En image-to-image, le modèle d’IA reçoit une image en plus d’un prompt. Selon la méthode, la source fixe la composition, le sujet ou seulement le style, et un réglage d’intensité décide jusqu’où le résultat peut s’en éloigner. Pour les vendeurs, la forme utile est celle où la photo produit sert d’ancrage : le vêtement, le sac ou la chaussure reste le sujet, tandis que le décor, le modèle ou la lumière changent.
La source porte l’information dont dépend le résultat. Une photo de téléphone floue, un vêtement froissé ou une dominante de couleur est soit transmis, soit contourné au jugé ; une photo nette et régulièrement éclairée du produit entier, prise bien de face, laisse à l’IA le moins de choses à inventer. Les parties que la source ne montre pas, comme le dos d’une veste ou l’intérieur d’un sac, doivent être inventées, et c’est là qu’apparaissent les erreurs.
Même à partir d’une bonne source, le résultat est un nouveau dessin du produit, non les pixels d’origine. Plus le réglage d’intensité est élevé, plus l’IA redessine librement : le décor change d’abord, puis la couleur et la texture dérivent, puis la construction, comme les lignes de couture, la forme des poches et le placement de l’imprimé. Une intensité faible reste proche de la source mais en garde aussi les défauts : le réglage se trouve donc en comparant quelques résultats avec l’article réel. Les marketplaces qui acceptent les images IA demandent qu’elles montrent le produit fidèlement, et leurs règles de signalement diffèrent.