Générer des images cohérentes avec l'API Nano Banana
Générer une bonne image, c'est à peu près résolu. Générer la vingtième qui appartient encore à la même série que les dix-neuf premières, c'est là que les projets meurent.
L'écart n'est pas une affaire de talent au prompt. C'est que « cohérence » recouvre trois problèmes d'ingénierie différents sous un seul mot, et que la technique qui règle l'un ne fait rien pour les deux autres. Nous opérons les modèles Nano Banana sur notre API, et c'est la demande que les gens ratent le plus souvent — pas parce que les modèles ne savent pas faire, mais parce que les références entrent sans étiquette et que le modèle doit deviner à quoi chacune servait.
Trois problèmes, pas un
Séparez-les avant d'écrire un prompt. Ils échouent différemment et ils coûtent différemment.
La cohérence de personnage. La même personne sur plusieurs images — même visage, même morphologie, mêmes cheveux, reconnaissable comme un seul individu qu'elle soit assise à l'image quatre ou en marche à l'image dix-neuf. Un problème d'identité : le modèle doit porter un visage à travers des compositions qu'il n'a jamais vues.
La fidélité produit. Pas un flacon ressemblant. Ce flacon-là. Proportion exacte du bouchon, position de l'étiquette, nuance de vert. La fidélité est plus stricte que l'identité — un visage a de la tolérance, le packaging d'un client n'en a pas.
La cohérence de style. La série se lit comme une série — même étalonnage, même caractère d'objectif, même qualité de lumière, même grain. Aucun objet n'a besoin de se répéter ; c'est le traitement qui doit.
La plupart des briefs ont besoin de deux d'entre eux à la fois et les demandent en une seule instruction. « Fais que ce soit cohérent » n'est pas une demande sur laquelle une API peut agir. « L'image 1 est la personne, l'image 2 est le flacon, l'image 3 est de l'étalonnage et rien d'autre », si.
La répartition par rôle est la vraie fonctionnalité
Nano Banana Pro accepte jusqu'à 14 images de référence. Nano Banana 2 aussi, à presque moitié prix. Le nombre n'est pas la différence. Pro répartit ce budget par rôle :
| Rôle | Budget | Ce qu'il porte |
|---|---|---|
| Personnage | jusqu'à 5 | Références d'identité pour une personne ou une figure |
| Objet | jusqu'à 6 | Produits, accessoires, packaging en haute fidélité |
| Style | jusqu'à 3 | Étalonnage, ambiance lumineuse, traitement uniquement |
Quatorze au total, mais alloués. C'est l'allocation qui transforme une image de référence en instruction plutôt qu'en suggestion.
Pensez à ce qui se passe sans elle. Vous tendez quatorze images et une phrase à un modèle, et il déduit de la prose laquelle est un visage à préserver, laquelle est un produit à reproduire exactement, et laquelle n'est là que pour l'ambiance. Il déduit souvent mal. Le signe qui ne trompe pas : un produit qui est sorti « dans le style de » votre packaging plutôt qu'en tant que votre packaging, ou un visage qui porte l'étalonnage du moodboard.
Avec la répartition, vous ne demandez pas, vous déclarez. Cinq emplacements pour le qui, six pour le quoi, trois pour le comment ça doit rendre. Un composite publicitaire en une seule requête au lieu de trois tours de composition.
Pro est à $0.075 la requête à notre prix du 26 août 2026, contre un tarif courant de $0.15. Une chose de plus à savoir : la 1K et la 2K coûtent pareil sur Pro. Pour des assets d'accroche, prenez la 2K. Elle est gratuite.
Étiqueter les références dans le prompt
La répartition par rôle fait le travail structurel. Le prompt fait le travail sémantique, et il doit être explicite d'une façon qui frôle l'impolitesse. Les références arrivent dans l'ordre : nommez-les par position et dites à quoi chacune sert, y compris à quoi elle ne sert pas. C'est ce dernier point qui fuit dans la plupart des prompts.
L'image 1 et l'image 2 montrent la même femme — préserver exactement son visage,
la longueur de ses cheveux et sa morphologie. L'image 3 est le produit :
reproduire précisément la forme du flacon, la proportion du bouchon et le
graphisme de l'étiquette, ne pas le restyler. L'image 4 porte uniquement sur
l'étalonnage et l'ambiance lumineuse — ne copier depuis elle ni objet, ni pose,
ni composition.
Placer la femme des images 1 et 2 tenant le flacon de l'image 3, assise à une
table de café près d'une fenêtre, vue de trois quarts, lumière chaude
d'après-midi correspondant à l'étalonnage de l'image 4.
Quatre choses font marcher ce prompt, et aucune n'est un cinquième adjectif :
- Chaque référence est justifiée. Aucune image n'entre sans mission déclarée.
- La référence de style porte une exclusion explicite. Sans elle, un moodboard fait fuir son mobilier dans votre scène.
- Les mots d'identité sont concrets — visage, longueur de cheveux, morphologie — pas « qui lui ressemble ».
- L'instruction produit dit « ne pas restyler », et c'est la phrase qui sépare la fidélité de l'inspiration.
Nous n'allons pas traiter ici la construction générale d'un prompt ; c'est le guide de prompting. Ici, il s'agit spécifiquement de dire au modèle à quoi servent vos références.
La requête
Le travail de cohérence est de l'édition, pas de la génération : il passe donc par le slug edit-image avec image_urls.
curl -X POST https://api.e2x.ai/v1/jobs/submit \
-H "Authorization: Bearer $E2X_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "google/nano-banana-pro/edit-image",
"input": {
"prompt": "Image 1 et image 2 montrent la même femme - préserver exactement son visage, la longueur de ses cheveux et sa morphologie. Image 3 est le produit : reproduire précisément la forme du flacon, la proportion du bouchon et le graphisme de son étiquette, ne pas le restyler. Image 4 porte uniquement sur la colorimétrie et la lumière, ne copier depuis elle ni objet ni composition. Placer la femme tenant le flacon, assise à une table de café près de la fenêtre, vue de trois quarts, lumière chaude de fin de journée.",
"image_urls": [
"https://cdn.example.com/refs/model-face-front.jpg",
"https://cdn.example.com/refs/model-face-three-quarter.jpg",
"https://cdn.example.com/refs/bottle-front.jpg",
"https://cdn.example.com/refs/grade-warm-afternoon.jpg"
],
"aspect_ratio": "4:5",
"resolution": "2K"
}
}'
Le submit renvoie un job ID ; faites du polling dessus ou passez webhookUrl. Pro prend une trentaine de secondes parce qu'il génère des « images de réflexion » intermédiaires pendant qu'il compose — Google ne les renvoie pas et nous ne les facturons pas. Fixez aspect_ratio explicitement, puisque Pro est par défaut en 9:16. Le déroulé complet des paramètres est dans le tutoriel API Nano Banana Pro.
Où se placent les paliers moins chers
Nous préférons vous faire descendre d'un palier que vous vendre Pro pour un job qui n'en a pas besoin.
Nano Banana 2 prend les mêmes 14 références à $0.04, sans la répartition par rôle. C'est parfaitement suffisant pour la cohérence de style, où chaque référence fait le même travail et où il n'y a rien à désambiguïser. Six bandeaux de blog qui partagent une palette et une ambiance lumineuse n'ont pas besoin de Pro. Ils ont besoin d'une bonne référence de style et d'un template de prompt gelé. Nano Banana 2 atteint aussi la 4K, ce à quoi Lite ne touche pas du tout.
Nano Banana 2 Lite est à $0.0238 et bâti pour le volume, pas pour la fidélité. Prenez-le quand il vous faut quatre cents images qui partagent un look et qu'aucune ne porte le visage ou le packaging d'un client. Il est en 1K uniquement, sans paramètre resolution — en envoyer un est une erreur, pas un no-op.
Le Nano Banana legacy plafonne à 3 images de référence, ce qui ne suffit pas à tenir personnage et produit dans la même image, et Google le retire le 2 octobre 2026 — l'histoire complète de ce modèle est un article à part. Ne démarrez pas un projet de cohérence dessus.
Règle approximative : le travail purement stylistique va sur Nano Banana 2 ou Lite. Tout ce où un visage humain précis ou un produit physique précis doit survivre intact va sur Pro. L'écart entre $0.04 et $0.075 cesse de compter à la seconde où un client refuse un lot parce que l'étiquette était fausse.
Les prix et les conditions produit peuvent changer. Vérifiez les tarifs en vigueur de chaque provider avant toute décision d'achat. La tarification Google Batch ou Flex n'est pas directement équivalente à une requête API on-demand standard, car les conditions de planification, de disponibilité et de traitement diffèrent ; elle est donc exclue de cette comparaison. Il s'agit d'une comparaison délimitée, et non d'une affirmation selon laquelle E2X serait l'option la moins chère au monde dans toutes les configurations.
Constituez une fois un jeu de références canonique
L'habitude qui se rembourse le plus vite ici n'a rien à voir avec l'API.
Constituez le jeu de références une fois, délibérément, et réutilisez-le pour toujours. Pas « les photos qui traînaient » — un jeu fixe, versionné, stocké, dans lequel chaque requête puise. Pour un personnage : plusieurs angles du même visage en lumière neutre, face, trois quarts, profil, plus un plan pied pour la morphologie. Pour un produit : face, dos, un cadrage de détail sur l'étiquette. Pour le style : une ou deux images qui portent l'étalonnage et rien de distrayant.
Ensuite, gelez-le. Stockez les URL quelque part de permanent — votre propre bucket, pas un lien temporaire — et passez le même tableau dans chaque requête, pour toute la durée du projet.
Ça compte plus que le réglage de prompt, parce que la dérive est cumulative. Générez l'image 5 à partir de la 4 et la 6 à partir de la 5, et les petites erreurs se composent jusqu'à ce que l'image 20 soit une autre personne. Ancrer chaque image au même jeu canonique fait que chaque génération dérive de l'original d'un seul pas, jamais de vingt. Un éventail, pas une chaîne.
Une habitude connexe : si le jeu inclut des images que vous avez générées, gardez les fichiers sources. Les URL de livraison de n'importe quelle API image expirent, alors téléchargez et stockez vos propres assets — comment faire tourner la génération automatiquement contient la boucle complète.
Générez un visuel d'accroche, puis dérivez les variantes
Le workflow qui produit le plus de sorties utilisables par dollar n'est pas « générer vingt images ». C'est « générer une image vingt fois de suite ».
Faites un seul visuel d'accroche sur Pro et réussissez-le — composition, éclairage, visage, produit. Brûlez quelques tentatives ; à $0.075, l'exploration est bon marché.
Puis arrêtez de générer et commencez à éditer. Renvoyez le visuel validé en référence à côté de votre jeu canonique et demandez le changement voulu : autre angle, autre fond, autre cadrage, le modèle regardant ailleurs plutôt que l'objectif. Chaque variante est ancrée à quelque chose qui a déjà passé la validation, plutôt qu'à un nouveau coup de dé.
Éditer bat regénérer pour une raison qu'on rate facilement. Une regénération redécide tout ; chaque paramètre qui vous convenait est remis en jeu. Une édition conserve ce que vous n'avez pas mentionné. Après un après-midi passé à réussir un visage, le redécider vingt fois est la dernière chose que vous voulez.
Deux notes pratiques. Surveillez le compte de références en réinjectant le visuel d'accroche — visuel plus un jeu de cinq images de personnage plus un produit, ça fait déjà sept sur quatorze. Et sauvegardez le prompt du visuel validé à côté de l'image ; une variante est généralement ce prompt avec deux propositions échangées, et le réécrire de mémoire réintroduit la dérive que vous venez de payer pour supprimer.
Ce qu'aucun jeu de références ne règle
Google incruste SynthID dans chaque image que produisent ses modèles. C'est invisible, ça voyage à l'intérieur du fichier, et ce n'est un réglage exposé par personne parce que ce n'est pas un réglage du tout. Ça compte davantage ici que dans la plupart des articles : les projets de cohérence sont des projets clients, et le contrat d'un client peut porter une clause sur les assets générés par IA. Tranchez cette clause avant de shooter le jeu de références, pas après que vingt images validées sont dans un deck.
Le travail de cohérence est presque toujours de l'édition, donc les modèles image-to-image sont le rayon à parcourir en premier, et le catalogue a le versant vidéo si le brief bouge.
Questions fréquentes
Comment garder le même personnage sur plusieurs images générées par IA ?
Constituez un jeu de références canonique — plusieurs angles du même visage en lumière neutre, plus un plan pied pour la morphologie — stockez-le de façon permanente, et passez les mêmes images à chaque requête. Utilisez les emplacements personnage de Nano Banana Pro, qui tiennent jusqu'à 5 images d'identité, et déclarez dans le prompt quelles images sont la personne. Ancrez chaque image au jeu d'origine plutôt qu'à l'image précédente, sinon les erreurs se composent en un autre visage dès la vingtième.
Combien d'images de référence l'API Nano Banana accepte-t-elle ?
Nano Banana Pro en accepte 14, réparties par rôle : jusqu'à 5 images de personnage, jusqu'à 6 images d'objet et jusqu'à 3 références de style. Nano Banana 2 en accepte 14 également, mais sans la répartition par rôle. Nano Banana 2 Lite est bâti pour le volume plutôt que pour le travail chargé en références, et le Nano Banana legacy plafonne à 3.
Quelle différence entre cohérence de personnage et fidélité produit ?
La cohérence de personnage, c'est qu'une personne reste reconnaissable sur beaucoup d'images — même visage, mêmes cheveux, même morphologie, avec une tolérance aux petites variations. La fidélité produit, c'est que l'objet se reproduit exactement : graphisme d'étiquette précis, proportion de bouchon et couleur exactes, aucun restylage. Pro les traite dans des emplacements de référence différents parce qu'ils réclament une rigueur différente, et le prompt doit dire quelle image est laquelle.
Faut-il prendre Nano Banana Pro ou Nano Banana 2 pour des images cohérentes ?
Prenez Nano Banana 2 à $0.04 quand le besoin est stylistique — des images qui partagent une palette, un éclairage et un traitement, sans visage ni produit précis à préserver. Prenez Nano Banana Pro à $0.075 quand un visage ou un produit physique particulier doit survivre intact, parce que c'est le budget de références réparti par rôle qui dit au modèle laquelle est laquelle. L'écart de prix est petit à côté d'un lot refusé.
Comment étiqueter les images de référence dans un prompt Nano Banana ?
Désignez-les par leur position dans l'ordre où vous les passez dans image_urls, et déclarez à quoi chacune sert. « L'image 1 et l'image 2 sont la même femme, préserver son visage et sa morphologie ; l'image 3 est le produit, le reproduire exactement ; l'image 4 est de l'étalonnage uniquement, ne copier depuis elle ni objet ni composition. » Les exclusions comptent autant que les instructions, puisqu'une référence de style non qualifiée fera fuir ses objets et sa composition dans votre scène.
Vaut-il mieux éditer une image existante ou en générer une nouvelle ?
Éditer, dès que vous avez une image qui vous convient. Une regénération redécide chaque élément, y compris ceux qui vous plaisaient ; une édition conserve tout ce que vous n'avez pas mentionné. Le workflow efficace, c'est un visuel d'accroche fabriqué avec soin, puis des variantes dérivées via l'endpoint edit-image avec vos références canoniques attachées.
Pourquoi mes images générées s'éloignent-elles du personnage d'origine ?
Presque toujours parce que chaque nouvelle image a été générée à partir de la précédente au lieu d'un jeu de références fixe. Ça rend les erreurs cumulatives — une mâchoire un peu plus ronde à l'image 3 devient la base de l'image 4, et à l'image 20 c'est une autre personne. Ancrez chaque requête aux mêmes images canoniques stockées, pour que chaque sortie soit à un pas de l'original plutôt qu'à vingt.