Date : 31/10/2026, rédigé par Claude Code. Il fait suite à la passation d'Antigravity (artifacts/DOSSIER_PASSATION_CLAUDE_CODE_USINE_STUDIO_CREATIF.md) et au cadrage validé par Raphael (artifacts/CADRAGE_ARCHITECTURE_USINE_STUDIO_CREATIF.md).
Destinataire : n'importe quelle IA qui code. Chaque ticket indique ses entrées, ses sorties, les fichiers à créer, le test à lancer et quand il est terminé.
Projet jumeau : Usine Boutique (usine_boutique/, plan artifacts/DROPMAGIC_CLONE/PLAN_USINE_BOUTIQUE_CLONE_DROPMAGIC_20261031.md). Mêmes principes : graphe d'étapes, state.json, schémas Pydantic, portes Telegram.
C:\ASSISTANT_IA\usine_studio\. Il importe les briques existantes sans les modifier :PROJET_STUDIO_PUB/studio : client fal.ai, visual_pipeline_helpers (recommend_model, erase_region, animate_static_camera), montage, sous-titres, voix ;tools/render_static_ad.py ;usine_boutique : produit, kit de marque, angles, offres.Pourquoi pas une extension de PROJET_STUDIO_PUB ? Ce dossier est un outil de publicité vidéo en ligne de commande, qui a son propre fichier d'état, ses propres ID PUB-XX et ses propres sous-dossiers d'état que Claude peut effacer librement. Y ajouter 6 lots le rendrait illisible et mélangerait deux usages différents. usine_studio l'utilise donc comme une bibliothèque, et la Porte A / Porte B pour la vidéo restent appelées telles quelles.
2. Point d'entrée : python -m usine_studio run --slug <slug> [--lots 1,2,4] [--mode supervise]. Il lit les artefacts de l'Usine Boutique du même produit (pipelines/<slug>/artefacts/) et écrit dans pipelines/<slug>/medias/ (arborescence du cadrage). Son propre état est dans pipelines/<slug>/studio/state.json, séparé de celui de l'Usine Boutique.
3. Règles transversales, codées et pas seulement écrites :
- (a) photo produit de référence obligatoire pour toute génération : le produit ne doit jamais être réimaginé ;
- (b) juge de fidélité après chaque image générée, 3 essais au maximum ;
- (c) budget fal.ai estimé avant le lancement, avec un plafond par exécution : au-delà, une porte Telegram s'ouvre ;
- (d) honnêteté : aucun faux avis, note, « +10 000 clients » ou certification sur les publicités (réutilise le garde-fou T27 de l'Usine Boutique) ;
- (e) ID PUB-XX-vY pour toute publicité, dans PROJET_STUDIO_PUB/INDEX_PUBS.md (règle permanente) ;
- (f) centralisation UGC : accroches et scripts dans artifacts/SCRIPT_UGC_<PRODUIT>_BASE.md via tools/centraliser_script_ugc.py.
4. Correction du cadrage : les publicités statiques sont rendues en HTML/CSS puis capturées par Chrome (tools/render_static_ad.py, Playwright), pas avec Pillow. Pillow sert seulement à composer les packshots (socle, ombre).
5. Avatars, décision de Raphael du 31/10, précisée le même jour : pas de recueil de consentement, et pas de régénération de toute l'image. On garde la vraie photo (pose, corps, mains, lumière, décor) et on ne modifie que la tête, à travers un masque : nouveau visage et nouvelle coiffure. Les vêtements ne changent que s'ils sont reconnaissables (logo, tenue unique). Tout ce qui est hors du masque reste identique au pixel près. Trois règles codées :
- aucune célébrité ni influenceur ;
- aucune image avec filigrane ou logo ;
- journal de provenance de chaque photo de départ.
Un contrôle « personne non reconnaissable » est fait par le juge Gemini, avec le score de ressemblance de visage local si disponible.
6. Débranding (Lot 8), à la demande : demande de Raphael du 31/10, précisée le même jour par « débrander au dernier moment, seulement ce qu'on garde ». On ne nettoie que les médias retenus ET montrés tels quels : photo gardée brute, photo d'avis, plan vidéo recyclé, photo de départ d'avatar (besoin_debranding(usage)).
- Les sources de packshots n'en ont pas besoin : le marquage hors produit disparaît avec le fond au détourage, et celui imprimé sur le produit est conservé.
- Le lifestyle et les animations non plus : ils partent du packshot déjà propre.
- En pratique, on nettoie 2 à 5 médias par produit au lieu de 15 à 30.
- Gemini lit le texte incrusté et repère les logos.
- Le garde-fou d'honnêteté vérifie ce texte.
- Ce qui pose problème est effacé plutôt que la photo jetée : VMake clean_image_watermark sans masque, puis Bria eraser avec masque en secours, et vérification après effacement.
- On jette la photo seulement si l'effacement échoue ou si le texte est imprimé sur le produit.
7. Passerelle avec l'Usine Boutique (section 6 bis) : la boutique n'importe aucun module du studio. Elle l'appelle comme un programme externe (python -m usine_studio run --slug X --lots 8,1) et lit le résultat dans un seul fichier, pipelines/<slug>/medias/manifest.json. Tout le travail sur les images (débranding, packshots, lifestyle, infographies) vit dans le studio. La boutique se contente de récupérer les photos, de les classer (bon produit ou contamination), puis d'envoyer et d'injecter les médias validés.
8. Ordre de construction : Lot 0, puis Lot 1 (le Lot 8 est codé en même temps que le premier usage tel quel) (packshots, premier gain visible sur le site), puis Lot 4 (statiques Meta, coût fal nul), puis Lot 6, Lot 2, Lot 3, Lot 5, et enfin Lot 7 (intégration).
| Brique | Emplacement | Utilisation dans l'usine |
|---|---|---|
Client fal.ai générique (envoi, attente, extraction URL, téléchargement, journal des coûts studio/state/fal_costs.jsonl) |
PROJET_STUDIO_PUB/studio/providers/fal_client.py |
Tous les appels fal passent par lui |
recommend_model(task, n_references) : 6 tâches (suppression_objet, suppression_fond, edition_atomique, edition_creative, inpainting_remplacement, texte_logo) |
studio/providers/visual_pipeline_helpers.py |
Choix du modèle : jamais de nom de modèle en dur ailleurs |
erase_region (bria/eraser + masque), animate_static_camera (I2V caméra fixe), edit_image |
idem | Lots 1, 3, 6 |
parse_judge_verdict (format VERDICT / DÉFAUTS / VARIABLE_A_CORRIGER / CONFIANCE) |
idem | Juge de fidélité |
Modèles vidéo kling3-pro (fal-ai/kling-video/v3/pro/image-to-video, ~0,80 $/5 s, consistance d'éléments), kling3-std, seedance-mini (brouillon) |
studio/config.py VIDEO_MODELS |
Lot 3 |
CLI pub vidéo recycle (Porte A) / create --storyboard (Porte B) |
studio/cli.py |
Lot 5, appelé en sous-processus |
| Rendu des pubs statiques HTML vers JPG | tools/render_static_ad.py render(html, out, w, h) |
Lot 4 |
| Skills visuels (lifestyle, vue en coupe, comparaison, galerie Hero, publicité statique) | .claude/skills/* |
Les prompts et méthodes validés sont repris dans usine_studio/prompts/ |
| Catalogue des modèles | artifacts/Catalogue_Modeles_Generation_Visuelle.md |
Référence |
| Artefacts produit, kit de marque, angles, offres, rédaction | pipelines/<slug>/artefacts/*.json (Usine Boutique) |
Entrées |
| Envoi des images vers Shopify Files | Usine Boutique T43 (s'il est construit), sinon GraphQL fileCreate |
Lot 7 |
C:\ASSISTANT_IA\usine_studio\
README.md AVANCEMENT.md config.yaml
usine_studio\
__main__.py # CLI : run / resume / status / step / estimer
state.py # sous-classe de usine_boutique.state.StateManager, état dans pipelines/<slug>/studio/
graph.py # étapes S.. + dépendances + portes
pont_studio.py # SEUL point d'import de PROJET_STUDIO_PUB/studio (sys.path), réexporte fal_client & helpers
budget.py # estimation des coûts, plafond, total réel lu dans fal_costs.jsonl
juge.py # juge de fidélité (Gemini vision) + mesures fixes (alpha, cadrage, ressemblance)
entrees.py # lit les artefacts Usine Boutique (produit, brand kit, angles, offres, rédaction)
schemas\models.py # contrats (section 3)
steps\ # s10_… à s76_… (section 5)
prompts\ # un .md par étape IA
gabarits_pubs\ # gabarits HTML/CSS des publicités statiques (Lot 4)
avatars\ # bibliothèque d'archétypes (Lot 6) : bibliotheque.json + sources/ + generes/
tests\ # pytest, fal et Gemini SIMULÉS par défaut ; essais réels avec --reel
pipelines\<slug>\studio\state.json
pipelines\<slug>\medias\site\{packshots,lifestyle,animations}\ ads\{statiques_1x1,statiques_9x16,statiques_4x5,videos_ugc}\
pipelines\<slug>\medias\manifest.json # inventaire unique de tous les médias produits (section 3)
usine_studio/schemas/models.py)Media : id, lot, type (packshot|lifestyle|animation|statique|video_ugc|avatar), chemin, format (1:1, 9:16, 4:5, 16:9, 4:3), largeur, hauteur, poids_octets, sources[] (chemins des images d'entrée), modele (slug fal ou « local »), raison_modele (copiée de recommend_model), prompt_fichier + prompt_hash, essais, verdict_juge {verdict, defauts[], confiance}, cout_usd, statut (brouillon|valide|rejete), cree_at, pub_id (pour les pubs : PUB-XX-vY), usage_prevu (galerie, section:Manifest : slug, medias[], cout_total_usd, maj_at. C'est la source unique pour l'intégration (Lot 7) et la galerie du bloc-notes.BriefVisuel : id, lot, objectif, scene, cadrage, ambiance (depuis BrandKit.photographie), interdits[], references[], format, usage_prevu.EstimationBudget : lignes[] {etape, modele, quantite, cout_unitaire_usd}, total_usd, plafond_usd, depasse: bool.VerdictJuge : verdict (OK|A_REFAIRE|REJET), defauts[], variable_a_corriger, confiance (0-1), mesures {…} (valeurs fixes calculées).BriefPub (Lot 4) : pub_id, angle_id, accroche, sous_titre, benefices[3], offre (depuis Offres de l'Usine Boutique), reassurance[], cta, gabarit, formats[], media_produit.StoryboardUGC (Lot 5) : format exact attendu par studio/cli.py create --storyboard (voir studio/test_p5_full_storyboard.json) ; on ne l'invente pas.SourceAvatar (Lot 6) : id, fichier, url_origine, date_collecte, type_origine (banque libre|capture|autre), niche, pose, controles {pas_celebrite, pas_filigrane, pas_logo}, note.Avatar : id, source_id, archetype {genre, tranche_age, style, niche}, fichier_genere, ressemblance_source (score, plus bas = mieux), verdict_non_reconnaissable, statut.S01 entrées ─> S05 lecture texte+logos ─> S06 contrôle textes ─> S07 effacement (VMake puis Bria) ─> S08 vérification ─┐
┌──────────────────────────────────────────────────────────────────────────────────────────────────────┘
├─> S10 inventaire photos ─> S11 détourage ─> S12 contrôle masque ─> S13 nettoyage (option) ─> S14 composition studio ─> S15 juge ─> S16 export
│ │
├─> S20 briefs lifestyle ─> S21 génération ─> S22 juge ──> [gate-visuels] <───────────────────────────────┘
│ │
│ S30 sélection images à animer ─> S31 I2V ─> S32 encodage boucle ─> S33 juge
├─> S40 briefs pubs ─> S41 accroches (centralisation UGC) ─> S42 rendu HTML ─> S43 contrôles ─> S44 export + PUB-ID
├─> S60 sources avatars ─> S61 contrôles source ─> S62 régénération personne ─> S63 non-reconnaissance ─> S64 swap produit ─> S65 juge
└─> S50 storyboard UGC ─> S51 Porte A/B (studio/cli.py) ─> S52 contrôle ─> S53 index PUB
S70 manifest ─> S71 envoi Shopify Files ─> S72 injection dans les templates Usine Boutique (thème de TEST) ─> S73 campagne (skill creer-campagne, EN PAUSE) ─> [gate-medias-final]
S02 estimation budget tourne avant toute étape payante. Si l'estimation dépasse le plafond : porte gate-budget.
run, resume, status, step <id>, estimer. Test : pytest tests/test_cli.py.state.py : sous-classe de usine_boutique.state.StateManager. Fichier d'état dans pipelines/<slug>/studio/state.json, champ pipeline: "usine_studio", sans jamais toucher pipelines/<slug>/state.json. Test : les deux fichiers d'état coexistent.pont_studio.py : ajoute PROJET_STUDIO_PUB au sys.path, importe studio.providers.fal_client et visual_pipeline_helpers, et donne une erreur claire si la clé fal (studio/.env_fal) est absente. Seul fichier autorisé à importer studio. Test : importation sans appel réseau.entrees.py : lit produit.json, brand_kit.json, angles.json, offres.json et la rédaction de la boutique, en tolérant leur absence (le lot 1 n'a besoin que des photos). Test : fixture SneakSafe.budget.py : table de coûts dans config.yaml (par slug de modèle), estimation par lot, plafond budget.plafond_usd_par_run, et coût réel relu dans fal_costs.jsonl. Test : un dépassement déclenche la porte gate-budget (simulée).juge.py : juger(image, references, criteres) -> VerdictJuge. Gemini vision au format parse_judge_verdict (réutilisé), plus des mesures fixes passées en entrée. Test avec Gemini simulé.pipelines/pipeline_gate.py avec gate-budget, gate-visuels, gate-avatars, gate-medias-final. Rien n'est envoyé sur Meta ou en ligne sans gate-medias-final (règle absolue).produit.json images gardées, medias/entrees/, sources d'avatars, plans B-roll de la Porte A), Gemini vision renvoie un JSON {textes[] {texte, cadre, sur_produit}, logos[] {marque, cadre, sur_produit}, filigranes[] {cadre}}. Schéma LectureMarquage.honnetete.affirmations_non_sourcees (« Best seller », « 99 % satisfaits », etc.) ;Sont conservés : le texte imprimé sur le produit lui-même (sur_produit: true), car l'effacer modifierait le produit, et les mentions techniques utiles. Règle mémoire : on ne jette pas une photo pour un filigrane ou une langue, on l'efface.
- T82 S07 Effacement :
- photos : d'abord vmake_api.clean_image_watermark (automatique, sans masque, via pont_studio) ; si la vérification échoue, masque Pillow à partir des cadres de T80, puis recommend_model("suppression_objet") (Bria eraser) ;
- vidéos : vmake_api.clean_video_watermark (videoscreenclear), déjà utilisé par la Porte A.
- T83 S08 Vérification :
- Gemini relit l'image nettoyée : plus aucun élément de T81 ;
- pas de tache noire sur l'emplacement d'un gros logo, ni de bavure sur un visage (limites de VMake constatées en juillet) ;
- mesure fixe : la zone produit est inchangée (ressemblance_silhouette ≥ seuil, si l'image a été détourée).
Au maximum 2 cycles d'effacement, puis on jette la photo et la raison est notée dans le manifest.
- T84 : sortie dans medias/entrees_debrandees/ et une entrée Media(type="debrande") dans le manifest, avec la liste de ce qui a été effacé.
- T85 : les étapes qui montrent un média tel quel (S16 pour une photo gardée brute, S51 pour un plan vidéo de la Porte A, S61 pour une source d'avatar) appellent debrander(media) juste avant usage, si besoin_debranding(usage) est vrai. Aucun débranding en masse.
produit.json (rôle principale/galerie) et dossier manuel pipelines/<slug>/medias/entrees/ → liste avec résolution. Rejet si le petit côté fait moins de 800 px (sinon le passage en HD dégrade). Test : la fixture donne N photos et rejette les miniatures.recommend_model("suppression_fond") donne fal-ai/bria/background/remove, sortie PNG RGBA. Test simulé : le PNG produit a un canal alpha.erase_region (bria/eraser). Test simulé : le masque généré a la bonne zone blanche.config (blanc pur #FFFFFF, gris studio dégradé, ou teinte neutral[1] du kit de marque), produit centré à 78 % de la hauteur utile, ombre portée douce (alpha flouté, décalée, opacité 0,25) et ombre de contact elliptique. Variantes : face, 3/4, détail (recadrage 1,6×). Test : dimensions, centrage ±2 %, rien n'est rogné.config). Gemini vérifie forme, couleur, texte imprimé, logos. Jusqu'à 3 essais, sinon REJET et signalement.packshot_<slug>_<n>_<variante>.jpg, entrée Media dans le manifest. Test : poids et manifest à jour.ContenuSection.images_requises de l'Usine Boutique, de BrandKit.photographie (ce qu'il faut / ce qu'il ne faut pas) et du persona retenu → BriefVisuel[] (Claude ou Gemini, schéma validé).recommend_model("edition_creative", n_references=2) donne nano-banana-pro/edit, avec packshot S14 + photo produit d'origine en références obligatoires. Prompt en 5 blocs repris du skill creer-scene-lifestyle-produit. Formats 16:9 et 4:3.gate-visuels, planche contact envoyée sur Telegram, réponse du type « garder 1, 3, 4 ».animate_static_camera(image, prompt, model=…) : brouillon seedance-mini d'abord, puis kling3-pro seulement après validation (économie). Durée de 5 s.BriefPub par angle × offre (au plus 3 × 2 au départ). Accroches tirées des angles et de SCRIPT_UGC_<PRODUIT>_BASE.md.tools/centraliser_script_ugc.py --produit … --script … (règle permanente), jamais dans un fichier à part.gabarits_pubs/) : 3 gabarits au départ, repris du skill creer-publicite-statique :G1_hero_offre : accroche, titre en 2 tons, photo, badge offre, 3 bénéfices, bouton d'action ;G2_avant_apres : comparaison, texte en CSS au-dessus de l'image ;G3_liste_benefices : icônes et réassurance.Variables remplacées par string.Template (pas de moteur externe), couleurs et polices tirées du kit de marque. Rendu via render_static_ad.render(html, jpg, w, h) en 1080×1080, 1080×1920 et 1080×1350.
- T43 S43 Contrôles (code fixe) : aucun débordement de texte (dimensions des blocs mesurées dans Chrome avant capture), contraste suffisant (rapport ≥ 4,5 sur le texte principal), part de texte raisonnable, garde-fou d'honnêteté (réutiliser usine_boutique T27 : aucun chiffre ou avis sans source).
- T44 S44 Export et identifiant : attribution du prochain PUB-XX dans PROJET_STUDIO_PUB/INDEX_PUBS.md (lecture du dernier numéro, jamais de réutilisation), fichier PUB-XX-v1_<format>.jpg, légende Telegram commençant par [PUB-XX-v1].
- T45 : planche contact Telegram, à valider dans gate-medias-final.
- T46 : manifest.
studio/test_p5_full_storyboard.json (lire ce fichier, ne pas inventer de champs), avec le script tiré de la base UGC centralisée.python -m studio.cli create --storyboard … --script … --slug … (Porte B) ou recycle --video … (Porte A), lancé depuis PROJET_STUDIO_PUB/. Aucune réécriture du montage, des sous-titres ou de la voix.PUB-XX et INDEX_PUBS.md (même règle que T44).avatars/bibliotheque.json (liste de SourceAvatar) et avatars/sources/. 15 à 20 archétypes cibles par niche (buanderie, cuisine, salle de sport, bureau, salle de bain, extérieur), variété d'âge, de genre et d'origine.Une source refusée n'est jamais utilisée.
- T62 S62 Changement d'identité ciblé (sur la tête uniquement, par masque) :
- Gemini renvoie le cadre de la tête et des cheveux, Pillow dessine un masque légèrement élargi et adouci sur les bords (raccord) ;
- recommend_model("inpainting_remplacement") (flux-pro/v1/fill) ou nano-banana-pro/edit avec le masque : nouveau visage et nouvelle coiffure cohérents avec l'archétype, l'âge, la lumière et l'angle de la tête ;
- tout ce qui est hors du masque reste identique au pixel près (corps, mains, décor) : vérifié par une mesure fixe, et l'image d'origine recollée hors du masque après génération (mesures.recoller_hors_masque) ;
- vêtements modifiés seulement s'ils sont reconnaissables (logo, tenue unique), par une deuxième passe masquée ;
- risques surveillés par le juge (T65) : peau trop lisse ou « plastique », raccord visible à la limite des cheveux, regard vide. Jusqu'à 3 essais, sinon on abandonne cette source.
Décision de Raphael du 31/10 : pas de recueil de consentement, et on ne repart pas de zéro.
- T63 S63 Non-reconnaissance :
- Gemini répond « même personne ? oui/non + confiance » sur la paire source/résultat ;
- si insightface est installé, distance entre les deux visages au-dessus du seuil défini dans config ; sinon, Gemini seul et le contrôle est noté « vérification partielle ».
Un verdict « reconnaissable » entraîne une nouvelle régénération, et après 3 échecs la source est abandonnée.
- T64 S64 Remplacement du produit : Gemini renvoie le cadre de l'objet tenu en main, Pillow dessine le masque, puis recommend_model("inpainting_remplacement") (flux-pro/v1/fill) ou nano-banana-pro/edit avec la photo produit en référence. Tester les deux sur 3 cas et retenir le meilleur dans config.
- T65 S65 Juge : fidélité du produit (T15), mains naturelles (5 doigts, prise crédible), ombres cohérentes.
- T66 : porte gate-avatars (planche).
- T67 : les avatars validés deviennent des actifs réutilisables (avatars/generes/), utilisables par les lots 2 et 5.
artifacts/USINE_STUDIO/<slug>_galerie.html avec lecteur audio du résumé, comme dans le bloc-notes.fileCreate), en réutilisant le module de l'Usine Boutique s'il existe (pas de doublon).image/video des sections concernées par usage_prevu), sur le thème de TEST uniquement (ShopifyAdmin refuse désormais le thème publié).creer-campagne, qui injecte la campagne Meta en pause. Aucun lancement.usine_studio (via creer_outil_mcp.py) avec statut, estimer, lancer_lot, regenerer_media(id, consigne).| Côté | Rôle | Contrat |
|---|---|---|
| Boutique E01 | Récupère les photos (fournisseur, Shopify) dans produit.json |
inchangé |
| Boutique E02 | Classe uniquement chaque photo (bon produit ou contamination) et marque les photos gardées. Aucun travail sur les images | produit.json (images[].gardee) |
| Boutique E20 | Délègue au studio : lance python -m usine_studio run --slug <slug> --lots 8,1[,2] en sous-processus, attend la fin (ou la porte gate-visuels), puis lit medias/manifest.json |
code de sortie + manifest |
| Studio | Débranding (Lot 8), packshots (Lot 1), lifestyle (Lot 2), animations (Lot 3) | écrit medias/manifest.json |
| Boutique E43/E50 | Envoie dans Shopify Files uniquement les Media au statut valide qui ont un usage_prevu, puis les injecte dans les sections (thème de test) |
manifest |
Règles :
- les deux usines ne s'importent jamais l'une l'autre, sauf le studio qui réutilise le StateManager de la boutique ;
- le seul point de contact est le fichier manifest, ce qui permet d'en relancer une sans l'autre ;
- le lot 4 de l'Usine Boutique (T40 à T42, visuels) est remplacé par cet appel, pour ne pas faire deux fois le même travail ;
- boutique_orchestrateur.py (T90 de la boutique) enchaîne les deux usines.
config.yaml)Champs principaux :
- budget.plafond_usd_par_run (défaut 15) et budget.couts_usd (par slug de modèle) ;
- packshot.fond (blanc | gris_studio | marque), packshot.taille (2048), packshot.marge (0,11) ;
- juge.modele_gemini, juge.max_essais (3), juge.seuil_ressemblance_produit ;
- animation.modele_brouillon (seedance-mini), animation.modele_final (kling3-pro) ;
- pubs.formats ([1080x1080, 1080x1920, 1080x1350]) ;
- avatars.seuil_distance_visage.
Aucun nom de modèle d'image en dur dans le code : tout passe par recommend_model, ou par la configuration pour la vidéo et le juge.
python -m usine_studio run --slug sac-lavage-chaussures-skovasken --lots 1,4 produit 4 à 6 packshots et 6 pubs statiques validés par le juge, avec un manifest et un coût réel inférieur à l'estimation +20 %.resume reprend sans rien refaire ni repayer.gate-medias-final.PUB-XX, chaque accroche est dans la base UGC centralisée.