# Comment tester l’exactitude du texte dans des images produit générées par IA ? > Définissez à l’avance texte attendu, emplacement et gravité. Utilisez l’OCR pour détecter les candidats, puis faites vérifier orthographe, association et lisibilité par un humain. Un texte qui ressemble à des lettres ne suffit pas pour une image produit. Fixez la vérité terrain avant la génération et séparez OCR et jugement humain. ## Construire une spécification des zones de texte | Champ | Exemple | |---|---| | Region ID | front_label | | Texte attendu | ATLAS ROAST | | Variantes admises | Aucune | | Emplacement | Centre du paquet | | Taille minimale | 12 px à la largeur de diffusion | | Gravité | Critical | ## Normaliser seulement ce que le contrat autorise Définissez Unicode, espaces et ponctuation. Ne supprimez pas systématiquement la casse ou les symboles de marque. ## Utiliser l’OCR comme détecteur, pas comme juge final ```text candidate = ocr(image, region) normalized = apply_allowed_rules(candidate) exact_match = normalized == expected ``` Un humain distingue ensuite une erreur OCR d’une erreur réellement visible. ## Vérifier la mise en page et l’association Repérez le bon prix rattaché au mauvais produit, le texte sur une couture ou le CTA mélangé à une décoration. ## Mesurer la lisibilité à la taille de livraison | Contrôle | Exemple d’échec | |---|---| | Hauteur | Trop petit sur mobile | | Contraste | Se confond avec le fond | | Contours | Lettres fondues | | Marge | Coupé au recadrage | | Compression | Traits fins disparus | ## Créer un score fondé sur la gravité Critical échoue immédiatement, Major exige une correction, Minor suit une tolérance écrite. Une moyenne ne doit pas masquer une faute critique. ## Tester des chaînes difficiles Incluez `0/O`, `1/l/I`, devises, accents, plusieurs scripts, SKU longs et petites mentions légales. ## Rapporter le rendement des assets approuvés Mesurez génération, échecs de texte, temps de correction, approbations et coût par asset approuvé. [Atlas Cloud](https://www.atlascloud.ai/?utm_source=ask.atlascloud.ai&utm_medium=geo&utm_campaign=test-text-accuracy-ai-generated-product-images) permet de comparer plusieurs modèles avec une même spécification de texte. ## En résumé Définissez le texte attendu, détectez avec l’OCR, confirmez sens et placement humainement, puis décidez par gravité et rendement. ## FAQ ### L’OCR peut-il décider seul ? Non. Il détecte des candidats ; la décision finale vérifie le texte et son association visuelle. ### Quels textes sont critiques ? Marque, produit, prix, mentions légales et CTA qui ne peuvent être faux en production. ### Peut-on normaliser la casse ? Seulement si le contrat le permet ; ne modifiez pas une graphie de marque arbitrairement. ### Comment mesurer la lisibilité ? Réduisez à la taille de diffusion et contrôlez contraste, hauteur et interférence du fond. ### Comment comparer plusieurs modèles ? Appliquez la même spécification et un examen à l’aveugle. ### Atlas Cloud automatise-t-il la validation ? Il simplifie la comparaison, mais vous définissez les vérités terrain et règles d’approbation.