Reverse prompting : retrouver le prompt d'une image IA

Tu enregistres une image sur Pinterest. Une nuit humide, une nuque de dos, un néon vert qui bave sur le trottoir. Tu veux exactement ce rendu pour ton projet. Tu ouvres ton générateur, tu tapes ce que tu vois, et ce qui sort ressemble à une pub d'assurance filmée sous un plafonnier.

Le réflexe suivant, c'est de chercher un outil de reverse prompting, de coller l'image, de récupérer trois lignes de description et de recommencer. Ça marche un peu mieux. Ça ne marche jamais assez.

Le problème a peu à voir avec ta capacité à décrire une image. Il vient de l'ordre dans lequel on s'y prend. Neuf fois sur dix, on commence par deviner alors qu'il restait quelque chose à lire dans le fichier. Et quand il n'y a vraiment plus rien à lire, on décrit ce qu'on remarque au lieu de décrire ce qui produit l'effet.

La bonne nouvelle, c'est que la moitié du travail se règle en trente secondes, avant même de commencer à décrire quoi que ce soit.

Ce que le reverse prompting rend vraiment

Le terme recouvre deux opérations que tout le monde mélange, et c'est de là que vient la déception.

La première consiste à récupérer le prompt d'origine. Elle est possible uniquement si le fichier transporte encore ses métadonnées de génération. Le résultat est alors exact, au caractère près, seed comprise.

La seconde consiste à reconstruire un prompt qui produit un rendu comparable. Le résultat est une hypothèse, testable, améliorable, mais jamais la recette d'origine. Un modèle de vision qui regarde ton image ne lit pas dans le passé du fichier, il commente ce qu'il voit.

Ces deux opérations n'ont pas le même taux de réussite ni la même valeur. Récupérer te donne la recette. Reconstruire te donne un point de départ que tu vas devoir corriger trois ou quatre fois. Les outils grand public font presque tous la seconde, et l'appellent la première.

Il y a une troisième chose que le reverse prompting ne fait jamais, et qui explique beaucoup d'échecs : il ne te rend pas le modèle. Une image sortie de Midjourney ne se reproduit pas avec le même texte sur Flux ou sur un moteur Google. Le prompt est la moitié de la recette. Le générateur et sa version sont l'autre moitié.

💡 Le cut de Frank : avant de chercher le prompt, cherche le modèle. Si tu identifies le générateur, tu récupères une grosse part du rendu sans écrire une ligne. Les images d'un même moteur se ressemblent beaucoup plus entre elles que deux moteurs différents nourris du même texte.

La faute que tout le monde fait : deviner avant d'avoir lu

Un fichier d'image est une boîte. Il y a le visible, et il y a ce qui voyage à côté du visible.

Quand une image sort d'un outil local, la boîte contient souvent la totalité des réglages. Quand elle sort d'un service en ligne, elle contient parfois une signature de provenance. Quand elle a transité par Instagram, WhatsApp ou une capture d'écran, elle ne contient plus rien du tout.

L'ordre de travail découle de là, et il est toujours le même :

1. Lire les métadonnées de génération. Si elles sont là, le travail est terminé en deux minutes.
2. Lire la provenance signée et les tatouages invisibles. Ça ne donne pas le prompt, ça donne le moteur, ce qui est déjà énorme.
3. Décrire à l'œil, méthodiquement, seulement quand les deux premières étapes sont vides.
4. Générer, comparer, corriger. Cette étape n'est pas optionnelle.

Sauter la première parce qu'on part du principe qu'il n'y a rien, c'est le gaspillage le plus courant du métier. Ça coûte trente secondes de vérifier.

Niveau 1 : les métadonnées de génération, la recette entière

Les outils locaux écrivent leurs réglages dans le fichier de sortie. Pas dans un fichier annexe, dedans, au moment de la sauvegarde.

Pour Automatic1111 et les interfaces qui suivent sa convention, les paramètres de génération sont ajoutés au PNG sous forme de bloc de texte. La documentation du projet précise qu'on peut les relire ensuite avec n'importe quel logiciel capable d'afficher les chunks d'un PNG, et renvoie même vers un inspecteur en ligne. Dans l'interface, l'onglet PNG Info fait le travail : tu déposes l'image, tu récupères prompt, prompt négatif, sampler, steps, CFG, seed, modèle.

Pour ComfyUI, c'est plus riche encore. Sa documentation sur les métadonnées de workflow détaille deux champs JSON stockés dans le fichier : workflow, qui contient le graphe complet avec les nœuds, les liens et la disposition, et prompt, la version d'exécution envoyée au serveur. Sur un PNG, ce sont des entrées texte. Sur un WebP animé, des chaînes EXIF de la forme workflow:{JSON} et prompt:{JSON}. Sur un MP4 ou un WebM, des tags de conteneur.

Capture de docs.comfy.org, page Workflow Metadata, le 3 septembre 2026. La documentation compare l'image générée à un plat sauvegardé avec sa recette.

Concrètement, tu glisses le fichier sur le canvas de ComfyUI, ou tu passes par File > Open, et le graphe se reconstruit tout seul. Tu n'as pas retrouvé le prompt, tu as retrouvé la chaîne de production entière.

La documentation officielle pose trois limites qu'il faut connaître avant de crier victoire. Les fichiers générés avec l'option --disable-metadata ne contiennent rien. Le ré-encodage par une application tierce supprime les métadonnées. Et le workflow récupéré ne transporte ni les modèles, ni les images d'entrée, ni les nœuds personnalisés : sans le checkpoint sur ta machine, tu as le plan d'une usine sans les machines.

La même page ajoute une consigne que je trouve saine et que je reprends telle quelle dans mon travail : traiter les métadonnées embarquées comme une entrée facultative et non fiable. Un champ texte se falsifie en trente secondes. Si l'enjeu est sérieux, la métadonnée reste un indice.

Reste le point qui fait mal. La documentation ComfyUI signale que beaucoup de plateformes sociales et d'hébergeurs d'images compressent ou nettoient les fichiers à l'upload, ce qui efface ces données. C'est exactement le trajet de l'image que tu as sauvegardée depuis Pinterest, Instagram ou un fil X. Sur une image trouvée en ligne, la probabilité de trouver quelque chose est faible. Sur une image qu'un collaborateur t'envoie en pièce jointe, elle est bonne. Sur une capture d'écran, elle est nulle par construction.

Niveau 2 : la provenance signée et le tatouage invisible

Quand la recette a disparu, il reste parfois la carte d'identité.

Le standard C2PA, diffusé sous le nom Content Credentials, attache au fichier un manifeste signé qui décrit son origine et son historique d'édition. Pour un contenu généré par IA, la spécification prévoit une action c2pa.created avec un digitalSourceType positionné sur trainedAlgorithmicMedia. Quand seule une partie de l'image vient d'un modèle génératif, la valeur devient compositeWithTrainedAlgorithmicMedia. En pratique : le fichier porte la mention de sa propre fabrication par une IA, et souvent le nom du logiciel utilisé.

L'outil de lecture est gratuit et public. Sur contentcredentials.org/verify, tu déposes le fichier et tu obtiens le manifeste s'il existe.

Capture de contentcredentials.org/verify le 3 septembre 2026. La page liste les formats acceptés, AVI, AVIF, DNG, HEIC, HEIF, JPEG, M4A, MOV, MP3, MP4, PDF, PNG, SVG, TIFF, WAV et WebP, et avertit que le service est encore en cours de déploiement, donc qu'aucune information ne sera peut être disponible sur le fichier inspecté.

Cet avertissement compte, et il est écrit par l'organisation elle même. Un résultat vide ne signifie pas grand chose aujourd'hui.

L'autre piste, c'est le tatouage invisible. Google intègre SynthID dans l'application Gemini : tu envoies une image, une vidéo ou un audio et tu demandes s'il a été créé ou modifié par une IA de Google. Le support officiel donne les bornes exactes : 100 Mo maximum, vidéos de moins de 90 secondes, audio de moins d'une heure, et environ dix vérifications par type de contenu sur une fenêtre glissante de 24 heures.

Là aussi, il faut lire ce que la page dit vraiment. L'absence de tatouage signifie que le contenu n'a pas été créé ou modifié par une IA de Google. Il peut parfaitement venir d'un autre système. Certains cas restent indécis, quand le contenu n'a pas assez de détails pour porter un tatouage, ou quand la retouche était trop légère.

Ce niveau ne te rendra donc jamais un prompt. Il te rend l'écurie. Savoir qu'une image sort de Firefly, de Midjourney ou d'un modèle Google change complètement la façon dont tu vas écrire ta reconstruction, parce que les trois ne réagissent pas aux mêmes mots.

Niveau 3 : décrire à l'œil, en sept couches

On arrive au cas réel, celui de l'image trouvée en ligne, nettoyée de tout. Il faut décrire. Et c'est là que la plupart des gens produisent un prompt inutilisable, parce qu'ils décrivent le sujet alors que le rendu vient d'ailleurs.

Je décompose toujours dans le même ordre, du plus structurant au plus cosmétique. Les trois premières couches font l'essentiel du résultat.

1. La lumière. Une seule source ou plusieurs ? Dure ou diffuse ? Elle vient d'où par rapport au sujet, et de quelle hauteur ? Quelle température, et surtout quel écart de température entre les zones éclairées et les ombres ? Une nuque en contre jour dans une brume tungstène ne se joue pas au niveau du sujet, elle se joue là.

2. L'optique et la distance. Longue focale qui écrase les plans ou grand angle qui les creuse ? Profondeur de champ réelle ou flou d'arrière plan artificiel ? Hauteur de caméra par rapport aux yeux du sujet ? J'ai écrit un article entier sur cette couche, comment traduire une focale et un boîtier dans un prompt, parce que c'est la plus rentable et la plus mal utilisée.

3. La matière de l'image. Grain ou propreté numérique ? Contraste et niveau de noir, et notamment : est ce que les noirs sont écrasés ou délavés ? Halations autour des sources vives ? Aberration chromatique dans les coins ? Un modèle rend une texture très différente selon que tu écris film grain ou que tu ne dis rien.

4. L'étalonnage. Dominante générale, saturation, séparation des teintes entre hautes et basses lumières. Formule les couleurs en relation plutôt qu'en absolu : « ombres bleu vert, peaux tirées vers l'ambre » porte beaucoup plus loin que « ambiance froide ».

5. La composition. Valeur de plan, placement du sujet dans le cadre, ligne d'horizon, ce qui est coupé par le bord. Beaucoup d'images « impossibles à reproduire » le sont uniquement parce qu'on essaie de refaire un gros plan avec une description de plan large.

6. Le sujet et son état. Là seulement. Qui, quoi, quelle action, quel regard, quels vêtements, dans quelle matière. L'état compte souvent plus que l'identité : cheveux mouillés, tissu froissé, maquillage qui a coulé.

7. Le décor et l'époque. Lieu, mobilier, saison, marqueurs temporels. Cette couche est la plus facile à voir, ce qui explique que tout le monde commence par elle. Elle a l'impact le plus faible sur le rendu.

Si tu veux voir cette grille appliquée sur des exemples déjà écrits et copiables, la bibliothèque de prompts cinéma classés par valeur de plan sert de banque de formulations pour les couches 1 à 5.

💡 Le cut de Frank : décris l'image comme si tu devais la refaire avec une caméra. La question utile, c'est « qu'est ce qu'il a fallu installer sur le plateau pour que ça ressemble à ça », et elle t'emmène très loin de la légende que tu aurais spontanément écrite.

Les outils, et ce que chacun rend vraiment

La question utile ici, c'est « lequel répond à ma situation », et elle se tranche sur deux colonnes : ce que l'outil rend, et le moment où il rend une page blanche.

Le /describe de Midjourney mérite le détour même si tu ne génères pas sur Midjourney. La documentation officielle indique qu'il renvoie quatre suggestions de prompt à partir d'une image envoyée ou d'une URL, sur Discord comme sur le site, et que la fonction a été retravaillée pour produire des prompts plus longs et plus détaillés avec les versions récentes du moteur. Quatre propositions valent mieux qu'une : les écarts entre elles t'indiquent ce que le modèle voit comme certain et ce qu'il devine.

Les modèles de vision généralistes donnent leur maximum quand tu ne leur demandes pas « décris cette image ». Demande la grille, couche par couche. Je colle littéralement mes sept points dans la question et j'exige une réponse par point. La différence de qualité est massive.

Le workflow complet, sur un cas concret

Reprenons l'image du début : la nuque de dos, la nuit, le néon vert.

Étape 1, trente secondes. Je récupère le fichier d'origine, pas une capture. Je le dépose dans ComfyUI, puis sur Verify. Les deux sortent vides. C'était probable, l'image vient d'un réseau social. Terminé, j'ai perdu trente secondes et je sais que j'avance en aveugle.

Étape 2, cinq minutes. J'applique la grille en sept couches, à la main, avant de demander quoi que ce soit à une machine. Ce passage manuel change tout : il m'oblige à voir des choses qu'un outil formulerait à ma place et que je n'aurais jamais interrogées. Ici, deux constats sortent. Le néon donne juste sa couleur aux cheveux mouillés, la source principale vient d'une vitrine hors champ à gauche. Et le fond est écrasé par une longue focale, ce qui explique la bouillie de bokeh que je n'arrivais pas à reproduire au grand angle.

Étape 3, deux minutes. Je passe l'image à un modèle de vision avec ma grille, et je compare sa réponse à la mienne. Tout l'intérêt est dans l'écart entre les deux lectures. Ce jour là, il repère une seconde source froide derrière le sujet que j'avais prise pour un reflet.

Étape 4. J'écris le prompt en respectant l'ordre des couches, du structurant au cosmétique. Lumière, optique, matière, étalonnage, cadre, sujet, décor. Cet ordre compte : la plupart des moteurs pondèrent davantage le début du texte.

Étape 5. Je génère quatre images avec le même prompt et quatre seeds différentes. Jamais une seule. Une image isolée ne me dit pas si mon prompt est bon, elle me dit si j'ai eu de la chance.

Étape 6. Je compare, je corrige une couche à la fois, et je recommence.

Sur ce cas, il a fallu trois tours. Le premier était trop propre, il manquait le grain et la halation autour du néon. Le deuxième avait la matière mais la lumière venait toujours du mauvais côté, parce que j'avais écrit la position de la vitrine trop tard dans le texte. Le troisième tenait.

La boucle de vérification, en trois passes

Un prompt reconstruit sans test reste une intention. La vérification se fait en trois passes, et chacune corrige une seule famille de problèmes, ce qui évite le grand classique de la correction simultanée où tu changes quatre choses et où tu ne sais plus laquelle a marché.

La première passe ne regarde que la structure. Génère tes quatre images, puis plisse les yeux, ou réduis les vignettes à la taille d'un timbre. À cette taille il ne reste que la lumière et le cadre, ce qui est exactement ce que tu veux juger. Si la lumière arrive du mauvais côté ou si la valeur de plan est fausse, aucune des finitions que tu ajouteras ensuite ne rattrapera l'affaire. Corrige, relance, ne va pas plus loin tant que les quatre images ne tiennent pas.

La deuxième passe travaille la matière. Grain, contraste, niveau de noir, texture de peau. Les termes comme film grain, natural skin texture ou subtle imperfections ne servent à rien avant ce moment précis, et c'est pour ça qu'ils déçoivent tant de gens : ils sont écrits en premier, sur une image dont la lumière était déjà fausse.

La troisième verrouille. Tu figes la seed qui te plaît, et tu ne modifies plus qu'un élément à la fois pour voir si le prompt survit quand tu déplaces le sujet ou quand tu changes son vêtement. Un prompt qui ne tient qu'avec une seed précise, c'est un coup de chance déguisé en méthode. Tu t'en aperçois trois semaines plus tard, sur un projet client, au pire moment.

Cette progression suit celle d'un étalonnage : structure, matière, finition. Je l'ai détaillée côté écriture dans la méthode pour écrire un prompt cinematic qui tient debout, et le reverse prompting en est l'entrée par l'autre bout du tunnel.

Ce qui casse le plus souvent

Sur les images qu'on m'envoie en me disant « ça ne marche pas », je retrouve à peu près toujours les mêmes six causes.

La première, de très loin : le prompt décrit le sujet et oublie la source de lumière. Le rendu qui te plaisait était un rapport d'éclairage, tu as demandé une personne. Vient ensuite l'adjectif qui fait le travail à la place du réglage. cinematic, moody, epic, stunning ne décrivent rien de mesurable et poussent le moteur vers sa moyenne, c'est-à-dire vers l'image dont tu essayais précisément de t'éloigner. Le catalogue complet de ces tics est dans les erreurs de prompt qui plastifient une image.

Troisième cause, plus vicieuse : ton image de référence n'a jamais été générée. C'est une photo. Tu t'épuises sur le texte pour reproduire un rendu argentique avec un modèle entraîné sur du numérique propre, alors que la moitié de ce qui te plaît s'obtient en post, avec un LUT et du grain. Quatrième : le moteur n'est pas le bon. Deux modèles différents nourris du même texte donnent deux mondes. Si tu as identifié le générateur à l'étape 2, sers t'en. Sinon, teste ton prompt sur deux moteurs avant de conclure qu'il est mauvais.

Restent deux causes que je vois surtout chez les gens qui commencent à bien s'en sortir, ce qui les rend d'autant plus agaçantes. Le prompt trop long, d'abord : une reconstruction produit facilement quatre-vingts mots, et passé un certain volume chaque terme dilue les autres. Je coupe de moitié après le premier test, en gardant les couches 1 à 3. Et le test sur une seule image, que je répète exprès parce que c'est la faute la plus coûteuse de la liste. Une génération unique ne prouve rien, dans un sens comme dans l'autre.

Ce que tu copies vraiment quand tu reverse-promptes une image

Un mot sur le fond, parce que la question revient à chaque atelier que j'anime.

Reconstruire un prompt à partir d'une image, c'est analyser une méthode. La lumière rasante, la longue focale, les noirs délavés : personne ne possède ça, ce sont des choix techniques qui circulent dans le métier depuis un siècle. Regarder une image pour comprendre comment elle est fabriquée, c'est ce que fait un chef opérateur devant un film qu'il admire.

Reproduire une image identique, avec le même sujet, la même composition et la même intention, pour la publier comme si elle était de toi, relève d'autre chose. Le fait que la copie passe par un prompt plutôt que par un pinceau ne change rien à ce qu'on fait au travail de quelqu'un.

Ma ligne personnelle est simple à formuler et parfois inconfortable à tenir : je reverse-prompte pour extraire une recette, jamais pour refabriquer un plat. Quand le résultat de mon test ressemble encore trop à l'image de référence, je change le sujet et je garde la lumière. Si le rendu tient avec un autre sujet, c'est que j'avais bien compris la recette. S'il s'effondre, c'est que j'avais juste recopié.

C'est aussi le meilleur test de compétence que je connaisse sur cet exercice.

FAQ

Foire aux questions

Réponses rapides aux questions les plus fréquentes sur cet article.

Peut-on vraiment retrouver le prompt exact d'une image IA ?

+

Oui, mais uniquement si le fichier a conservé ses métadonnées de génération, ce qui suppose de travailler sur le fichier d'origine sorti d'un outil comme Automatic1111 ou ComfyUI. Dans ce cas, tu récupères le texte exact, le prompt négatif, la seed et les réglages. Dès que l'image est passée par un réseau social, un service de compression ou une capture d'écran, ces données ont disparu et aucun outil ne peut les reconstituer. Tout ce qui est proposé ensuite relève de la reconstruction : un modèle regarde l'image et propose une formulation qui produit un rendu voisin, ce qui est utile mais reste une hypothèse à tester.

Quelle différence entre reverse prompting et détection d'image IA ?

+

Les deux répondent à des questions distinctes. La détection cherche à savoir si une image a été générée par une machine, et s'appuie sur des tatouages invisibles comme SynthID ou sur des manifestes de provenance signés au standard C2PA. Le reverse prompting cherche la recette visuelle, indépendamment de l'origine du fichier : il fonctionne aussi bien sur une photo argentique que sur une génération. Dans mon travail, les deux se croisent à l'étape de lecture des métadonnées, où une signature de provenance m'apprend quel moteur a produit l'image, ce qui oriente ensuite toute ma reconstruction de prompt.

Comment lire les métadonnées d'une image générée avec ComfyUI ?

+

Le plus simple consiste à glisser le fichier directement sur le canvas de ComfyUI, ou à l'ouvrir via File puis Open : l'outil reconstruit le graphe complet à partir des champs workflow et prompt stockés dans le fichier. Si tu veux seulement inspecter sans lancer ComfyUI, n'importe quel lecteur de chunks PNG affiche ces entrées texte. Attention aux trois cas où ça échoue : les fichiers générés avec l'option --disable-metadata, ceux qui ont été ré-encodés par une application tierce, et ceux qui sont passés par une plateforme qui nettoie les métadonnées à l'upload. Le graphe récupéré ne contient ni les modèles ni les nœuds personnalisés.

Le reverse prompting fonctionne-t-il sur une photo qui n'est pas générée par IA ?

+

Oui, et c'est même l'un de ses usages les plus intéressants. La grille d'analyse ne dépend pas de l'origine du fichier : la lumière, la focale, la profondeur de champ et l'étalonnage se lisent de la même façon sur une photo de plateau et sur une génération. Le piège consiste à croire qu'un modèle génératif reproduira à l'identique un rendu argentique ou un défaut d'optique ancien. Sur ce type de référence, une partie du travail se fait en post-production plutôt que dans le prompt, avec du grain ajouté, un LUT et une gestion du niveau de noir que le générateur ne te donnera pas spontanément.

Combien de tests faut-il avant qu'un prompt reconstruit soit exploitable ?

+

D'expérience, trois tours de correction sur une image un peu travaillée, et rarement moins de deux. Le premier tour valide la structure, c'est-à-dire la direction de la lumière et la valeur de plan. Le deuxième traite la matière : grain, contraste, texture de peau. Le troisième verrouille en figeant la seed et en vérifiant que le prompt tient quand on change un élément. Le point non négociable, c'est de générer quatre images par tour avec des seeds différentes. Sur une seule image, tu ne distingues pas un bon prompt d'un coup de chance, et cette confusion coûte beaucoup plus de temps que les trois minutes gagnées.

Faut-il écrire le prompt reconstruit en anglais ou en français ?

+

L'anglais reste plus fiable sur la quasi-totalité des moteurs, particulièrement sur le vocabulaire technique de la lumière et de l'optique, qui est celui de l'industrie. Des termes comme rim light, shallow depth of field ou practical light sont compris avec précision, alors que leurs équivalents français produisent des résultats beaucoup plus flous. Ma pratique consiste à mener toute l'analyse en français, parce que je réfléchis mieux dans ma langue, puis à écrire uniquement la version finale du prompt en anglais. Les noms propres de lieux, d'époques ou de références culturelles peuvent rester dans leur langue d'origine sans dommage.

Un outil de reverse prompting gratuit suffit-il pour du travail professionnel ?

+

Pour une reconstruction de départ, oui, à condition de savoir ce qu'il fait. Un outil gratuit te livre un brief structuré en quelques secondes, ce qui fait gagner du temps sur la mise en forme. Ce qu'il ne fait pas à ta place, c'est la hiérarchisation des couches et la boucle de test, qui sont exactement les deux endroits où se joue le résultat. Je m'en sers comme d'un premier jet à confronter à ma propre lecture de l'image, jamais comme d'une réponse. Toute la valeur professionnelle se joue dans les tours de correction qui suivent.

Pour aller plus loin

Le reverse prompting devient rentable le jour où tu arrêtes de le voir comme un raccourci. Aucun bouton ne te rend un prompt. Ce que tu gagnes, c'est un protocole de lecture d'image qui te force à nommer ce que tu vois.

Le vrai bénéfice arrive ailleurs, et un peu par surprise. Après vingt images analysées couche par couche, tu écris tes propres prompts autrement, parce que tu as pris l'habitude de penser lumière et optique avant sujet. Les gens qui progressent le plus vite en génération d'images sont ceux qui passent du temps à démonter celles des autres.

Si tu veux tester la méthode maintenant, prends une image que tu n'as jamais réussi à reproduire et fais uniquement les trois premières couches. La lumière, l'optique, la matière. Tu verras assez vite où était le vrai écart.