5 septembre 2026
Mains déformées et texte illisible : pourquoi l'IA rate ces deux choses et comment s'en sortir
La vraie raison technique derrière les six doigts et les mots inventés, les modèles qui écrivent correctement aujourd'hui, et la méthode de cadrage et de retouche qui règle la majorité des cas sans relancer dix générations.
Frank HoubreFondateur d'Imaginode
Les deux défauts qui trahissent une image IA en une seconde
Les mains et le texte échouent pour deux raisons opposées : les mains sont trop variables pour être apprises proprement, le texte demande une précision symbolique que le modèle ne pratique pas.
Vous montrez votre image à quelqu'un. Elle est belle, la lumière est bonne, le personnage tient debout. Et la personne regarde la main, compte les doigts, puis lit l'enseigne du magasin en arrière-plan où il est écrit quelque chose comme BOULANCERIE.
Ces deux défauts sont les signatures les plus reconnaissables de la génération d'images, et ils sont devenus le test que tout le monde applique. Ce qui est frustrant, c'est qu'ils cohabitent avec des images par ailleurs excellentes : un portrait au grain parfait, ruiné par une main à six doigts.
La bonne nouvelle, c'est que les deux problèmes ont des causes différentes et donc des solutions différentes. Et qu'en 2026, l'un des deux est largement réglé si vous prenez le bon modèle. On va voir pourquoi ça rate, puis exactement quoi faire.
Pourquoi les mains ratent : ce que le modèle a réellement appris
Une main a plus de vingt articulations, apparaît minuscule et partiellement cachée sur la plupart des photos d'entraînement, et prend des formes très différentes selon l'angle : le modèle en a appris une moyenne floue.
Un visage, c'est deux yeux, un nez, une bouche, toujours dans le même ordre, presque toujours de face ou de trois quarts, et souvent l'élément le plus grand de la photo. Un modèle voit ça des centaines de millions de fois dans des conditions comparables. Il apprend très bien.
Une main, c'est l'inverse sur tous les points. Plus de vingt articulations, donc un nombre de positions possibles qui explose. Elle est petite dans le cadre, souvent floue parce qu'elle bouge, régulièrement cachée derrière un objet, un vêtement ou l'autre main. Et selon l'angle, une même main donne des silhouettes qui n'ont rien à voir entre elles.
Résultat, le modèle sort la moyenne des mains, comme il vous sort la moyenne des dragons quand vous demandez un dragon. Sauf qu'une moyenne de dragons reste crédible, personne n'en a vu, alors qu'une moyenne de mains saute aux yeux de n'importe qui. Et rien dans son fonctionnement ne lui dit qu'un doigt de plus est une faute : il n'a pas de règle, il a des probabilités.
Pourquoi le texte rate : le modèle dessine, il n'épelle pas
Un modèle d'image produit des formes plausibles pixel par pixel, sans représentation des lettres comme symboles : il fabrique donc quelque chose qui ressemble à de l'écriture plutôt que de l'écriture.
Le texte, c'est un problème d'une autre nature. Un modèle d'image ne connaît pas l'alphabet. Il ne sait pas qu'un B est un B et qu'il vient avant un C. Il a vu des milliards d'images contenant des zones qui ressemblent à du texte, et il a appris à produire des zones qui ressemblent à du texte.
C'est pour ça que les ratés ont cette tête caractéristique : ce n'est jamais du charabia complet, c'est presque juste. Les bonnes proportions, le bon interlettrage, la bonne police, et deux lettres inventées au milieu. Le modèle a parfaitement réussi ce qu'il faisait vraiment, qui était de dessiner une texture typographique.
Ajoutez que dans une image, le texte est souvent minuscule par rapport au reste. Le modèle alloue son attention à ce qui remplit le cadre. Une enseigne de vingt pixels de haut n'obtient pas le soin qu'elle demanderait, et c'est là que BOULANGERIE perd une lettre en route.
Ce qui a réellement changé sur le texte
Les modèles récents entraînés avec une compréhension linguistique forte écrivent du texte court correctement de façon fiable : le problème du texte est aujourd'hui un problème de choix de modèle.
Voilà le point que beaucoup de gens n'ont pas mis à jour, parce qu'ils se sont fait une opinion en 2023 et ne l'ont jamais rouverte. Le texte dans l'image marche maintenant, à condition de sortir le bon modèle.
Les modèles qui sont d'abord des modèles de langage et qui dessinent ensuite ont un avantage structurel : ils savent ce qu'est un mot avant de le dessiner. Nano Banana Pro s'appuie sur Gemini 3 Pro et gère le texte dans l'image et la mise en page précise. GPT Image 2 a exactement le même profil : sa force n'est pas la texture, c'est l'obéissance, et il écrit du texte court proprement.
À côté, Recraft V4.1 vient du monde du design et intègre le texte court proprement dans une composition graphique, ce qui en fait le premier réflexe pour une affiche ou un logo. Et Flux 2 Max tient le texte un cran au-dessus de Flux 2 Pro quand il faut du photoréalisme avec une enseigne lisible dedans.
Les modèles à ne pas utiliser quand il y a du texte
Les modèles rapides et bon marché produisent de très bonnes images sans savoir écrire : Flux Schnell à 1 crédit reste imbattable pour explorer, inutilisable pour un visuel qui porte un mot.
Corollaire du paragraphe précédent, et c'est celui qui fait perdre le plus de crédits. Flux Schnell à 1 crédit est parfait pour explorer une composition, tester un cadrage, valider une ambiance. Il n'écrira pas votre slogan correctement, et relancer quinze fois n'y changera rien.
Le réflexe qui coûte cher, c'est d'insister avec le modèle du départ. Vous êtes à la douzième génération, vous avez dépensé douze crédits pour rien, alors qu'un passage sur un modèle qui sait écrire aurait réglé le problème du premier coup pour 8 ou 19 crédits.
Ne relancez jamais plus de trois fois le même modèle sur un défaut de texte. Si trois essais n'y arrivent pas, c'est que le modèle ne sait pas faire, pas que vous avez mal demandé. Changez de modèle, c'est tout.
Comment écrire la consigne pour que le texte sorte juste
Mettez le texte exact entre guillemets, exigez explicitement qu'il apparaisse orthographié ainsi et qu'aucun autre mot n'apparaisse, et limitez-vous à quelques mots.
La formulation compte autant que le modèle. Écrivez le texte exact entre guillemets dans votre prompt, puis ajoutez une phrase qui verrouille : doit apparaître, orthographié exactement ainsi, parfaitement lisible, aucun autre mot. Sans cette phrase, le modèle ajoute volontiers une accroche de son invention sous votre titre.
Deuxième règle : restez court. Un nom de marque, un slogan de cinq mots, une date. Un paragraphe entier dans une image, aucun modèle ne le fera proprement aujourd'hui, et ce n'est pas non plus une bonne idée graphiquement. Le texte long se pose au montage ou dans un logiciel de mise en page, pas dans la génération.
Troisième règle : donnez-lui de la place. Demandez explicitement que le texte occupe une zone large et bien contrastée. Un modèle qui doit écrire six lettres sur une enseigne au fond de la rue échouera là où il réussit un titre plein cadre. C'est la même logique que pour n'importe quelle consigne, et le sujet est traité plus largement dans écrire un prompt qui marche.
Les mains : trois choix de cadrage qui règlent l'essentiel
Cadrez au-dessus des mains, occupez-les avec un objet, ou éloignez-les du plan net : ces trois décisions éliminent la majorité des ratés sans coûter un crédit.
Sur les mains, personne n'a de solution miracle et je ne vais pas vous en inventer une. Les modèles récents s'en sortent nettement mieux qu'il y a deux ans, mais aucun ne garantit cinq doigts à chaque coup. Ce qui marche, c'est de ne pas leur demander l'exercice le plus difficile.
Premier choix : le cadrage. Un plan poitrine ou un gros plan visage supprime le problème par construction. Regardez la photo publicitaire professionnelle, elle cadre au-dessus des mains beaucoup plus souvent qu'on ne le croit. Le node Caméra vous laisse fixer ce cadrage proprement au lieu de l'espérer.
Deuxième choix : occupez la main. Une main qui tient une tasse, un téléphone, un stylo, un volant, peu importe, c'est une main dont la position est contrainte par l'objet, et les modèles réussissent bien mieux ces configurations qu'une main ouverte dans le vide. Troisième choix : sortez-la de la zone nette. Une ouverture à f/1.4 dans le node Caméra place les mains dans le flou d'arrière-plan, et un doigt flou ne se compte pas.
Décrire l'action plutôt que l'anatomie
Compter les doigts dans le prompt ne fonctionne pas : le modèle ne compte pas, il faut décrire le geste, ce que la main tient et comment elle le tient.
Le réflexe universel, c'est d'écrire cinq doigts dans le prompt. Ça ne marche pas, et ça ne marchera pas, parce que le modèle ne dispose d'aucun mécanisme de comptage. Vous pouvez écrire exactement cinq doigts, une main anatomiquement correcte, il n'a pas de règle à appliquer.
Ce qui marche, c'est de décrire la scène de façon à ce que la position soit implicite. Les deux mains posées à plat sur la table. Une main refermée autour de l'anse d'une tasse. Les bras croisés. Les mains dans les poches. Vous décrivez une configuration que le modèle a vue des millions de fois dans une position stable, et il la restitue.
C'est le même principe que pour tout le reste, en réalité : on obtient beaucoup plus en décrivant une situation concrète qu'en donnant des consignes abstraites au modèle. Décrire une action, il sait. Suivre une contrainte numérique, il ne sait pas.
Réparer au lieu de relancer : l'édition ciblée
Un modèle d'édition reprend votre image et ne modifie que ce que vous décrivez : corriger une main coûte quelques crédits contre une nouvelle génération complète et un nouveau cadrage à valider.
Voilà l'habitude qui change tout, et c'est celle que les débutants n'ont pas. Quand une image est bonne à 95 pour cent, on ne relance pas. On répare.
Flux Kontext à 6 crédits ne part jamais de zéro : il exige une image d'entrée et la transforme sur instruction, en préservant ce que les modèles de génération pure recomposeraient au hasard. Vous lui donnez votre image et vous décrivez uniquement ce qui doit changer : corrige la main gauche, elle doit tenir la tasse par l'anse, ne change rien d'autre.
Nano Banana 2 à 10 crédits fait le même travail avec une compréhension d'instructions composées, et GPT Image Mini à 2 crédits est l'option la moins chère du catalogue pour une retouche simple. Dans tous les cas, la deuxième moitié de votre consigne doit lister ce qui ne bouge pas : visage, pose, cadrage, lumière, décor. Sans cette liste, le modèle vous rend une autre image, très bien, mais autre.
Le zoom avant livraison, la relecture que tout le monde saute
Les défauts se voient à cent pour cent, pas sur une vignette : agrandir l'image avant de la livrer coûte 12 crédits et évite l'erreur qui se découvre à l'impression.
Une image générée est regardée sur une vignette de canvas, validée, puis envoyée. Trois semaines plus tard, elle est imprimée en A2 et la main a six doigts. Ça m'est arrivé, et une seule fois suffit pour prendre l'habitude.
La relecture prend deux minutes. Vous ouvrez l'image en grand et vous balayez trois zones dans l'ordre : les mains, tout ce qui contient du texte y compris les arrière-plans, puis les yeux et les dents. Ces trois passages attrapent la quasi-totalité des défauts.
Pour un visuel destiné à l'impression, le node Améliorer avec Topaz Precision à 12 crédits agrandit proprement et révèle au passage ce que la basse résolution cachait. C'est le même outil que celui décrit dans rendre une photo nette, et il sert autant de loupe de contrôle que d'agrandisseur.
Les autres détails qui trahissent une image IA
Dents trop régulières, bijoux qui se dédoublent, motifs de tissu incohérents, reflets qui ne correspondent à rien : les mêmes causes produisent d'autres défauts, moins connus mais aussi visibles.
Les mains et le texte ont la vedette, mais la même mécanique produit d'autres ratés. Les dents, souvent trop nombreuses et trop régulières, parce qu'elles sont petites et répétitives. Les bijoux et les lunettes, qui se dédoublent au niveau des branches. Les motifs de tissu, rayures ou carreaux, qui partent dans une direction puis dans une autre au milieu du vêtement.
Les reflets sont un cas à part et très parlant : dans un miroir ou une vitrine, le modèle dessine quelque chose qui ressemble à un reflet sans vérifier qu'il correspond à la scène. Regardez les vitres derrière vos personnages, vous y trouverez régulièrement des choses qui n'existent nulle part dans l'image.
Et les foules, où les visages du fond deviennent inquiétants dès qu'on zoome. Là encore le réflexe est le même : cadrage qui évite le problème, ou édition ciblée qui le corrige. Ce sont exactement les points que je passe en revue dans les erreurs de débutant en IA générative.
La marche à suivre, en résumé
Choisissez un modèle qui écrit quand il y a du texte, cadrez pour éviter les mains ouvertes, réparez par édition plutôt que de relancer, et relisez en grand avant de livrer.
Sur le texte, le problème est résolu et c'est une question de modèle : Nano Banana Pro, GPT Image 2 ou Recraft pour du graphique, Flux 2 Max quand il faut du photoréalisme avec du texte dedans. Texte exact entre guillemets, phrase de verrouillage, quelques mots maximum.
Sur les mains, aucun modèle n'est parfait, et la réponse est dans la mise en scène : cadrer au-dessus, occuper la main avec un objet, ou la sortir du plan net. Décrivez le geste, jamais le nombre de doigts. Et quand une image est bonne à 95 pour cent, réparez-la avec un modèle d'édition au lieu de repartir de zéro.
Pour tester tout ça sans y laisser un budget, explorez à 1 crédit chez Flux Schnell et ne passez sur un modèle à 8 ou 19 crédits que sur la composition retenue. Le prix exact s'affiche sur le bouton avant chaque clic, et la grille complète est ici.