Quand la génération IA ne sert à rien

On comprend en général quand la génération IA ne sert à rien après avoir déjà perdu une demi-journée dessus. La liste de ces cas est courte, et la connaître à l'avance vaut mieux que dix nouvelles astuces de prompt.

Montrer le produit tel qu'il est vraiment

Pour une image honnête de votre propre article, rien ne remplace la photo. Vingt minutes près d'une fenêtre suffisent ; j'ai détaillé une installation simple pour shooter chez soi ici.

La génération trouve sa place en finition sur une vraie photo, pas en remplacement de la prise de vue elle-même.

Du texte dans une maquette

Titres, tableaux, prix, grilles de tailles. Les chiffres se mélangent, les alphabets non latins encore plus, et vérifier le résultat prend plus de temps que de taper le texte directement.

Un logiciel de mise en page fait ça en quelques minutes, sans erreur.

Un schéma avec de vraies connexions

Organigrammes, schémas de structure, cartographies de process. Le modèle dessine quelque chose qui ressemble à un schéma, pas votre logique réelle. J'en parle plus en détail ici.

Le fonctionnement mécanique de votre produit

Comment le couvercle s'ouvre, comment la chaise se replie, où une pièce est censée s'emboîter. Le modèle n'en sait rien, et il va simplement inventer.

Quand le volume est faible

Une image par mois ne justifie pas le temps nécessaire pour vraiment apprendre l'outil. Commander une photo ou la prendre soi-même reste plus simple.

La génération prend l'avantage à partir d'un certain volume, et l'écart se creuse à mesure qu'on produit davantage.

Quand il faut un jugement d'expert

Ce qui compte pour un acheteur, l'objection à lever, ce qui vous différencie de la concurrence dans les résultats de recherche. Une personne qui connaît vraiment le marché tranche ces questions.

Le modèle vous donnera une image. Il ne vous dira pas de quelle image vous avez besoin.

Quand une erreur a de vraies conséquences

Dispositifs médicaux, produits alimentaires, tout domaine où un écart entre l'image et la réalité cause plus de dégâts qu'un simple retour produit.

Le principe derrière tout ça

La règle qui résume tout est simple : la génération excelle là où il faut de nombreuses variations d'une scène construite autour d'un objet clair.

Elle fonctionne mal là où il n'existe qu'une seule bonne réponse.

Si une tâche a un résultat correct unique et que vous savez déjà à quoi il ressemble, autant le réaliser directement.

J'ai vu une équipe générer des tableaux de spécifications, puis relire chaque chiffre à la main ensuite. Ça prenait deux fois plus de temps que de faire le tableau directement dans un logiciel, et personne ne s'en est rendu compte pendant des mois.

Une précision tout de même : quand je l'ai signalé, il s'est avéré qu'ils aimaient bien ce processus. Je n'ai pas insisté.

FAQ

Où la génération IA perd-elle face aux alternatives ? Pour montrer le produit tel qu'il est vraiment, pour du texte dans une maquette, pour des schémas avec de vraies connexions, et pour démontrer le fonctionnement mécanique d'un produit.

Pourquoi ne pas générer des tableaux et des chiffres ? Les chiffres se mélangent, et les vérifier après coup prend plus de temps que de construire le tableau directement dans un éditeur.

À partir de quel volume la génération devient-elle rentable ? À grande échelle. Une image par mois ne couvre pas le temps passé à apprendre l'outil.

Existe-t-il une règle générale ? La génération est forte là où il faut de nombreuses variations d'une scène, et faible là où il n'existe qu'une seule bonne réponse.

Comment savoir qu'une tâche n'est pas adaptée à la génération ? Si elle a une seule bonne réponse et que vous la connaissez déjà, réalisez-la directement. Il n'y a rien à varier.

Pourquoi la génération n'est-elle pas rentable à faible volume ? Le temps passé à apprendre l'outil n'est jamais remboursé. À dix images par mois, commander ou shooter reste simplement plus simple.

Sources

1. Flami : photo chez soi sans studio
2. Flami : schémas avec l'IA
3. Flami : génération IA ou designer