Prompts d’images de cuisine africaine : méthode complète

Un bon prompt d’image de cuisine africaine combine six briques : le type d’image, le plat et son origine, ses textures, la mise en scène, la lumière et une imperfection crédible. Le nom du plat seul ne suffit pas ; sans ces précisions, l’IA produit souvent une image générique qui ne ressemble à aucune recette de ta région.

Ce guide t’apprend à assembler ces six briques pour n’importe quel plat, puis te donne dix modèles complets à adapter. Tu verras aussi ce que l’IA rate encore sur nos cuisines, parce que c’est souvent dans un détail de texture, de service ou de décor que l’image se trahit.

Pourquoi le prompt copié ne donne jamais le même résultat chez toi

Trois raisons expliquent l’écart entre l’image du créateur et la tienne, et aucune n’est de ta faute.

La première tient à ce que le prompt ne dit pas. Un texte de trois lignes qui produit un résultat superbe chez son auteur s’appuie souvent sur un historique de conversation, une image de référence envoyée plus tôt, ou un modèle précis. Tu copies le texte, tu perds le contexte, et le modèle comble les trous avec ce qu’il connaît le mieux : une cuisine générique, vaguement épicée, vaguement tropicale.

La deuxième tient au modèle utilisé. Un prompt calibré pour un outil donne autre chose ailleurs, et les fonctionnalités disponibles évoluent vite. Utilise le modèle d’image proposé dans ton offre Gemini ou ChatGPT, puis compare les résultats avec le même prompt. Le meilleur choix dépend du plat, du niveau de contrôle recherché et de ton accès au moment du test.

La troisième tient à la précision culturelle. Les modèles connaissent bien la pizza, le sushi et le burger, très présents dans les images publiques. Des plats comme l’ablo togolais, le wassa-wassa du nord Bénin ou le thiéboudienne sénégalais sont beaucoup moins documentés. Tu dois donc décrire ce que le modèle ne sait pas deviner, et c’est exactement ce que la méthode qui suit organise.

Les six briques d’un prompt de nourriture qui tient

Un prompt efficace n’a pas besoin d’être long, il a besoin d’être dense. Six briques forment une base pratique, et chacune corrige une faiblesse précise du modèle.

La deuxième brique mérite un mot de plus, car c’est celle que tout le monde bâcle. Écrire « African stew » revient à demander un plat à quelqu’un qui n’a jamais mis les pieds sur le continent : tu recevras un ragoût orange indéfinissable. Écrire « thiéboudienne, the Senegalese broken rice dish cooked in tomato sauce with fish and vegetables » donne au modèle une chance de viser juste, parce que tu lui décris le plat au lieu de le nommer.

La troisième brique est celle qui sépare une image correcte d’une image qui donne faim. Les modèles rendent bien ce qu’on leur demande explicitement de rendre : les gouttelettes d’huile en surface, les grains de mil distincts, la croûte légère d’une omelette, l’aspect fibreux du manioc, le collant du fufu. Chaque texture nommée est une texture dessinée.

Ces briques jouent des rôles complémentaires. Un plat parfaitement décrit sous une lumière non précisée peut ressembler à une photo de catalogue. Une belle lumière sur un plat mal nommé peut donner une image séduisante de quelque chose que personne ne reconnaît.

La formule à retenir, et le squelette à recopier

Garder le même ordre, du général au détail, aide surtout à ne rien oublier et à comparer les générations sans changer plusieurs variables à la fois. La formule tient sur une ligne.

Type de photo + plat et origine + textures et couleurs + mise en scène + lumière et ambiance + imperfection naturelle.

Traduite en gabarit, elle donne ce squelette, à garder sous la main et à remplir pour n’importe quel plat.

A highly realistic food photo of [NOM DU PLAT], a traditional [PAYS] dish
made of [INGRÉDIENTS PRINCIPAUX].
Close-up on [TEXTURE 1] and [TEXTURE 2], with [DÉTAIL VISUEL PRÉCIS].
Served in a [RÉCIPIENT], placed on [SURFACE], with [ÉLÉMENT CULTUREL].
Soft natural side light, warm tones, shallow depth of field.
[IMPERFECTION NATURELLE].

Remplis les crochets, envoie, regarde. Si le résultat te déçoit, ne réécris pas tout : change une seule brique et relance. C’est la méthode la plus rapide pour comprendre quel élément porte réellement ton image, et elle t’apprend plus en dix essais que n’importe quel tutoriel.

L’imperfection, le détail qui fait basculer une image

Il reste un ingrédient que le gabarit ci-dessus place en dernière ligne sans expliquer pourquoi, et c’est le plus contre-intuitif de la méthode.

Une assiette parfaite trahit une image générée. Sauce impeccablement centrée, bord immaculé, riz aligné au millimètre, aucune miette : ce niveau de perfection n’existe pas dans une vraie cuisine, et l’œil le sait avant même que le cerveau formule pourquoi. Les modèles, eux, tendent naturellement vers cette perfection de catalogue, parce qu’ils ont été nourris de photos professionnelles.

La parade consiste à demander explicitement le défaut. Une trace de sauce sur le rebord de l’assiette. Trois grains de riz tombés à côté. Une fissure dans la boule de fufu. Une omelette dont la surface n’est pas uniforme. Un peu de vapeur qui trouble légèrement l’image. Ces détails coûtent une ligne de prompt et transforment le résultat.

Le même raisonnement vaut pour la lumière : une lumière parfaitement diffuse fait studio, une lumière latérale qui creuse des ombres et laisse un coin dans la pénombre fait maison. Demande la seconde.

La mention du téléphone, et ce qu’elle fait vraiment

Puisqu’on parle de crédibilité, il faut clarifier une astuce qui circule partout : écrire « photo taken with an iPhone 15 Pro » ou « Pixel 8 Pro shot » dans son prompt. Elle fonctionne, mais pas pour la raison qu’on croit.

Aucun modèle ne simule le capteur d’un téléphone. Ce que fait cette mention, c’est orienter la génération vers les images qui portaient ce genre de légende dans les données d’entraînement : des photos prises sur le vif, cadrées à main levée, avec l’éclairage disponible plutôt qu’un éclairage installé. C’est une consigne de style, au même titre que « lumière du matin ».

Cette compréhension change ta façon d’écrire. Les longues litanies techniques du type « iPhone 15 Pro Max color calibration, HDR-style balance, edge sharpening with natural bokeh » ajoutent surtout du bruit. Deux mentions bien choisies, l’appareil et la profondeur de champ, produisent le même effet qu’un paragraphe entier. Garde ta place dans le prompt pour décrire ton plat, c’est lui que le modèle connaît mal.

Dix modèles de prompts prêts à copier

Voici la partie que tu attendais. Chaque modèle vise une situation précise, et je te dis à chaque fois quand le sortir. Remplace les crochets, garde le reste tel quel.

1. Le plat principal, en gros plan

Pour le plat que tu veux mettre en avant, celui qui sert de vignette.

Ultra-realistic close-up food photograph of [NOM DU PLAT], a traditional
[PAYS] dish. Served in a [RÉCIPIENT], each grain of [CÉRÉALE] clearly
separated, oil droplets glistening on the surface, light steam rising.
Sharp focus on [ÉLÉMENT CENTRAL], soft background blur.
Warm side lighting casting gentle shadows that reveal texture.
Natural colors, daylight white balance.
A small smear of sauce on the rim of the plate.

2. La street food, saisie sur le vif

Pour le contenu qui raconte la rue, le marché, le vendeur du coin.

Candid smartphone photo of [NOM DU SNACK] sold on a busy street in
[VILLE]. The vendor is handing the food over, captured mid-motion.
Visible details: [TEXTURE 1], [TEXTURE 2], slight char marks from the fire.
Blurred street background with warm afternoon light, portrait mode look.
Small cooking imperfections and a faint trace of smoke in the air.

3. Le petit-déjeuner en lumière du matin

Pour les publications du matin, qui performent bien sur les réseaux.

Realistic photo of a [PAYS] breakfast: [PLAT] served with [BOISSON CHAUDE].
Morning light comes through a window on the right, golden rays catching
the steam. Visible grain of [ALIMENT], tiny bubbles on the surface of the
drink, fibers of [PAIN OU GALETTE] clearly distinguishable.
A few crumbs scattered on the table, napkin slightly wrinkled.
Soft shadows, warm tones, shallow depth of field.

4. La macro, pour les textures

Pour montrer un détail, une pâte, un beignet, une texture qu’on veut faire sentir.

Extreme macro photo of [NOM DU DESSERT OU BEIGNET], a [PAYS] specialty.
Microscopic surface detail: [TEXTURE], sugar crystals catching the light,
tiny air bubbles inside the dough, fibrous strands of [INGRÉDIENT].
Very shallow depth of field, sharp on [ÉLÉMENT], creamy blur elsewhere.
A drop of [SIROP OU MIEL] caught mid-fall.
Natural colors, no oversaturation.

5. Le repas de famille, en vue d’ensemble

Pour les contenus de fête, de cérémonie, de partage.

Wide realistic photo of a [PAYS] family meal shared on [TYPE DE TABLE].
Several dishes visible at once: [PLAT 1], [PLAT 2], [PLAT 3].
Hands reaching in from the edges of the frame, steam rising from the bowls.
Mixed indoor and natural lighting, warm and balanced.
Different textures clearly distinguishable from front to back.
Slightly cluttered table, used plates, real everyday scene.

6. La boisson en contre-jour

Pour le bissap, le gingembre, le baobab, le dèguè, tout ce qui se boit.

Backlit realistic photo of a glass of [BOISSON], a traditional
[RÉGION] drink. Light passes through the [COULEUR] liquid, revealing
depth and subtle gradients. Condensation droplets of varying sizes on the
outside of the glass, catching the light. Suspended particles frozen in
place. Moisture ring on the surface where the glass rests.
Simple background, soft daylight, natural imperfections on the glass.

7. Les mains qui préparent

Pour raconter le geste, la préparation, le savoir-faire.

Realistic portrait-mode photo of a [NATIONALITÉ] woman preparing
[PLAT TRADITIONNEL]. Focus on the hands in action, [GESTE CULINAIRE].
Skin texture and small ingredient traces visible on the fingers.
Natural light from the side sculpting the scene, background softly blurred.
Concentrated expression, unposed. Visible texture of the food being made:
[DÉTAILS DES ALIMENTS]. Slight grain in the shadows.

8. Le plat de cérémonie

Pour les mariages, baptêmes, fêtes religieuses et grandes occasions.

Reportage-style photo of [PLAT CÉRÉMONIEL] presented during a
[ÉVÉNEMENT] in [PAYS]. Captured at the moment it is served to guests.
Balanced exposure between bright reflections on [ÉLÉMENT BRILLANT] and
deep shadows. Decorative details [DÉCOR] sharp and readable.
Low ambient light, true-to-life colors without heavy saturation.
Someone's arm partly crossing the frame, unstaged.

9. La version moderne d’un classique

Pour les chefs, les traiteurs, les concepts de cuisine fusion.

Gourmet magazine style photo of a modern take on [PLAT TRADITIONNEL].
Directional lighting creating sculptural shadows over the plating.
Macro detail on [ÉLÉMENTS TEXTURÉS], tiny bubbles in the sauce,
salt crystals on top. Precisely controlled depth of field across the plate.
Refined plating on a matte ceramic dish, dark background.
One element deliberately off-center, a single sauce drop beside the plate.

10. Les ingrédients bruts

Pour les contenus pédagogiques, les recettes, les carrousels explicatifs.

Documentary-style photo of the raw ingredients of [RÉGION] cuisine:
[INGRÉDIENT 1], [INGRÉDIENT 2], [INGRÉDIENT 3].
Soft window light revealing the three-dimensional texture of each item:
porosity of [TUBERCULE], striations on [FEUILLE], color variations on
[ÉPICE]. Fresh water droplets still on some of them.
Loosely arranged, as if just placed there. Natural colors, no styling.

Ces dix modèles couvrent l’essentiel de ce que tu publieras, et ils partagent tous la même colonne vertébrale : la scène d’abord, les textures ensuite, la lumière, puis l’imperfection en dernière ligne. Une fois que tu as ce réflexe, tu n’as plus besoin de modèle du tout, ce qui est exactement le but.

Français ou anglais, la vraie réponse en 2026

Une question revient dès qu’on partage ces gabarits, et la réponse a changé depuis deux ans, donc les vieux conseils sont à revoir.

Le français fonctionne, et les modèles récents peuvent aussi produire du texte multilingue. Les documentations actuelles de Gemini Image et de ChatGPT Images montrent des workflows fondés sur des descriptions naturelles détaillées ; il n’est donc plus nécessaire de tout traduire par principe.

L’anglais reste pratique pour un point précis : le vocabulaire technique de la photographie. Les expressions golden hour, shallow depth of field, backlit, film grain, bokeh ou side lighting sont courtes et largement reprises dans les exemples de prompts. Ce n’est pas la preuve que l’anglais est intrinsèquement meilleur ; c’est surtout un vocabulaire commode et peu ambigu.

La bonne pratique est donc simple : décris la scène et le plat dans la langue que tu maîtrises, puis garde en anglais les termes photo qui te donnent un résultat plus stable lors de tes essais. Google recommande surtout de préciser le type de plan, le sujet, le décor, la lumière, l’angle et l’objectif ; la structure du prompt compte davantage que sa langue.

Ce que l’IA rate encore sur nos plats

Maintenant la partie que les créateurs de prompts ne montrent jamais, parce qu’elle abîme le spectacle : il reste des choses que ces modèles font mal, et les connaître t’évite de publier une image qui fera rire ta tante.

La confusion régionale. Demande un plat peu documenté et tu recevras souvent un cousin plus célèbre. Le riz au gras devient un jollof générique, la sauce feuille devient un curry vert, le tô devient de la polenta. La parade est dans la description : au lieu du seul nom, précise la couleur, la consistance et l’accompagnement.

Les mains. Elles se sont beaucoup améliorées, elles restent le point faible. Une main qui tient une assiette passe, une main qui malaxe de la pâte produit encore des doigts en trop. Si ton image en dépend, prévois plusieurs générations, ou cadre pour n’en montrer qu’une partie.

Le texte dans l’image. Une étiquette de bouteille, une enseigne de maquis, un emballage de bouillon : les modèles récents s’en sortent bien mieux qu’avant, mais le texte reste la zone où l’œil détecte la génération en premier. Si tu peux éviter d’en avoir dans le cadre, évite.

L’ustensile juste. Une calebasse, un pilon, un canari en terre cuite, un plat en émail à motifs : ces objets existent dans les données, en petite quantité. Nomme-les précisément et vérifie le rendu, parce qu’une calebasse ratée ressemble à un saladier en bois quelconque.

Ces quatre limites ont un point commun : elles se corrigent toutes par la précision de la description, jamais par la longueur du prompt. Plus tu nommes exactement ce que tu veux, moins le modèle improvise.

La checklist avant de publier

Ton image est sortie, elle te plaît, tu es à trente secondes de la publier. Passe cette liste, elle t’évitera les regrets.

Un dernier point, et c’est le plus important de tout l’article. Ces images servent à illustrer une ambiance, un concept, une recette, un post. Elles ne servent pas à présenter un plat que tu vends réellement. Le client qui commande sur la foi d’une image générée reçoit autre chose, et c’est ta réputation qui paie la différence. Google indique que ses images générées portent SynthID, un filigrane numérique invisible conçu pour rester détectable après des modifications courantes.

Comparer cinq variantes du même plat

Tu as la structure, la formule, dix modèles et la liste des pièges. Il te manque une seule chose, et aucun article ne peut te la donner : les essais.

Voici le défi, et il tient en une soirée. Choisis un plat de chez toi, un vrai, celui que ta mère fait le dimanche. Génère-le cinq fois en changeant une seule brique à chaque essai : d’abord la lumière, puis le récipient, puis la texture décrite, puis l’imperfection, puis le type de photo. Aligne les cinq résultats côte à côte. Tu verras immédiatement laquelle de ces briques porte ton plat, et cette découverte-là vaut tous les prompts qu’on te vendra.

Poste ta série dans la communauté lesnocodeurs, avec le plat et les cinq variantes. On en apprendra tous plus sur nos cuisines respectives que sur n’importe quelle liste de prompts recopiée.

Et si cette logique de consignes précises données à un modèle t’a plu, elle se transpose directement à d’autres terrains : les instructions système d’un agent Make obéissent aux mêmes règles de précision, et la chaîne de rédaction SEO avec n8n montre ce que donne un prompt long et structuré appliqué au texte plutôt qu’à l’image.