CFG Guidance Scale Stable Diffusion : Contrôlez les Prompts et les Artefacts

En mai 2026, l’échelle de guidance CFG reste l’un des moyens les plus directs pour piloter les modèles de diffusion comme Stable Diffusion. Elle détermine à quel point le résultat respecte votre prompt texte ou s’en éloigne pour suivre ses propres idées. Des valeurs basses entre 1 et 3 laissent de la marge au modèle. Les textures de peau s’adoucissent, les poses deviennent plus naturelles et l’éclairage prend des directions inattendues mais souvent agréables. Augmentez l’échelle et chaque détail d’un prompt érotique — la courbe d’une hanche, l’angle exact d’une main — se verrouille avec plus de précision. Honnêtement, j’ai passé plus de temps à ajuster ce paramètre sur des scènes intimes que nécessaire. Le compromis apparaît vite : trop bas et l’image ignore la moitié de votre description, trop haut et vous obtenez des couleurs sursaturées ou des proportions déformées.

Le mécanisme commence pendant l’entraînement. Le modèle apprend à prédire le bruit avec et sans le prompt en supprimant aléatoirement le conditionnement. Au moment de l’échantillonnage, il combine les deux prédictions par une simple extrapolation linéaire. La formule est la suivante : prédiction finale = inconditionnel + échelle × (conditionnel – inconditionnel). Quand l’échelle est à 1, le terme du prompt disparaît complètement et vous obtenez une génération purement inconditionnelle. Augmentez-la et l’influence du prompt croît de façon exponentielle. La plupart des analystes sautent cette partie. Pourtant, comprendre cette extrapolation explique pourquoi de petits changements du curseur produisent des variations visibles dans la précision anatomique et la cohérence de l’éclairage.

Pour un travail NSFW réaliste, le point idéal se situe généralement entre 4 et 6. Les corps restent proportionnés, la peau affiche une diffusion sous-cutanée crédible et les poses respectent l’intimité demandée sans devenir rigides. Au-delà de 10, le modèle obéit à chaque adjectif du prompt, mais les reflets brûlent et les membres s’étirent parfois de façon à briser l’illusion. Les compositions en gros plan en souffrent en premier. Comprendre les mécanismes de la guidance CFG est exactement ce qui permet aux outils image-to-vidéo de nouvelle génération de produire des scènes adultes hyper-réalistes et fidèles au prompt avec un contrôle précis de l’éclairage, de l’anatomie et du mouvement. Échelle de Guidance CFG : Contrôle de Précision dans la Diffusion IA pour Adultes explore comment ces mêmes principes s’appliquent une fois le mouvement intégré.

SD 1.5 préfère encore 7–12 pour des résultats nets, bien que les planificateurs modernes permettent de descendre de quelques points sans perdre en fidélité. SDXL se sent à l’aise entre 5 et 8. Flux et SD 3.5 répondent mieux à la plage basse 3–5 car leur entraînement a déjà intégré une adhérence plus forte aux prompts. Les valeurs CFG élevées interagissent aussi avec le nombre d’étapes d’échantillonnage. À 20 étapes, une échelle de 8 peut sembler propre ; à 50 étapes, la même valeur doit souvent être abaissée pour éviter un sur-accentuation. Les pipelines vidéo amplifient ces différences car chaque image doit rester cohérente tout au long de la séquence. Oui, je sais ce que cela peut sembler, mais les données le confirment sur des dizaines de rendus de test.