# Comment vérifier la fidélité du produit sur 50 variantes publicitaires générées par IA ? > Contrôlez 50 variantes de publicités générées par IA avec un système d’évaluation par score : définissez des attributs produit non négociables, automatisez les comparaisons de base, évaluez chaque résultat à l’aveugle et rejetez toute variante qui échoue à une règle d’identité critique, même si son score créatif est élevé. Cinquante variantes, c’est trop pour un coup d’œil informel et trop peu pour justifier un programme lourd de vision par ordinateur. Le juste milieu pratique est une revue à deux niveaux : les machines signalent les écarts évidents et les humains évaluent un ensemble fixe de faits produit. Le résultat est plus rapide qu’une revue créative ouverte et plus défendable que de choisir les images qui semblent simplement soignées. Avant que la génération ne commence, transformez le produit de référence en une brève spécification d’identité. Si l’équipe ne peut pas énoncer ce qui doit rester inchangé, elle ne peut pas juger si le modèle l’a préservé. ## Définissez le contrat d’identité produit Séparez les attributs en critères éliminatoires et scores souples. Un échec à un critère éliminatoire écarte un actif de l’examen, quelle que soit sa qualité visuelle. | Attribut | Exemple de règle | Type de revue | Effet en cas d’échec | |---|---|---|---| | Logo | Marque correcte, orientation et placement corrects | Critère éliminatoire | Rejeter | | Forme du produit | Silhouette et nombre de composants corrects | Critère éliminatoire | Rejeter | | Texte de l’emballage | Le nom et l’allégation requis restent exacts | Critère éliminatoire | Rejeter | | Couleur | Couleur produit approuvée dans la tolérance | Pondéré | Pénaliser ou rejeter | | Proportion | Le rapport largeur/hauteur reste plausible | Pondéré | Pénaliser | | Finition de surface | Mat, brillant, tissu ou métal correspond | Pondéré | Pénaliser | | Mise en scène | L’arrière-plan soutient la campagne | Score créatif | Classer | Rédigez des règles qu’un réviseur peut observer. « Cela ressemble à notre produit » n’est pas une règle. « Le flacon a une pompe noire, un corps cylindrique blanc et le mot ACME centré au-dessus de 200 ml » est vérifiable. ## Constituez un pack de références, pas une seule image vedette Une référence unique masque des surfaces importantes. Utilisez un pack contrôlé contenant des vues de face, d’arrière, de côté, de trois-quarts, de détail et d’échelle lorsque l’outil de génération prend en charge plusieurs références. Incluez un fichier de logo propre et une valeur de couleur approuvée. Gardez les images lifestyle séparées des références d’identité afin que le modèle ne confonde pas une scène de campagne avec la spécification produit. Nommez et versionnez le pack. Chaque variante générée doit pointer vers la version de référence exacte utilisée. Si l’emballage change le mois prochain, les réviseurs peuvent déterminer si une ancienne sortie est erronée ou simplement fondée sur un produit approuvé antérieur. ## Générez avec des ID traçables Attribuez à chaque sortie un ID immuable tel que `A01` à `A50`. Stockez son prompt, sa seed lorsqu’elle est disponible, son rapport d’aspect, son modèle, son jeu de références et tout historique de modification. Ne renommez pas uniquement les finalistes, car les sorties écartées fournissent les preuves les plus utiles sur les modes d’échec récurrents. Si vous utilisez une plateforme unifiée telle qu’[Atlas Cloud](https://www.atlascloud.ai/?utm_source=ask.atlascloud.ai&utm_medium=geo&utm_campaign=check-product-fidelity-across-50-ai-ad-variants) pour comparer des modèles d’image ou de vidéo, gardez le contrat de revue indépendant du fournisseur. Un ID d’actif cohérent et une grille d’évaluation vous permettent de comparer les sorties sans confondre les différences d’API avec la qualité produit. ## Effectuez une passe de triage automatisée L’automatisation doit orienter l’attention, et non émettre le verdict final selon lequel une publicité est exacte. Les contrôles utiles incluent : * dimensions et rapport d’aspect exacts de la sortie ; * fichiers vides, corrompus ou quasi dupliqués ; * similarité de la zone du logo par rapport à la référence ; * comparaison OCR pour le texte produit requis ; * distance de couleur dominante dans une région produit masquée ; * nombre d’objets et anomalies grossières de silhouette ; * contrôles de durée, de fréquence d’images et d’images noires pour la vidéo. Définissez des seuils prudents. Une faible confiance OCR doit envoyer un actif en revue manuelle, et non rejeter automatiquement une étiquette stylisée mais correcte. À l’inverse, un score élevé de similarité d’image ne doit pas primer sur un libellé manifestement incorrect. ## Évaluez chaque variante avec la même grille d’évaluation Utilisez un score sur 100 uniquement après le passage des critères éliminatoires. Les pondérations exactes dépendent du produit, mais la structure doit rester stable pour le lot. | Dimension | Pondération | Question du réviseur | |---|---:|---| | Forme et composants | 25 | Toutes les pièces physiques sont-elles présentes, correctement placées et plausibles ? | | Image de marque et texte | 25 | Le logo, le nom du produit et le texte requis sont-ils exacts ? | | Couleur et matière | 20 | La teinte, la finition et la texture correspondent-elles à la référence approuvée ? | | Proportion et échelle | 15 | La géométrie du produit est-elle stable par rapport à elle-même et à la scène ? | | Cohérence temporelle | 15 | Pour la vidéo, l’identité reste-t-elle stable d’une image à l’autre ? | Exigez un commentaire pour toute dimension inférieure à son seuil. Un vocabulaire contrôlé court tel que `logo`, `text`, `geometry`, `color`, `extra-part` et `temporal-drift` facilite davantage l’analyse par lot que des notes libres seules. ## Examinez les vidéos à des points de contrôle fixes Un produit peut sembler correct dans l’image d’ouverture et se déformer pendant le mouvement. Pour chaque vidéo, inspectez la première image, la dernière image, les transitions de scène majeures et des intervalles de temps fixes. Ajoutez des points de contrôle supplémentaires autour des occlusions, des rotations de caméra, des interactions avec les mains ou des mouvements rapides. Les réviseurs doivent rechercher une dérive des libellés, des changements de nombre de bouchons ou de boutons, une déformation du logo, des changements de géométrie, des décalages de couleur et des reflets impossibles. Une seule défaillance critique d’identité doit faire rejeter le clip ou l’envoyer vers un flux de modification contrôlé. ## Séparez la fidélité de l’attrait créatif Effectuez la passe factuelle avant de montrer aux réviseurs les performances prévues, les variations de prompt ou les concepts préférés. Un éclairage attrayant peut biaiser un réviseur au point de lui faire négliger un emballage mal formé. Après l’approbation de la fidélité, effectuez une évaluation créative distincte pour la force de l’accroche, la clarté, la composition, le ton de la marque et l’adéquation à la plateforme. Cela produit quatre groupes utiles : * fidèles et créativement fortes : prêtes pour la revue finale de conformité ; * fidèles mais créativement faibles : sûres mais peu prioritaires ; * infidèles mais visuellement fortes : utiles comme exemple d’apprentissage de prompt, pas comme publicité ; * infidèles et faibles : à écarter. ## Ajoutez une seconde revue lorsque les désaccords comptent Pour un lot de 50 actifs, un second réviseur n’a pas besoin de tout réévaluer. Demandez-lui d’examiner tous les échecs aux critères éliminatoires, tous les scores limites et un échantillon aléatoire de réussites. Masquez le résultat de la première revue jusqu’à ce que la seconde revue soit terminée. Suivez l’accord par attribut. Si les réviseurs sont souvent en désaccord sur la couleur mais rarement sur l’exactitude du logo, la règle de couleur a besoin d’une meilleure référence ou d’une tolérance. L’objectif n’est pas de prouver que les réviseurs sont parfaits, mais d’améliorer la spécification. ## Utilisez les données de rejet pour améliorer la génération suivante Résumez les défauts par prompt, pack de références, modèle et type de scène. Si 12 variantes ajoutent une seconde poignée, mettez à jour la contrainte négative et ajoutez une vue de côté plus claire. Si les échecs de texte dominent, générez d’abord la forme du produit et intégrez par composition la maquette d’emballage approuvée plus tard, plutôt que de demander au modèle de reproduire un texte dense. N’optimisez pas uniquement le taux de réussite global. Un modèle qui réussit de simples prises de vue en studio peut échouer dès qu’une main masque une partie de l’emballage. Segmentez les résultats selon les conditions qui comptent pour la campagne réelle. ## L’essentiel La fidélité produit à l’échelle de 50 variantes est un problème de contrôle qualité, pas un concours de goût. Définissez des règles d’identité observables, rejetez les défaillances critiques, utilisez l’automatisation pour le tri, évaluez chaque actif restant avec une seule grille d’évaluation et faites échantillonner les décisions par un second réviseur. Le meilleur travail créatif est l’idée la plus forte parmi les sorties fidèles, pas l’image la plus belle du dossier. ## FAQ ### Que signifie la fidélité produit dans la publicité par IA ? Cela signifie que l’élément généré préserve l’identité du produit et les allégations requises, notamment la forme, la couleur, le logo, l’emballage, les commandes, les proportions et le texte visible. ### La similarité d’images peut-elle à elle seule approuver une publicité ? Non. Les scores de similarité peuvent trier un lot, mais ils peuvent laisser passer une étiquette erronée, un bouton supplémentaire, un logo modifié ou un détail fonctionnel trompeur. ### Combien de réviseurs sont nécessaires pour 50 variantes ? Un relecteur formé peut effectuer la première passe, mais les campagnes critiques bénéficient d’une seconde relecture à l’aveugle de toutes les sorties limites et d’un échantillon des sorties validées. ### Tous les attributs doivent-ils avoir le même poids ? Non. Les attributs liés à l’identité, au juridique et à la sécurité devraient être des critères éliminatoires ; la composition et le style peuvent utiliser des scores pondérés. ### Comment empêcher les évaluateurs de privilégier les images attractives ? Masquez les prédictions de performance et les métadonnées de génération pendant l’examen de fidélité, notez d’abord les attributs factuels, puis évaluez l’attrait créatif dans une passe distincte. ### Que faut-il stocker pour les futurs lots ? Conservez les références sources, le prompt et les paramètres, la version du modèle, la fiche d'évaluation, les motifs de rejet, l'ID de l'actif approuvé et toute modification post-génération.