Générer des personnages IA cohérents : le guide pratique
Gardez le même personnage IA sur vos images et vidéos. Limites de Nano Banana 2 et Pro, méthode de la fiche de personnage, storyboards et Veo 3.1.
Générer des personnages de manière cohérente (character consistency) consiste à utiliser un ensemble de techniques pour qu'un modèle d'IA dessine le même personnage — avec le même visage, les mêmes vêtements et la même coiffure — sur plusieurs images différentes, au lieu de réinventer une nouvelle personne à chaque essai. C'est toute la différence entre un prompt comme « une femme rousse dans un café » qui vous sort une parfaite inconnue à chaque génération, et le fait d'obtenir votre femme rousse, celle de la toute première case de votre bande dessinée, de votre campagne publicitaire ou de votre storyboard.
Pour faire simple : il existe deux méthodes qui fonctionnent, et elles se cumulent. Premièrement, importez des images de référence de votre personnage — c'est le même mécanisme de référence qui gère l'échange de visage IA sur notre plateforme. Nano Banana 2 accepte jusqu'à 4 références de personnage, Nano Banana Pro jusqu'à 5, et Veo 3.1 peut en appliquer jusqu'à 3 dans les vidéos. Deuxièmement, rédigez un prompt sous forme de « fiche de personnage » (character sheet) : une description fixe et ultra-détaillée que vous copiez-collez dans chaque génération. Sur BananaBanana, générer un personnage cohérent coûte à partir de $0.06 pour 1K images sur Nano Banana 2. Toutes les démos de cet article ont été générées sur notre plateforme, les prompts présentés ici sont donc directement prêts à l'emploi.
Soyons honnêtes dès le départ concernant les cas d'échec. La cohérence des modèles actuels est bonne, mais pas parfaite. Vous verrez par vous-même là où ça coince.
Pourquoi le même personnage a-t-il l'air différent à chaque fois ?
Les modèles d'image n'ont pas de mémoire d'une requête à l'autre. Chaque génération repart de zéro (à partir d'un bruit aléatoire), et votre prompt est le seul fil conducteur. Si votre prompt indique « une jeune femme aux cheveux roux », le modèle va piocher parmi les millions de jeunes femmes rousses qu'il est capable de dessiner. Lancez-le cinq fois, vous obtiendrez cinq personnes différentes. Elles auront peut-être le même style, mais pas le même visage.
C'est ce qu'on appelle la dérive de personnage (character drift), et cela empire avec les prompts vagues. Écrire « la même femme que tout à l'heure » ne sert à rien, car il n'y a pas d'avant. Le modèle n'a jamais vu votre image précédente, à moins que vous ne la lui fournissiez explicitement.
La dérive s'immisce aussi au sein d'un même processus de création. Changez l'angle de caméra, et la ligne de la mâchoire se modifie. Changez de tenue, et soudain les taches de rousseur disparaissent. D'après mon expérience, les traits les plus instables sont précisément ceux que les humains utilisent pour s'identifier : la forme des yeux, le nez, l'implantation des cheveux. Les arrière-plans et les vêtements s'en sortent très bien, mais les visages ont tendance à divaguer.
Tout le jeu consiste donc à réinjecter l'identité du personnage dans le modèle à chaque requête, soit sous forme de pixels (images de référence), soit sous forme de texte (une description figée). De préférence les deux.
Combien d'images de référence chaque modèle accepte-t-il ?
Les images de référence constituent la plus puissante des deux méthodes : vous importez des photos du personnage et le modèle s'appuie dessus comme sur une vérité absolue. D'après la documentation de l'API Gemini de Google pour la génération d'images, les limites varient énormément d'un modèle à l'autre, et mieux vaut connaître ces nuances avant d'en choisir un.
| Modèle | Réf. de personnage | Réf. d'objet | Réf. de style | Prix pour 1K images |
|---|---|---|---|---|
| Nano Banana 2 Lite | aucun | jusqu'à 14 | aucun | $0.03 |
| Nano Banana 2 | jusqu'à 4 | jusqu'à 10 | jusqu'à 3 | $0.06 |
| Nano Banana Pro | jusqu'à 5 | jusqu'à 6 | aucun | $0.11 |
La surprise de ce tableau, c'est la version Lite. C'est elle qui accepte le plus grand nombre d'images au total (14), mais la documentation précise bien qu'il s'agit uniquement de références d'objets, sans prise en charge de la cohérence de personnage. Nous l'avons appris à nos dépens : Lite accepte volontiers un visage en entrée pour le traiter ensuite comme une photo de produit, en reproduisant fidèlement la veste mais en défigurant la personne. Si votre projet repose sur des personnages, oubliez la version Lite, peu importe son tarif. (Pour tout le reste, c'est un excellent modèle économique ; nous avons rédigé un guide distinct pour savoir quand Lite suffit.)
Entre les deux autres : je commencerais par Nano Banana 2 à $0.06. Le cinquième emplacement de personnage de Pro et sa meilleure conservation d'identité font la différence pour les scènes à plusieurs personnages et les livrables finaux. Et à $0.11 l'image, le surcoût reste dérisoire si le résultat est destiné à être publié.
L'angle de vue des images importées compte plus que leur nombre. Trois références prises sous le même angle n'apprennent au modèle qu'un seul et unique angle. Un cliché de face, un profil et une vue de trois-quarts lui permettent de comprendre toute la tête.
Qu'est-ce que la méthode de la fiche de personnage ?
Une fiche de personnage (character sheet) est un bloc de texte fixe décrivant votre personnage de façon exhaustive, que vous copiez-collez tel quel dans chaque prompt. C'est la solution de secours textuelle quand vous n'avez pas encore de photos de référence, et c'est d'ailleurs ainsi que vous allez créer ces premières photos. C'est également la méthode idéale pour les agents IA : si vous générez des images dans Claude Code via notre serveur MCP, la fiche de personnage est transmise directement dans le prompt, sans aucun fichier à uploader.
La règle d'or : décrivez votre personnage comme le ferait un portraitiste de la police. Âge, corpulence, couleur de peau, couleur et coupe de cheveux, couleur des yeux, signes distinctifs, et un ou deux accessoires phares. Les adjectifs vagues dérivent, les noms concrets restent stables.
Voici le bloc exact utilisé pour les exemples ci-dessous :
a woman in her late 20s with shoulder-length copper-red wavy hair,
pale skin with faint freckles across the nose and cheekbones,
green eyes, a small silver hoop earring in her left ear,
wearing a mustard-yellow corduroy jacket over a white t-shirt
Les deux images ci-dessous ont été générées avec Nano Banana Pro à partir de ce seul bloc de texte. Seul le texte décrivant le décor autour a changé. Aucune image de référence n'a été fournie, il s'agit d'une cohérence purement basée sur le texte :
Est-ce la même personne ? C'est très proche. Le visage tient bien la route, la veste et la boucle d'oreille sont bien là, et les taches de rousseur ont survécu aux deux décors. Si vous examinez les images à la loupe (pixel-peep), vous verrez que la longueur des cheveux varie légèrement. C'est la limite inhérente à la cohérence textuelle. C'est pourquoi le flux de travail professionnel combine les deux méthodes : générez votre meilleure image de personnage avec la fiche descriptive, puis réutilisez cette image comme référence pour toutes les créations suivantes. Le texte définit l'identité, les pixels la verrouillent.
Deux petites astuces issues de notre expérience en production. Les accessoires phares (la boucle d'oreille, la veste) facilitent énormément la reconnaissance visuelle pour un coût en tokens minime ; donnez-en un à chaque personnage. De plus, limitez votre fiche de personnage à environ 60 mots, car au-delà, la description de la scène risque de parasiter celle du personnage lors de l'analyse par le modèle.
Scènes multi-personnages et storyboards par IA
Faire figurer deux personnages cohérents dans une même image, c'est là que les astuces faciles s'essoufflent. Une fiche de texte fusionnée pour les deux personnages a tendance à s'entremêler : le personnage A récupère les cheveux du personnage B, tandis que B hérite de la veste de A. C'est sans doute corrigeable en multipliant les essais, mais chaque essai a un coût.
Les images de référence permettent de régler ce problème proprement. Nano Banana 2 accepte jusqu'à 4 références de personnages et Nano Banana Pro jusqu'à 5 (selon la documentation de Google), et ces emplacements peuvent être répartis entre différentes personnes. Importez deux ou trois photos de chaque personnage, puis rédigez votre scène en les désignant par leur rôle (« la femme rousse tend un café à l'homme à la barbe grise »). L'identité reste ainsi associée à la bonne personne de manière beaucoup plus fiable, même si les interactions de mains qui s'échangent des objets restent, en 2026, une véritable loterie.
Les storyboards sont l'étape suivante logique, et il existe deux façons de les réaliser. Case par case : une génération par case, avec les références de personnage associées à chacune. À $0.06 la case sur Nano Banana 2, un storyboard de six cases revient à $0.36. Ou alors en une seule image : demandez à Nano Banana Pro une mise en page multi-cases en une seule génération. L'image ci-dessous a été créée ainsi, via une seule requête à $0.11, avec la même fiche de personnage que précédemment :
La cohérence au sein d'une seule image est pratiquement gratuite, puisque le modèle dessine toutes les cases en une seule fois et peut s'appuyer sur ce qu'il vient de tracer. Le revers de la médaille, c'est la résolution : chaque case ne représente qu'un quart de l'image globale. Pour des présentations ou des animatiques, c'est amplement suffisant. Pour des visuels destinés à être publiés individuellement, préférez une génération case par case pour $0.36.
Peut-on transposer un personnage dans une vidéo ?
Oui, et c'est là que le processus devient vraiment amusant. Veo 3.1 prend en charge ce que la documentation de Google Vertex AI appelle des images de référence d'actif (asset reference) : jusqu'à 3 photos d'une personne, d'un personnage ou d'un produit, afin de préserver l'apparence de ce sujet dans le clip généré. Dans notre générateur, cela se passe dans la section Référence de sujet (Subject Reference). Gemini Omni Flash, toujours livré avec le son, est plus généreux : jusqu'à 10 images de référence par clip, et elles peuvent être combinées avec une image de départ ($0.10 par seconde, test complet d'Omni ici).
La fiche de personnage reste tout aussi indispensable pour les prompts vidéo. Le clip ci-dessous a été généré avec Veo 3.1 Fast, uniquement à partir de texte, en reprenant exactement le même bloc de description que pour les images, complété par des indications de mouvement et de caméra :
Le prompt : la fiche de personnage, suivie de « walking toward the camera along a city street at golden hour, slow dolly back, medium shot, shallow depth of field ». Six secondes, vidéo muette en 720p, pour $0.52. On reconnaît parfaitement le même personnage que sur les images fixes, ce qui est honnêtement inespéré pour une transition purement textuelle entre deux modèles distincts.
Une mise en garde tirée de nos journaux de génération : les références de sujet ont parfois tendance à figer les expressions. Le visage correspond bien, mais l'effet fait un peu « poupée de cire », surtout sur les plans larges où le visage n'occupe que peu de pixels. Les gros plans s'en sortent nettement mieux. Si votre clip renvoie un personnage au regard vide, resserrez le cadre plutôt que de relancer exactement la même prise.
Voici donc la méthode complète : fiche de personnage → création de portraits de référence de qualité (hero images) sur Nano Banana Pro → utilisation de ces visuels comme références de personnage pour toutes les images fixes et comme références de sujet pour la vidéo. Une seule identité, un seul pipeline, des images dès $0.06 et des vidéos dès $0.10 sur la page de tarification.
FAQ
Quel est le meilleur modèle d'IA pour la cohérence de personnage ?
Nano Banana Pro, chiffres à l'appui : jusqu'à 5 images de référence de personnage et le verrouillage d'identité le plus solide de la gamme, à $0.11 par image en 1K ou 2K. Nano Banana 2 est le meilleur choix économique à $0.06, avec 4 emplacements de personnage et la gestion des références de style, ce que Pro ne propose pas. Évitez Nano Banana 2 Lite pour cet usage, car il ne prend pas du tout en charge les références de personnage.
Comment garder le même visage sur des images IA sans photos de référence ?
Rédigez une fiche de personnage : une description fixe de 40 à 60 mots détaillant l'âge, les cheveux, les yeux, la peau, les signes distinctifs et un accessoire phare, puis collez-la sans modification dans chaque prompt. Utilisez ensuite votre meilleur résultat comme image de référence pour la suite. Le texte seul vous permet de dégager une tendance ; l'association du texte et des références d'image garantit une fidélité parfaite.
Puis-je utiliser la photo d'une vraie personne comme référence de personnage ?
Techniquement, l'API accepte n'importe quelle photo. Légalement et éthiquement, n'utilisez que des photos sur lesquelles vous possédez des droits et pour lesquelles la personne concernée a donné son consentement. Générer des personnes réelles et reconnaissables sans leur accord enfreint les conditions d'utilisation de la plupart des plateformes, y compris la nôtre.
Combien d'images de référence dois-je importer ?
Privilégiez la variété plutôt que la quantité. Trois clichés différents (de face, de profil et de trois-quarts) donneront généralement de meilleurs résultats que cinq selfies presque identiques. Les limites strictes sont de 4 images de personnage sur Nano Banana 2, 5 sur Nano Banana Pro, et 3 pour la vidéo sur Veo 3.1.
La cohérence de personnage fonctionne-t-elle pour des personnages non humains ?
Dans l'ensemble, oui. Les mascottes, les robots et les animaux stylisés s'en sortent d'ailleurs souvent mieux que les humains, car leur identité repose sur des formes et des couleurs marquées plutôt que sur la géométrie subtile d'un visage. Les méthodes restent les mêmes : des caractéristiques physiques bien définies dans la fiche descriptive, puis des images de référence une fois le design validé.