Guide du prompt knowledge graph GPT Image 2 : 5 modèles de production pour révisions, Xiaohongshu, fiches de cours, slides et SOP

Avant GPT Image 2, "utiliser l'IA pour faire une image de knowledge graph" relevait plus du mème que du workflow. Tous les autres modèles soit mal orthographiaient les titres, soit tassaient dix sections en trois, soit produisaient un poster joli mais vide ressemblant à du bruit décoratif. Alors la plupart des gens abandonnaient et retournaient à PowerPoint, Figma ou aux notes manuscrites sur iPad.

Cela a changé ce printemps. Avec GPT Image 2, vous pouvez maintenant tendre au modèle un seul prompt structuré et récupérer une fiche d'étude — typographie correcte, grille de sections propre, les bonnes flèches aux bons endroits — en une seule passe. Ce guide est le framework de prompt que je réutilise constamment, plus cinq modèles prêts à coller pour les cinq scénarios où les lecteurs cherchent réellement ce genre de chose : révisions de concours, fiches de connaissances Xiaohongshu / réseaux sociaux, supports de classe, visuels de slides et SOP opérationnelles.

1. D'abord, qu'est-ce qu'une "image de knowledge graph par IA" exactement ?

Deux choses très différentes partagent cette expression :

• Knowledge graph (KG) technique : un magasin de triples entité–relation–entité, du genre que vous construisez avec Neo4j / RDF / GraphRAG. C'est une structure de données, pas une image.
• Image visuelle de knowledge graph : un poster imprimable / partageable qui organise visuellement un sujet — définition, types, workflow, pièges, exemples, moyen mnémotechnique. C'est ce que les gens veulent vraiment quand ils cherchent "comment faire un knowledge graph avec l'IA".

Ce guide porte sur le second. Le premier est un travail LLM + base de données graphe et n'a rien à voir avec les modèles d'image — hors sujet ici.

2. Le modèle de prompt universel à 5 blocs

Chaque image de knowledge graph réussie que j'ai livrée avec GPT Image 2 suit les mêmes cinq blocs, dans cet ordre. Sautez-en un et le rendu s'effondre soit en jolie tapisserie, soit en soupe alphabétique.

[1] CANVAS — orientation (vertical 1024×1536 or horizontal 1536×1024),
    paper-style background, dominant accent color.
[2] TOPIC HEADER — exact title text + one-line positioning sentence.
[3] SECTIONS — 5 to 8 named cards. Common skeleton:
    Definition → Question Types → Solving Path → Common Pitfalls →
    Comparisons → Worked Example → Mnemonic.
[4] VISUAL — line weight, icon style, arrow style, palette accents,
    rounded-card vs. ruled-notebook aesthetic.
[5] CONSTRAINTS — "THE TEXT READS: ..." quoting for every label,
    no extra logos, no decorative filler, preserve exact spelling.

Pourquoi ces cinq et pas six ou quatre :

• Le canvas en premier. Le modèle s'engage sur la mise en page avant le contenu. Si vous décrivez le sujet avant le canvas, vous obtenez des ratios d'aspect aléatoires.
• Le titre avant les sections. Le H1 ancre la hiérarchie. Sans lui, toutes les cartes de section se rendent au même poids visuel et l'image se lit à plat.
• 5 à 8 sections est le sweet spot. En dessous de cinq, ça paraît vide ; au-dessus de huit, on commence à perdre des étiquettes même sur GPT Image 2.
• Le bloc visuel en dernier parmi les blocs descriptifs. Les descriptions de style placées tôt sont sur-appliquées ; placées tard elles agissent comme une passe de finition.
• Les contraintes en bas, à l'impératif — le modèle les traite comme des garde-fous plutôt que comme des suggestions.

Une astuce qui mérite d'être répétée du cookbook OpenAI : chaque morceau de copy sur l'image doit être enveloppé en THE TEXT READS: "...". Cette seule phrase est le plus gros levier de précision pour les écritures non latines et les longs titres.

3. Scénario 1 — Fiche de révision de concours administratif (l'exemple-vedette)

C'est celui par lequel je commencerais, car les fiches de révision de concours sont le test le plus strict : il faut un chinois précis, une information dense, un workflow de résolution clair et une esthétique de "support d'étude" qui ne ressemble pas à de l'IA.

Voici le prompt qui a produit l'image de couverture de ce post (une fiche d'étude pour "面试综合分析题答题结构 / Civil-Service Interview Analysis Question Framework") :

Create a vertical (1024×1536) civil-service exam study infographic
on the topic "面试综合分析题答题结构 / Civil-Service Interview
Analysis Question Framework". The goal is to help a reader
understand: what this question type tests, how to recognise it,
the standard answering workflow, common pitfalls, similar
question types, a worked example, and a memorable mnemonic.

CANVAS: clean light paper background, deep-navy title block,
charcoal body lines, with restrained accents in blue, teal, gold,
and a single red flag for warnings.

LAYOUT BLOCKS (rounded cards with thin borders, numbered tags):
1) Header: exact title + one-line positioning.
2) Core Definition — what this question actually tests.
3) Question-Type Signals — prompt phrasings and keyword tells.
4) Solving Path — 4 to 5 numbered steps connected by hand-drawn arrows.
5) Common Pitfalls — trap options, wrong reasoning patterns.
6) Comparison — distinguish from adjacent question types.
7) Worked Example — short stimulus + correct decomposition.
8) Mnemonic — one short rhyming line or three-keyword summary.

VISUAL: looks like a high-quality printed exam handout crossed
with a hand-illustrated education poster. Use rounded cards,
thin rule lines, numbered tags, hand-drawn arrows, small
zoom-in callouts, and a dedicated "易错提醒" warning strip.

CONSTRAINTS: every visible heading and body string is rendered
verbatim — THE TEXT READS exactly what is specified. No extra
logos, no Lorem ipsum, no decorative filler text. Information
density is high but the page stays balanced and uncluttered.

Quelques points à noter :

• J'écris le titre chinois plus une glose anglaise. GPT Image 2 gère l'un ou l'autre, mais les prompts bilingues amènent le modèle à traiter le sujet comme sérieux / éducatif plutôt que mémétique.
• Les étiquettes numérotées + les flèches dessinées à la main font ressembler le rendu à un support d'étude, pas à un flyer marketing.
• La carte "pièges / erreurs courantes" est l'élément le plus sous-utilisé dans les fiches IA. L'ajouter est ce qui donne à l'image l'impression d'être rédigée plutôt que générée.

Vous pouvez parcourir le rendu et plus de 20 modèles similaires sur la page /prompts — chaque fiche est reproductible depuis son prompt source.

4. Scénario 2 — Fiche de connaissance Xiaohongshu / réseaux sociaux

Pour les plateformes sociales chinoises (surtout Xiaohongshu / RED), la spec de facto est vertical 1080×1440, flux de lecture en F, série de trois cartes. Le prompt ci-dessous produit une seule carte de cette série ; réutilisez-le trois fois avec la même palette d'accent pour obtenir un set à swiper.

Create a vertical 1080×1440 knowledge card for Xiaohongshu titled
"3 Habits That Actually Lower Cortisol".

CANVAS: warm cream background (#FFF8EE), subtle paper grain.
A single accent color of muted terracotta (#C96E5A).

LAYOUT:
- Top: progress label "认知觉醒 · 卡片 2 / 3" in tiny mono caps.
- Headline block: H1 in handwritten serif, sub-line in clean sans.
- Middle: three numbered "habit" rows. Each row has a small flat
  icon on the left, a 3-word habit name, and a 1-sentence "why".
- Bottom: a single quote strip with a hand-drawn underline.
- Right edge: tiny vertical text "swipe →".

VISUAL: minimal flat illustration, two-color palette only, 1pt
hairlines, slight paper texture, generous whitespace, F-shaped
reading flow (title top-left, scan down).

CONSTRAINTS: text rendering must be pixel-perfect — THE TEXT
READS each label exactly as written. No watermark. No platform
logos. Output looks like a published Xiaohongshu carousel card,
not a Canva template.

Deux astuces de rétention spécifiques à Xiaohongshu :

• L'étiquette de progression "X / Y" indique aux spectateurs qu'il y a plus de cartes — cela augmente le swipe-through et la durée moyenne de visionnage, deux signaux que l'algorithme récompense.
• Un H1 manuscrit associé à un sans-serif propre pour le corps est la signature visuelle du "créateur réfléchi" plutôt que du "contenu d'agence", ce qui est tout le pitch de la plateforme.

5. Scénario 3 — Support de classe / fiche de cours

Pour enseignants et tuteurs. Le truc, c'est qu'un support est plus large qu'une fiche de connaissances — il passe à l'horizontal, comporte une colonne de navigation à gauche et laisse le corps respirer.

Create a horizontal 1536×1024 classroom handout titled
"Photosynthesis — One-Page Lecture Note for 8th-grade Biology".

CANVAS: graph-paper background, navy header bar, hand-drawn
margin notes in pencil-grey.

LAYOUT:
- Left rail (20% width): table of contents with 5 numbered items.
- Main area (80% width) split into three rows:
  Row A — annotated diagram of a leaf cross-section with arrows
    pointing to chloroplast, stomata, xylem, phloem.
  Row B — the balanced chemical equation in a boxed callout,
    with sun, water, CO2, glucose, O2 labeled as small icons.
  Row C — a 4-step "Light vs Dark Reactions" comparison table.
- Bottom-right: a "Common Misconceptions" red flag box with
  three bullets, each one sentence.

VISUAL: pen-and-marker textbook illustration style. Pencil-grey
linework, navy headings, accent yellow for highlights, red for
warnings only. Friendly but not childish.

CONSTRAINTS: every label is rendered verbatim. The handout reads
like it was prepared by a science teacher, not designed by a
marketing agency. No school logos, no watermarks.

Si vous produisez tout un programme, générez un support, puis dans les tours suivants demandez à GPT Image 2 de préserver la mise en page et de changer uniquement le bloc de contenu — sa fidélité d'édition locale est ce qui rend la production en lot économiquement viable maintenant.

6. Scénario 4 — Visuel de slide (qualité conseil de direction)

Les éléments classiques de slides pénibles — cercles concentriques TAM/SAM/SOM, matrices 2×2, diagrammes de couloirs — prenaient 30 minutes chacun dans Figma. Ils prennent un prompt maintenant.

Create a horizontal 16:9 slide visual titled
"2026 GTM Plan — Where We Win This Quarter".

CANVAS: pure white background, single brand-blue accent (#2563EB),
charcoal text. Boardroom presentation aesthetic.

LAYOUT: 2x2 matrix.
- X axis label: "Effort (low ← → high)"
- Y axis label: "Strategic value (low ← → high)"
- Quadrants, each with a 2-word verdict tag and 2 example bullets:
  Top-right "DO NOW": Enterprise pilot, Channel partner.
  Top-left "QUICK WINS": Lifecycle email, Pricing test.
  Bottom-right "RECONSIDER": Conference circuit, New SDR hire.
  Bottom-left "PARK": Affinity merch, Side-project blog.
- Footer micro-text: "Source: Q2 OKR review, internal".

VISUAL: clean sans-serif, 1pt rule lines, generous whitespace,
no decorative icons. Reads as a McKinsey-style consulting slide.

CONSTRAINTS: every quadrant label is rendered verbatim. No
watermarks. No fake company logos. The image looks like a
PowerPoint screenshot, not a stock illustration.

Couplez ce prompt avec un suivi comme "Maintenant génère un visuel en cercles concentriques TAM / SAM / SOM dans le même langage visuel" et vous obtenez un deck cohérent au lieu d'un Frankenstein de captures d'écran.

7. Scénario 5 — SOP / diagramme de workflow

Les équipes opérationnelles ont le ROI le plus net sur tout ce workflow — un bon diagramme SOP économise une heure de Visio et se lit mieux que le manuel qu'il remplace.

Create a vertical 1024×1536 SOP diagram titled
"Customer Refund Process — Standard Workflow (2026)".

CANVAS: white background, navy header strip with the SOP title
and a small "Doc ID: OPS-014 · v2.1" badge.

LAYOUT: top-to-bottom flowchart with 6 numbered nodes connected
by directional arrows.
1) "Customer submits refund request" — owner: Support L1.
2) "Verify order + payment status" — owner: Support L1.
3) Decision diamond: "Within 30-day window?" — Yes → step 4,
   No → step 6.
4) "Approve refund in Stripe dashboard" — owner: Finance.
5) "Send confirmation email + close ticket" — owner: Support L1.
6) "Escalate to Support L2 for exception review" — owner: L2.
Right side: a sidebar with three "Common pitfalls" warnings
and the SLA: "Refunds processed within 24h business time".

VISUAL: clean Visio-style flowchart, rectangles for actions,
diamonds for decisions, hand-drawn-feel arrows in navy, owner
tags in small pill labels. No icons, no illustration.

CONSTRAINTS: every node label and owner tag rendered verbatim.
No watermarks. Output reads like a print-ready company SOP page.

Un coup de pro subtil : demandez au modèle de rendre l'ID de document et le numéro de version dans un petit badge. Les relecteurs traitent les documents avec métadonnées de version comme faisant autorité ; c'est l'upgrade de crédibilité le moins cher de tout ce workflow.

8. Six pièges courants (et comment les corriger)

Après environ 300 générations de fiches de connaissances, voici les modes de défaillance que j'anticipe désormais dans chaque prompt :

Si vous tombez sur un cas qui n'est pas sur cette liste, ouvrez la bibliothèque de prompts et faites l'ingénierie inverse de l'exemple fonctionnel le plus proche — c'est généralement plus rapide que de déboguer depuis zéro.

9. Antisèche des dimensions

Pour ceux qui veulent juste les dimensions et un suffixe de prompt :

Le ratio d'aspect à lui seul détermine si le modèle s'engage sur un modèle mental de "carte" ou de "page". Utilisez la colonne au pied de la lettre — ne traduisez pas 1024×1536 en "infographie verticale" en espérant la même netteté.

L'essentiel

Le vrai changement n'est pas que GPT Image 2 "rend mieux". C'est que les images de connaissances prêtes à publier en une passe sont désormais un workflow plutôt qu'un fantasme. Les cinq scénarios ci-dessus couvrent l'essentiel de ce que les gens cherchent réellement quand ils googlent "comment faire un knowledge graph avec l'IA" — et le même modèle de prompt à 5 blocs s'applique à tous.

Si vous voulez sauter l'écriture de prompts et juste voir ce que GPT Image 2 peut faire, la page /prompts a plus de 20 modèles prêts pour la production (y compris la fiche de concours administratif de ce post) que vous pouvez forker, et /explore a la galerie complète des rendus avec les prompts sources joints.

Pour aller plus loin

• GPT Image 2 a-t-il vraiment détrôné Nano Banana ? Mon verdict
• GPT Image 2 vs Nano Banana 2 vs Midjourney v7 — Une comparaison axée production
• Guide d'écriture de prompts GPT Image 2 — 7 règles pour 90 % de taux de réussite