Je viens de terminer 6 mois d'autoformation.
Il y a deux sites gratuits que je connais et que j'aime bien parce qu'ils font ce que j'aime... pornworks et perchance. Ils sont putain de précis et puissants, à condition d'apprendre à bien prompter. C'était ma première étape. Une fois que j'ai réussi à obtenir ce que je voulais avec les webapps en ligne, j'étais satisfait de cette avancée. Je ne dis pas qu'il n'y a plus rien à apprendre, il y en a des tonnes, et je débute à peine, donc j'utilise des phrases basiques bien écrites pour décrire l'idée générale en une ou deux phrases. Ensuite je liste les détails et j'utilise des mots-clés séparés par des virgules, par exemple.
Ensuite j'ai voulu en apprendre plus sur la technique, alors j'ai pris une EVGA GTX 1080TI d'occasion sur ebay à 150 $. Elle marche parfaitement pour les petits modèles et garde mon budget très bas. Je ne vois pas l'intérêt de payer plus que le prix du neuf, peu importe la qualité du GPU ou la nouveauté de sa génération. J'ai utilisé LUMO pour m'aider, en posant les questions (que je croyais bonnes) dont j'avais besoin pour apprendre ce que je voulais faire. J'ai 32 Go de RAM, tout en ddr4, super pas cher. Du NVME pour un système rapide, mais j'utilise des disques supplémentaires pour stocker les gros modèles / sauvegarder les loras.
Une fois le matos en main, je me suis mis à apprendre les LLM et quels étaient les bons termes à apprendre, connaître et comprendre pour me guider dans l'"écosystème". Gardez en tête le périmètre : pour l'instant je n'apprends que la génération d'images, donc mes questions sont assez précises. Mais en fait j'ai commencé par les LLM textuels, je fais tourner LM studio en local, avec un bon modèle qui est super en maths et en sciences, en archives historiques, etc., il sait coder et il est TRÈS bon pour ça. J'utilise le modèle Qwen3.5 9B Uncensored HauhauCS Aggressive si ça vous intéresse. Il est assez bon pour commencer je pense.
Avec ça et LUMO, j'ai pu apprendre ce que sont les frameworks, workflows, nodes, comfy UI, local vs non local, la différence entre LLM de génération de texte et modèles de génération d'images... Quand j'ai eu une idée de base, j'ai regardé des vidéos youtube pendant environ un mois, juste pour voir ce que font les autres, et franchement ça n'a pas été très utile ici parce que la plupart des gens qui font des guides avaient des vidéos trop vieilles ou le logiciel avait changé et j'avais des erreurs en suivant, et surtout elles étaient trop avancées et n'expliquaient pas les concepts de base ultra simples qui me manquaient.
J'ai donc continué avec les LLM textuels, installé comfy UI et chargé mon premier modèle depuis RED-CIVIT.AI, un modèle SD 1.5, pour que tout reste petit et facile pour mon GPU et aussi pour le workflow. C'est pas aussi écrasant que je le pensais au départ, mais seulement parce que je m'en suis tenu aux maps (c'est-à-dire workflows) les plus basiques. Je n'utilise que les nodes nécessaires, rien de sophistiqué. Je n'avais pas non plus d'attentes sur le résultat. J'ai juste contourné les bugs, les problèmes de logiciel et d'installation, appris les ficelles, en utilisant surtout LUMO parce qu'il peut accéder au web et qu'il est plus à jour : il récupère les dernières mises à jour, patchs, changements, etc.
La majeure partie de mon temps jusqu'ici a en fait servi à créer correctement les environnements sur mon ordinateur et à tout garder organisé. Quand j'ai eu la config la plus basique qui tournait, j'ai pu commencer à apprendre les nodes et les bugs que j'avais en copiant le workflow de quelqu'un d'autre (un cauchemar si c'est complexe, au passage), donc j'ai continué avec LUMO pour m'en sortir, en n'utilisant que les nodes nécessaires pour générer en SD 1.5. J'en ai genre 5 - 8 ou quelque chose comme ça si je me souviens bien, euh, celui avec la lora je crois. Peut-être 6 nodes juste pour du texte vers image ? Je peux pas regarder là, je suis en train d'entraîner une lora à l'instant même.
Bref, une fois SD 1.5 maîtrisé, j'ai appris à connaître les différents modèles, ce que sont les LORAs, et les styles ou thèmes. Sur Civit.AI c'est assez facile de voir ce qu'on obtient et c'est bien organisé, donc je suis resté là pour ça. J'ai découvert quels modèles et loras marchent avec mon GPU, j'ai commencé à télécharger quelques modèles pour les quelques archétypes différents qui existent : pony, krea2, SD 1.5, SDXL, Illustrious, et ainsi de suite, et pour chacun quelques loras, juste quelques-unes, en gardant les répertoires propres et organisés dans un VENV fonctionnel – c'est pour python sous linux.
Ensuite j'ai appris et sauvegardé les workflows les plus basiques pour chaque type de modèle – avec / sans lora, avec / sans image en entrée en plus du texte. Maintenant je peux utiliser n'importe lequel de ces modèles avec ou sans loras pour générer une image à partir de texte. Sans oublier que j'ai appris différentes façons de contrôler le résultat, comme UNET, text encoders, vae et custom nodes.
Ensuite j'ai voulu entraîner une lora de personnage, alors je m'y suis mis, en utilisant LUMO comme guide encore une fois parce qu'il a accès au net et des infos à jour. J'ai installé le framework d'entraînement kohya_ss et fait marcher tout ça, arborescence organisée, etc... et ce matin je traite ma lora de personnage V2. Ce matin j'ai utilisé pour la première fois ma propre lora, celle que j'ai entraînée toute la nuit dernière. Ça a pris 10 heures. Pas mal je me suis dit. Alors j'ai redemandé comment l'améliorer après avoir testé et utilisé cette lora. Elle marche nickel mais elle est puissante, trop puissante même, et manque de flexibilité.
En ajustant la commande d'entraînement initiale, je lance maintenant une session d'entraînement pour produire une lora plus flexible mais sur le même dataset.
C'est un truc que je n'ai pas mentionné, mais j'ai dû apprendre à créer et traiter un dataset avant d'entraîner la lora... ça fait partie du processus. Il y a bien sûr une infinité de façons de faire, mais j'ai choisi une approche simple qui m'apprend les concepts de base, et j'utilise aussi la CLI plutôt que la GUI pour avoir plus d'expérience avec le terminal. C'est plus fluide et contrôlable, avec des réglages fins, mais un peu plus complexe à mettre en place au début. On peut utiliser windows et kohya_ss mais c'est une GUI et je n'utilise PAS windows, ça fait plus de 10 ans. Je ne reviens pas en arrière.
Cela dit, je suis très content de ma progression car je n'écoute pas les mauvais conseils des autres quand il s'agit d'utiliser l'IA comme guide. Je demande aux gens et ils ont tous l'air d'avoir des opinions plutôt négatives sur l'IA et je comprends pourquoi, moi non plus je n'aime pas trop les fermes d'IA de l'industrie parce qu'elles consomment énormément d'électricité, je préfère utiliser du local quand je peux. N'abandonnez pas, utilisez un outil, apprenez-le bien, et continuez à ajouter des outils à votre boîte à outils. Prenez en compte tout ce que les gens disent et ne soyez pas dans le préjugé, parce que vous pourriez passer à côté de quelque chose qui vous serait utile si vous n'aviez pas détourné le regard.
Vous trouverez ce qui marche pour vous, et c'est mon conseil.
Modifié pour grammaire ou orthographe etc.
