JPEG livré porte un paquet XMP avec le champ IPTC DigitalSourceType : trainedAlgorithmicMedia pour une image purement générée, compositeWithTrainedAlgorithmicMedia quand un titre ou un logo a été ajouté. Ce vocabulaire est celui que lisent les banques d'images et plusieurs réseaux sociaux pour afficher une mention « IA ».

image.convert("RGB").save(chemin, "JPEG", quality=c.qualite_jpeg, optimize=True,
                          dpi=(c.dpi, c.dpi), xmp=xmp(description, compose))

En inspectant les fichiers bruts renvoyés par l'API le 2026-10-15, on trouve davantage : chaque image porte un manifeste C2PA (Content Credentials) signé par Google, et les PNG renvoyés par Vertex AI contiennent déjà le champ IPTC. Tout ré-encodage (recadrage, titre) supprime ce manifeste : on ne peut pas le re-signer sans certificat. Le pipeline le détecte et l'écrit dans les alertes ; les fichiers bruts etape-N restent dans sorties/ comme preuve d'origine. Le filigrane invisible SynthID, lui, est inscrit dans les pixels et conçu par Google DeepMind pour résister au recadrage et à la compression.

La planche contact

planche.html est un fichier autonome (aucune dépendance) : vignette du premier canal, modèle, taille, durée, coût, alertes, liens vers chaque livrable, prompt complet et étapes de retouche dans un volet, grille de validation à cocher. manifest.json contient les mêmes données pour un traitement automatique.

Résultat obtenu

20:59:19 INFO gemini-3.1-flash-image : image en 5.7 s, 0.0460 USD
20:59:26 INFO gemini-3.1-flash-image : image en 6.3 s, 0.0458 USD
{
 "modele": "gemini-3.1-flash-image",
 "etapes": [
  {"consigne": "(génération initiale)", "secondes": 5.7, "usd": 0.04599},
  {"consigne": "Allume la lampe : halo ambré chaud. Ne modifie rien d'autre.", "secondes": 6.3, "usd": 0.04583}
 ],
 "livrables": [
  {"canal": "linkedin_post", "fichier": "orbe-test-linkedin_post.jpg", "agrandissement": 1.74},
  {"canal": "instagram_feed", "fichier": "orbe-test-instagram_feed.jpg", "agrandissement": 3.52}
 ],
 "alertes": [
  "livrables sans manifeste C2PA (ré-encodés) : archivez le brut comme preuve d'origine",
  "linkedin_post : agrandi x1.74, générez en taille supérieure (1K)",
  "instagram_feed : agrandi x3.52, générez en taille supérieure (2K)"
 ],
 "cout_usd": 0.0918,
 "duree_totale_s": 12.4
}
E2E OK

Le même test sur Vertex AI (GOOGLE_GENAI_USE_VERTEXAI=TRUE, location global) a coûté 0,091 $ ; la retouche y a pris 86,3 s au lieu de 6 s, d'où le délai HTTP explicite. Les alertes sont voulues : le test génère en 512 px pour coûter peu, et le brief de campagne, lui, n'en déclenche que deux (story Instagram x1,67 et flyer A5 x1,03).

Ce qui casse en production

La règle de décision

Générez au ratio du canal le plus exigeant et déclinez par recadrage tant que l'agrandissement reste sous 1,5 (web) ou 1,0 (print). Au-delà, générez un visuel de plus, au bon ratio : 7 centimes coûtent moins qu'un flyer réimprimé. Gardez les bruts : ce sont eux qui portent la preuve d'origine.

Pratique

Exercice. Ajoutez un canal linkedin_banniere (bannière de page entreprise, 1128 × 191 dans cet exercice). Quel ratio le pipeline choisira-t-il, quelle taille minimale, et quel test écrivez-vous ?

"linkedin_banniere": Canal(1128, 191, "bannière de page entreprise"),

def test_banniere():
    assert canaux.ratio_generation("linkedin_banniere") == "21:9"
    assert canaux.taille_minimale("linkedin_banniere") == "1K"

• Je sais quel ratio demander pour chaque canal et quand générer deux visuels
• Je lis l'alerte d'agrandissement et je choisis la taille en conséquence
• Je compose titre et logo hors du modèle
• J'archive les bruts (C2PA) et j'écris le XMP IPTC sur les livrables
• make e2e est vert chez moi