Le vrai problème de Midjourney n'est pas le modèle. Arrêtez d'écrire de meilleurs prompts.

Demandez à un directeur artistique ce qu'il veut : il ne vous répondra pas par un paragraphe. Il sortira trois références, pointera un coin de l'une d'elles, et dira plus comme ça, moins comme cela.

Midjourney n'accepte pas ce langage. Aucun outil d'image en chat ne l'accepte. Vous avez une boîte de texte, et vous devez y coucher votre intention en mots.

C'est tout le problème, et le reste en découle.

Les mots sont un format à perte pour exprimer le goût

Un prompt est une compression de ce que vous voulez vraiment, et la plus grande partie de ce que vous voulez ne survit pas à cette compression. La lumière de cette photo. Le poids exact de cette empattement. La raison pour laquelle la boîte Prada respire le luxe et celle d'à côté non. Vous pouvez écrire quatre cents mots et rater quand même la cible. C'est pour ça que le prompt engineering est devenu un métier.

Pire encore, tout le monde compresse de la même façon. Personne n'a de vocabulaire privé pour « cinématique », « éditorial » ou « épuré ». Résultat : mille équipes tapent à peu près les mêmes adjectifs dans à peu près le même modèle, et récupèrent à peu près la même image.

Dylan Field, le CEO de Figma, l'a dit clairement sur le podcast de Lenny en octobre 2025 : la première chose que l'IA vous rend est générique par définition, parce que c'est la moyenne de tout ce qu'elle a vu. Les prompts textuels sont ce qui vous maintient dans cette moyenne. Merriam-Webster a fait de « slop » son mot de l'année 2025, défini comme du contenu de faible qualité produit en masse par l'IA. C'est de là que vient la masse.

On a des données sur ce que cela produit dans un groupe. Anil Doshi et Oliver Hauser ont publié une étude dans Science Advances en 2024, dans laquelle des rédacteurs bénéficiaient d'une assistance IA. Individuellement, les textes assistés obtenaient de meilleures notes. Comparés entre eux, ils étaient sensiblement plus similaires. Tout le monde s'améliorait, et tout le monde se ressemblait davantage en même temps.

Ce qui produit vraiment une bonne image

Pas une meilleure phrase. Une meilleure matière première.

Un vrai brief est un empilement de choses : une photo de référence, le packaging d'un concurrent, une étude de marché, une note prise en réunion demandant une lumière « comme un appartement de Séoul à 18h ». Quand vous pouvez donner ces objets au modèle plutôt qu'une description de ces objets, la sortie cesse de dériver vers la moyenne, parce que les entrées sont les vôtres et que personne d'autre ne les possède.

L'autre effet est plus subtil. Assembler les références vous force à formuler ce que vous voulez vraiment dire. La plupart des gens ne savent pas ce qu'ils veulent tant qu'ils n'ont pas deux options côte à côte et qu'ils ne se sentent pas préférer l'une à l'autre. Une boîte de texte ne vous donne pas ça. Un mur composé de votre propre matière, si.

Et l'outil jette ensuite le travail à la poubelle

Admettons que vous ayez obtenu une bonne image. Où est-elle ?

Elle est dans un fil de chat, sous quarante autres tentatives, au-dessus de soixante autres. Le fil n'appartient qu'à vous. Personne d'autre dans l'équipe ne peut le voir.

Pensez à ce qu'il y a dans ces cent images. La version presque bonne mais trop chaude. Celle qui a raté d'une façon intéressante. La direction que l'équipe avait explicitement écartée, et que quelqu'un reproposera inévitablement trois semaines plus tard parce qu'il n'y a aucune trace qu'elle ait déjà été essayée. Tout cela avait de la valeur, et tout cela n'est plus qu'un historique de scroll dans le compte privé d'une seule personne.

Le chat est un mauvais contenant pour le travail visuel pour la même raison qu'il l'est pour les décisions. C'est une ligne. Vous ne pouvez pas mettre une ligne côte à côte avec elle-même. Pour comparer deux images dans Midjourney, vous faites défiler, vous gardez l'une en tête, vous revenez en arrière, et vous faites semblant de comparer. Vous ne comparez pas. Vous vous souvenez.

Les équipes finissent par faire ce qu'elles font toujours quand un outil les lâche. Quelqu'un fait des captures des meilleures images et les colle dans un message Slack. Quelqu'un d'autre les télécharge dans un dossier appelé final_v2. Et une semaine plus tard, plus personne ne sait laquelle des quatre versions du dossier est celle sur laquelle tout le monde s'était mis d'accord.

Ce que nous avons construit à la place

Dans ALLO, la génération se fait sur le canvas, et les deux problèmes se résolvent d'un seul geste.

Vous sélectionnez les objets sur lesquels vous voulez que le modèle s'appuie. Une image de référence, un packshot concurrent, un document de recherche, un post-it avec une idée à moitié formée : tout est déjà sur le tableau, parce que c'est là que vit le projet. Le prompt s'assemble à partir de matière réelle, plutôt que d'être tapé de mémoire. Le modèle reçoit vos éléments concrets, pas vos adjectifs.

Le résultat atterrit sur le canvas, à côté des éléments qui l'ont produit. Pas dans un fil. Pas dans un dossier. Il reste là comme un objet, versionné, et vous pouvez le poser à côté des cinq autres pour les regarder ensemble : la seule façon dont quiconque a jamais choisi entre plusieurs images.

Et ça continue. Une note devient un document de recherche. Le document devient une infographie. L'infographie devient un visuel produit. Quelqu'un pose un post-it disant « ça pourrait fonctionner comme un test de personnalité », et ça devient une landing page. Chaque étape s'appuie sur les précédentes, et toute la chaîne reste visible. Un mois plus tard, vous voyez non seulement ce que l'équipe a produit, mais comment elle y est arrivée et ce qu'elle a écarté en chemin.

Et le tableau est partagé. Les quarante images qui n'ont pas été retenues sont toujours là, visibles par l'équipe, atténuées et mises de côté plutôt que supprimées. C'est ce qui rend une décision défendable plus tard, quand un client demande pourquoi la campagne ressemble à ça et pas à l'idée évidente.

Les modèles d'image vont continuer à s'améliorer. Les images qu'ils vous rendront seront de plus en plus belles, et resteront la moyenne de ce que tout le monde obtient. Ce qui restera difficile, c'est de savoir ce que vous voulez, de montrer au modèle quelque chose de réel, et de choisir celle qui est vraiment la vôtre.

FAQ

Pourquoi les images générées par IA se ressemblent-elles toutes ? Parce que tout le monde décrit ce qu'il veut avec des mots proches, et que les modèles renvoient la sortie la plus probable pour ces mots. Dylan Field, de Figma, dit que le premier résultat est générique par définition. Nourrir le modèle avec vos propres références plutôt qu'avec des adjectifs est ce qui éloigne la sortie de la moyenne.

Pourquoi Midjourney est-il difficile à utiliser en équipe ? Les générations vivent dans un fil de chat personnel. La sortie est linéaire, donc les images ne peuvent pas être comparées côte à côte, et la majorité de ce qu'une personne a essayé reste invisible aux autres. Les tentatives écartées et le raisonnement derrière un choix disparaissent avec le fil.

Comment obtenir de meilleurs résultats avec un outil d'image IA ? Arrêtez d'essayer d'écrire un meilleur prompt. Donnez au modèle de la vraie matière : images de référence, éléments de marque, recherches, et les notes qui expliquent l'intention. Des entrées spécifiques produisent une sortie spécifique.

Où les équipes doivent-elles conserver leurs images générées par IA ? Dans un endroit que toute l'équipe peut voir ensemble, à côté du brief et des références qui les ont produites, y compris les versions écartées. Un dossier de téléchargements perd tout ce contexte en une semaine.

ALLO génère-t-il des images ? Oui, sur le canvas. Sélectionnez les références et les notes sur lesquelles vous voulez qu'il s'appuie, générez, et le résultat apparaît comme un objet sur le tableau, à côté de ses entrées, là où l'équipe peut comparer, commenter et choisir.