Mannequin IA : le service photo à vendre aux boutiques

Un mannequin IA désigne une personne qui n’existe pas, créée par un modèle d’image, qui porte vos vêtements sur des photos réalistes. Grâce à deux workflows n8n, j’ai converti 3 photos produit d’AliExpress en 19 photos portées par un mannequin en 15 minutes, pour un coût de génération de 1,02 €. Pour un freelance, c’est un service simple à vendre aux boutiques de mode en ligne : elles ont des photos d’usine qui ne vendent rien, et un shooting avec photographe, mannequin et studio leur coûte au minimum 1 000 €.

34:26

Ce que montre la démo : 3 photos fournisseur, 19 photos portées

Je suis parti de ce que toute boutique reçoit de son fournisseur : un pull, un pantalon et une paire de baskets jaunes photographiés à plat, sans personne dedans. Ces photos ne donnent envie de rien.

Le système fait le reste en trois étapes :

1. il génère 6 mannequins selon vos critères, et vous en choisissez un ;
2. il habille ce mannequin avec les 3 produits, dans une photo principale en 2K ;
3. il produit 18 variations : 6 angles du mannequin complet, 6 gros plans sur un produit (les chaussures, le bas, le haut), 6 poses plus « fashion ».

Sur la photo principale, le réalisme est bluffant. Je n’avais rien précisé sur la façon de porter le pull, et le modèle l’a placé comme un styliste l’aurait fait. Sur un second test avec un mannequin homme (polo Under Armour, short, baskets), le détail du pied dans la chaussure et des bras rend la photo difficile à distinguer d’une vraie.

Sur les 18 variations, en revanche, une pose fait un peu bizarre, un regard paraît fâché, une photo fait « gadget ». Il faut donc trier avant de livrer.

Le coût : 1,02 € pour les 19 images, et environ 6 € de crédits pour monter et tester le workflow. Le temps : une quinzaine de minutes, selon la disponibilité de l’API.

Les modèles d’image utilisés, et ce qui a changé depuis

La vidéo date de décembre 2025. Le principe tient toujours, mais les modèles et les prix ont bougé. Voici ce qu’utilise le workflow, et ce que disent les pages de prix fin octobre 2026.

Pour générer le mannequin : Flux 1 Kontext Pro. J’ai testé Nano Banana, Flux Kontext Pro et le modèle d’OpenAI : Flux donnait les visages les plus réalistes, pour moins cher. Chez Kie.ai, il coûte toujours 5 crédits par image, soit environ 0,025 $.

Pour la photo principale : Nano Banana Pro, le modèle d’image de Google, sorti quelques jours avant le tournage. Il rend en 2K et en 4K, la résolution d’une photo principale de fiche produit. Kie.ai l’affiche à 0,09 $ l’image en 1K ou 2K et 0,12 $ en 4K, contre 0,134 $ et 0,24 $ au tarif officiel de Google. Dans la vidéo, je parlais de 20 % d’écart avec Google ; la page de Kie annonce désormais jusqu’à 50 %.

Pour les 18 variations : GPT-4o Image, d’OpenAI, moins cher. Il reste proposé chez Kie à 6 crédits l’image (environ 0,03 $), mais il n’est plus le modèle d’OpenAI le plus récent : GPT Image 1.5 et GPT Image 2 sont arrivés depuis, au même ordre de prix.

Nouveau depuis le tournage : Nano Banana 2, la version rapide de Google, à 0,067 $ l’image en 1K au tarif officiel et 0,04 $ chez Kie. C’est le candidat naturel pour remplacer GPT-4o Image sur les variations, à tester sur vos produits avant de basculer.

Recalculé aux prix affichés par Kie aujourd’hui, un shooting complet revient à environ 0,78 $ : 6 mannequins à 0,025 $, une photo principale à 0,09 $, 18 variations à 0,03 $. Les crédits s’achètent toujours au même taux qu’en décembre : 1 000 crédits pour 5 $.

Ces prix changent tous les deux ou trois mois. Vérifiez-les sur la page de chaque modèle avant de chiffrer une proposition.

Pourquoi passer par un hub d’API comme Kie.ai

Pour appeler plusieurs modèles d’image depuis n8n, le plus simple est un hub d’API : un seul compte, une seule clé, des dizaines de modèles. C’est l’équivalent d’OpenRouter pour le texte.

Il y en a deux principaux. Fal.ai est plus rapide. Kie.ai est nettement moins cher sur plusieurs modèles, mais un peu plus lent : c’est pour ça qu’un shooting prend un quart d’heure. Pour un service livré en 48 heures, la lenteur ne gêne personne : c’est le prix qui compte.

Chaque modèle a son propre format d’appel chez Kie. Le JSON envoyé à Flux, à Nano Banana et à GPT-4o Image n’est pas le même : copiez l’exemple de la documentation de chaque modèle plutôt que de le deviner.

Comment le système est construit dans n8n

Deux workflows n8n, une base Airtable avec deux onglets (« Modèles » et « Shootings »), et des appels HTTP vers Kie.ai. Je me suis inspiré du travail de Rory Flynn, un marketeur américain spécialiste de la génération d’images.

Workflow 1 : générer le mannequin

Un formulaire n8n déclenche tout. Il a 8 champs : le type de photo (« studio fond blanc, photo publicitaire 85 mm »), le cadrage (plan en pied), le genre, la perspective (trois quarts), l’âge, l’ethnicité et les caractéristiques (coupe courte dégradée noire), la morphologie, le style (minimaliste et élégant).

Ensuite :

1. Un LLM traduit ces champs en un prompt en anglais. Les modèles d’image comprennent mieux l’anglais. J’utilisais GPT-5.1, rien de compliqué.
2. Un appel HTTP à Kie.ai lance la génération avec Flux Kontext Pro : ratio 1:1, sortie PNG, « safety tolerance » à 6, le réglage qui m’a donné la meilleure qualité.
3. Une boucle vérifie si l’image est prête : un nouvel appel tant que le statut renvoyé n’est pas à 1.
4. L’image part dans Airtable (un « create record » avec le prompt, le modèle utilisé et l’URL de l’image).
5. Un compteur relance la génération jusqu’à 6 images.

Pourquoi 6 ? Parce qu’un modèle d’image vous sort aussi des résultats inutilisables. Vous en générez 6, vous cochez le meilleur dans la colonne « actif » d’Airtable, et c’est lui qui posera pour tout le shooting.

Un piège n8n au passage : dans la boucle, $json.text ne pointe plus vers le prompt, mais vers la sortie du dernier nœud appelé. Un nœud « Edit Fields » qui recrée un champ text avec le prompt règle le problème.

Workflow 2 : le shooting

Il prend un identifiant (« automne jaune ») et 3 photos : le haut, le bas, les chaussures.

1. Chaque photo est envoyée chez Kie, puis décrite par GPT-5 mini. Le prompt final s’appuie sur ces descriptions.
2. Un nœud Merge attend les 3 descriptions, puis un nœud Aggregate les réunit en un seul élément : un seul mannequin, donc un seul passage dans la suite du workflow.
3. Le shooting est créé dans Airtable, puis mis à jour avec les photos. Les ajouter pendant la création créait des doublons.
4. Le mannequin coché « actif » est récupéré (filtre actif = true) et envoyé chez Kie.
5. Un LLM écrit le prompt de la photo principale, avec la description des 3 produits et du mannequin, et Nano Banana Pro la génère : 4 images en entrée, ratio 1:1, 2K, PNG.
6. Trois prompts produisent chacun 6 consignes (angles de caméra, gros plans produit, poses fashion sans changer la tenue ni le décor), et GPT-4o Image génère les 18 variations à partir de la photo principale.

Pour avoir 4 variations au lieu de 6, ou 10, il suffit de changer le chiffre dans le prompt (« décris 6 angles de caméra différents »).

Les trois détails qui font planter le workflow

• Le prompt de Nano Banana ne doit pas dépasser 5 000 caractères. Même en demandant des prompts courts au LLM, je coupe à 4 999 caractères avant l’appel.
• Nano Banana Pro est lent. La boucle attend 5 secondes entre deux vérifications ; elle a tourné 28 fois, soit 140 secondes pour une seule image.
• Airtable écrase les pièces jointes. Mettre à jour un champ qui contient déjà des images les remplace, sauf si vous renvoyez leurs identifiants. Un petit nœud Code en JavaScript (écrit avec Claude) relit les images existantes, ajoute la nouvelle et renvoie le tout.

Si ces notions vous échappent, commencez par les bases de workflow n8n avant de reproduire celui-ci.

Droits, transparence, visages : les trois points de vigilance

Avant de vendre ce service, posez ces questions au client dès le premier rendez-vous. Elles se règlent vite.

Les droits sur les images générées

Les plateformes (Kie, Google, OpenAI) autorisent l’usage commercial de ce que vous générez, selon leurs conditions. Lisez celles de l’outil que vous utilisez.

En revanche, en droit français, le droit d’auteur protège une création humaine originale. Une image sortie d’un prompt est mal protégée : un concurrent qui la reprend n’est pas facile à attaquer. Dites-le au client, sans dramatiser. Et prévoyez dans votre devis à qui reviennent les fichiers et le mannequin choisi.

Côté entrée, travaillez à partir des photos des produits que le client vend vraiment, idéalement les siennes. Une photo de fournisseur appartient à quelqu’un.

La transparence envers les acheteurs

Il n’existe pas de règle de la DGCCRF propre aux photos de mannequin générées en e-commerce. Trois textes s’en approchent :

• L’AI Act européen (article 50), applicable depuis le 2 août 2026 : celui qui diffuse un « deepfake », une image générée qui ressemble à des personnes, objets ou lieux existants et pourrait passer pour authentique, doit indiquer qu’elle a été générée ou manipulée. Le 30 avril 2026, le gouvernement a répondu au Sénat que c’est ce texte, et pas une nouvelle mention française, qui encadrera la publicité faite avec l’IA, sur tous les canaux.
• La loi influenceurs du 9 juin 2023 impose la mention « images virtuelles » sur un contenu commercial publié sur les réseaux sociaux.
• Le décret du 4 mai 2017 impose « photographie retouchée » quand la silhouette d’un mannequin a été modifiée sur une photo commerciale.

Si un mannequin fictif sur une fiche produit entre ou non dans la définition du deepfake, les lignes directrices de la Commission européenne le précisent au cas par cas : pour un client qui veut une réponse ferme, c’est une question pour son avocat.

Le conseil de bon sens, lui, ne coûte rien : une mention courte sur la fiche ou dans les visuels (« photos générées par IA à partir du produit réel »). Et surtout, l’image doit montrer le produit tel qu’il est. Si le modèle change la couleur, le logo ou la coupe, l’acheteur reçoit autre chose que ce qu’il a vu : c’est le retour assuré, et c’est trompeur. Comparez chaque image au produit avant de la livrer.

Le visage d’une personne réelle

Ne générez jamais un mannequin à partir du visage d’une personne réelle sans son accord écrit : ni une célébrité, ni une connaissance, ni un mannequin trouvé sur Instagram. Le droit à l’image (article 9 du Code civil) s’applique, et depuis la loi du 21 mai 2024 (dite SREN), diffuser sans son consentement un contenu généré par un algorithme qui représente une personne est un délit, quand le caractère artificiel n’est ni évident ni signalé (article 226-8 du Code pénal).

Le workflow part d’une description écrite, pas d’une photo de quelqu’un : gardez-le comme ça. Si un client veut « sa » mannequin habituelle en version IA, il faut un contrat avec elle qui prévoit cet usage.

À qui vendre ce service, et comment le présenter

Le client idéal n’est pas « les e-commerçants » en général. Ce sont :

• les boutiques de mode en ligne qui sourcent chez des fabricants (AliExpress, Alibaba, grossistes) et n’ont que les photos d’usine ;
• les petites marques de vêtements et d’accessoires qui sortent une collection chaque saison et ne peuvent pas payer un shooting à chaque fois ;
• les vendeurs sur marketplace, où la photo principale décide du clic.

Ce que vous livrez : pour chaque tenue, une photo principale en 2K et un lot de variations triées (angles, gros plans, poses), avec un mannequin qui reste le même d’un produit à l’autre. Le délai : 48 heures pour une collection, parce que la génération prend 15 minutes par tenue et que le tri et le contrôle du produit prennent le reste.

La phrase qui ouvre le rendez-vous : « Envoyez-moi 3 photos fournisseur d’une tenue, je vous renvoie demain 19 photos portées par un mannequin. » Faites l’essai gratuit sur un de ses produits. Le client voit le résultat sur son propre produit, et la discussion change.

Pour trouver ces boutiques, la méthode de cold email marche bien : une capture avant et après dans le premier message suffit. Si vous hésitez encore sur votre marché, le guide pour trouver une niche vous aide à choisir. Et ce service est un bon premier produit si vous démarrez comme freelance IA : il se montre en une image.

Par où commencer

Débutez avec une seule boutique et une seule tenue. Montez le premier workflow, générez 6 mannequins, gardez le meilleur, puis lancez le shooting sur les 3 photos d’un vrai produit du client.

Prévoyez 5 $ de crédits Kie, puis comparez chaque visuel au produit réel avant de le livrer. Intégrez la mention « photos générées par IA » dès la première livraison : c’est plus simple que de l’ajouter après coup sur 200 fiches.

Une fois que le client a validé, vous avez votre démo pour les dix suivants.