Dans le benchmark d'affiches d'Alibaba, le produit est figé et sept fonds sur dix pour les vêtements, chaussures et sacs sont gris clair
Un article d'Alibaba affirme que son système transforme des photos de produits sur fond blanc en millions d'affiches générées par jour pour les résultats de recherche. Il verrouille le produit, le logo et le texte, et invente tout ce qui les entoure. Dans le benchmark publié par Alibaba, les prompts placent 89 des 126 vêtements, chaussures et sacs devant un fond gris clair et posent un escarpin à boucle Roger Vivier sur du marbre gris.

Parallax Pincer
Une chemise à carreaux beige, verte et noire pend ouverte sur un T-shirt blanc, sans personne dedans, posée sur une dalle de pierre piquée, couleur sable, sous des ombres de feuilles. La chemise est arrivée sous la forme d’une photo sur fond blanc, et un logiciel a construit tout le reste, jusqu’aux petites capitales qui rendent 挺括有型, « ferme et bien structuré », par « STIFF AND STYLISH ». C’est la Figure 1 de l’article sur CommerceGen-Studio, un système d’Alibaba Group qui verrouille le produit et ne laisse ouvert au design que le décor. Le décor de démonstration est chaleureux, mais dans les prompts qu’Alibaba a publiés pour les vêtements, chaussures et sacs, il est gris clair sept fois sur dix.
L’article, déposé sur arXiv le 14 octobre, affirme que le système « tourne en production à raison de millions d’images principales par jour », à « quelques secondes par image ». Les moteurs de recherche « résolvent de plus en plus une requête vers une unité de gestion de stock (SKU) précise » ; la page de résultats a donc besoin d’une image de chaque couleur ou taille, que les marchands « entretiennent rarement ». Ce qu’ils conservent, ce sont des photos sur fond blanc, qui, une fois insérées dans les résultats, font baisser « de façon mesurable » le taux de clic, même si l’article ne donne aucun chiffre.
Un modèle Qwen réduit la fiche produit à des arguments de vente, puis un modèle de mise en page fixe « la position et l’orientation du sujet, le style et l’éclairage du fond, la hiérarchie et la couleur du texte ». Un générateur de six milliards de paramètres peint ensuite l’affiche autour de la photo sur fond blanc et d’un recadrage de la marque, agrandi parce que les marques ne font « souvent que quelques dizaines de pixels de large ». Le prompt de base du benchmark, la version sans enrichissement du prompt, interdit à tous les modèles de remplacer, d’ajouter, de retirer, de faire pivoter, d’inverser en miroir ou de redessiner la moindre partie du produit (不得替换、增减、旋转、镜像或重绘).
Le résumé désigne l’Instruction Following et la Product Integration comme « les deux propriétés qui déterminent si une image peut être publiée » ; la seconde mesure si le produit « s’inscrit de façon plausible dans sa nouvelle scène ». Évalué par Gemini 3 Flash sur le benchmark des auteurs eux-mêmes, le système bat plusieurs modèles fermés sur les deux critères dans le Tableau 1, mais GPT-Image-2, GPT-Image-2.5 et Seedream 5.0 Pro obtiennent une meilleure note globale. Avec des prompts enrichis, dans le Tableau 2, il ne devance Nano Banana Pro et Seedream 4.5 que sur les deux critères.
Le benchmark publié par Alibaba compte 400 cas de test, dont 126 de vêtements, chaussures ou sacs et accessoires, tous présentés sur fond blanc, mannequins compris. Dans le Tableau 2, chaque système reçoit les mêmes prompts enrichis, rédigés par Qwen3.8-27B ; l’article ne publie pas les sorties du réécrivain de mise en page utilisé en production : ces constats portent donc sur le benchmark. D’après mon décompte, la chaîne exacte 背景替换为浅灰色, « remplacer le fond par du gris clair », apparaît dans 89 des 126 cas, et un fond beige pâle ou blanc cassé dans 23 de plus (hors un cas beige-gris). Un présentoir (展示台) figure dans 61 cas, et 26 reprennent une même formule toute faite, 模糊的白色几何结构, structures géométriques blanches floues.
Face à tout un décor à inventer, l’enrichisseur de prompts réclame surtout l’ancien fond blanc, deux tons plus foncé, souvent accompagné d’un présentoir.
Zalando offre un point de comparaison, pas une filiation. Son guide partenaire indique : « Nous appliquons automatiquement un fond gris clair aux packshots principaux soumis avec un fond blanc. » Zalando applique ce gris lui-même après le téléversement. Le même guide interdit le texte non anglais sur les vues principales, ce que les affiches à texte chinois du Studio enfreindraient.
La plupart des produits exigent une image principale avec « un fond blanc pur (valeurs RVB : 255, 255, 255) », le produit occupant 85 % du cadre et aucun accessoire qui ne soit pas livré avec lui ; un nombre limité de types de produits peut recourir à une image d’ambiance. En 2023, Amazon Ads a illustré l’intérêt de la mise en scène avec une tasse de café « sur un plan de travail de cuisine, à côté d’un croissant », en citant un taux de clic « supérieur de plus de 40 % » dans les annonces Sponsored Brands sur mobile, d’après des données internes américaines.
Cinq des 126 cas portent la marque Roger Vivier, dont deux escarpins. Selon la maison elle-même, Vivier a dessiné un escarpin noir « orné d’une boucle chromée surdimensionnée » pour la présentation Mondrian d’Yves Saint Laurent en 1965, et Catherine Deneuve en a porté une paire dans Belle de jour de Luis Buñuel deux ans plus tard. Le cas 0289 en est un descendant : un escarpin noir à boucle carrée sertie de cristaux, que le verrouillage du produit protège jusque dans son contour. Son prompt enrichi place la chaussure, légèrement inclinée, sur un présentoir en marbre gris clair devant un fond beige-blanc pâle orné d’un panneau mural à rayures, et sa liste de textes y ajoute une offre de 24 mensualités sans frais (臻享24期免息).
Les auteurs nomment eux-mêmes le plafond. Leurs récompenses « capturent ce que nous savons formuler », écrivent-ils, et le système « optimise une seule notion de qualité par SKU » ; un conditionnement sur le public et le style produirait « des visuels réellement différents plutôt qu’un traitement canonique unique ». L’article ne dit pas si les marchands voient une affiche avant sa diffusion. À des millions d’images par jour, le décor relève d’un modèle, et dans les prompts mode qu’Alibaba a publiés, ce choix est le plus souvent le gris clair.