Note de l'auteur : Analyse détaillée des causes réelles de l'erreur PROHIBITED_CONTENT renvoyée par Nano Banana Pro. Étude des mécanismes de déclenchement des invites dans les scénarios d'essayage virtuel pour mannequins e-commerce et proposition de solutions de réécriture conformes aux politiques de sécurité.
Lors de mes travaux sur l'essayage virtuel pour le e-commerce, j'ai rencontré cette erreur : finishReason: PROHIBITED_CONTENT. Pourtant, mon invite concernait une demande tout à fait normale de changement de tenue pour un mannequin. Pourquoi a-t-elle été jugée comme "violation de la politique d'utilisation de l'IA générative de Google" ? C'est bien plus grave qu'une simple erreur IMAGE_SAFETY : PROHIBITED_CONTENT est le niveau de blocage le plus élevé chez Google, impliquant généralement une interdiction stricte. Cependant, l'essayage virtuel est un besoin commercial parfaitement légitime ; le service Shopping de Google utilise lui-même Nano Banana pour ses fonctionnalités d'essayage virtuel. Cet article analyse cette erreur champ par champ pour identifier les termes déclencheurs dans vos invites et vous fournir des solutions de réécriture pour passer les contrôles.
Valeur ajoutée : Après avoir lu cet article, vous comprendrez la différence entre PROHIBITED_CONTENT et IMAGE_SAFETY, vous saurez quels éléments de vos invites e-commerce déclenchent le filtrage et comment les reformuler pour réussir vos invocations.
Analyse détaillée de l'erreur champ par champ
Commençons par clarifier la signification de chaque champ dans cette réponse.
| Champ | Valeur | Signification |
|---|---|---|
finishReason |
PROHIBITED_CONTENT |
Blocage de haut niveau — interdiction stricte au niveau de la politique |
finishMessage |
"sensitive words that violate…" | Google a déterminé que la sortie contient du contenu sensible violant les politiques d'utilisation |
content.parts |
null |
Aucun contenu retourné |
promptTokenCount |
1150 | 1150 jetons consommés en entrée (incluant un grand nombre de jetons d'image) |
candidatesTokenCount |
0 | Sortie à 0 — bloqué, les frais d'image ne sont pas comptabilisés |
thoughtsTokenCount |
221 | Le modèle a réfléchi pendant 221 jetons — un raisonnement plus approfondi que pour IMAGE_SAFETY |
TEXT: 118 |
118 jetons | Votre description de changement de tenue en chinois |
IMAGE: 1032 |
1032 jetons | Vous avez téléchargé des images de référence (photo du mannequin + matériaux vestimentaires) |
PROHIBITED_CONTENT est plus grave que IMAGE_SAFETY
| Dimension de comparaison | IMAGE_SAFETY | PROHIBITED_CONTENT |
|---|---|---|
| Phase de déclenchement | Examen de sécurité de l'image générée | Examen de la catégorie de contenu |
| Gravité | Moyenne (risque de faux positif) | Maximale (interdiction stricte) |
| Cause principale | L'image générée "semble non sécurisée" | La requête implique des catégories interdites |
| Ajustabilité | 70-80 % de succès via l'optimisation de l'invite | Nécessite de changer la stratégie globale |
| Position de Google | Admet une "prudence excessive", faux positifs possibles | Considéré comme une ligne rouge, ne sera pas assoupli facilement |
Pourquoi votre invite a déclenché PROHIBITED_CONTENT
Analyse de l'invite originale
Décomposons votre invite phrase par phrase pour identifier les points sensibles ayant déclenché le filtrage de sécurité :
| Fragment de l'invite | Évaluation du risque | Raison du déclenchement |
|---|---|---|
| "Conserver les proportions du corps, conserver le visage" | Risque élevé | "Conserver le visage" = signal de comportement Deepfake |
| "Mettre les vêtements et la veste de l'image source" | Risque moyen | "Mettre" + image de référence = signal de manipulation corporelle |
| "Veste oversize, veste ouverte révélant le haut" | Risque moyen | "Révélant" + description vestimentaire peut être mal interprété |
| "Changer l'arrière-plan" | Risque faible | Opération normale |
| "Coiffure inchangée" | Risque moyen | Renforce le signal de "conservation des caractéristiques originales" |
| "Changer de pose aléatoirement" | Risque élevé | "Changer de pose" = signal de manipulation corporelle |
| "Photo réaliste" | Risque moyen | "Réaliste" renforce l'intention de simulation/réalisme |
Mécanisme de déclenchement central
Le filtre de sécurité de Google a identifié votre invite comme une "manipulation corporelle et modification de l'apparence d'une personne réelle" — ce qui correspond exactement à la stratégie de protection contre les Deepfakes.
Plus précisément, la combinaison de trois mots-clés a déclenché PROHIBITED_CONTENT :
- "Conserver le visage" — Indique au modèle : "C'est le visage d'une personne réelle, ne le changez pas".
- "Mettre des vêtements" + "Changer de pose" — Demande au modèle de modifier l'état corporel de cette personne réelle.
- "Photo réaliste" — Renforce l'idée qu'il s'agit d'une manipulation simulée d'une personne réelle.
La logique de Google : Conserver le visage d'une personne réelle + modifier le corps/les vêtements/la pose = risque d'utilisation pour créer des Deepfakes → déclenchement de PROHIBITED_CONTENT.
Cette logique est raisonnable pour prévenir les Deepfakes, mais elle pénalise injustement les besoins commerciaux légitimes comme l'essayage virtuel dans l'e-commerce. Ironiquement, le service Shopping de Google utilise lui-même Nano Banana pour l'essayage virtuel — mais il passe par un canal API interne, non soumis au filtrage de sécurité des API publiques.
🎯 Insight clé : Votre invite elle-même n'est pas un "contenu illégal", c'est la manière dont elle est formulée qui déclenche le mode de protection Deepfake. Changer la formulation résoudra le problème.
Lors de l'invocation via APIYI (apiyi.com), la plateforme dispose de configurations optimisées pour les scénarios d'essayage e-commerce, et les échecs ne sont pas facturés.
Stratégies de réécriture d'invites
Principes fondamentaux de réécriture
Passez de la "manipulation d'une personne réelle" à la "création d'un nouveau personnage" — ne donnez pas l'impression au modèle que vous modifiez une personne existante, mais plutôt que vous créez une toute nouvelle image de mode.
| Principe de réécriture | Formulation originale (bloquée) | Formulation réécrite (autorisée) |
|---|---|---|
| Personnage | "Garder le visage" | "Générer un mannequin au style similaire" ou ne pas mentionner le visage |
| Changement de tenue | "Mettre les vêtements de l'image source" | "Portant les vêtements présentés dans l'image de référence" |
| Pose | "Changer la pose" | "Pose debout style magazine de mode" |
| Intention | "Photo réaliste" | "Style photographie de mode commerciale" |
| Corps | "Garder les proportions du corps" | "Morphologie de mannequin standard" |
Option A : Éviter totalement la sémantique de "manipulation" (Recommandé)
Generate a professional fashion photography image:
A female model wearing the outfit shown in the reference image
(oversized coat open over a layered top).
Standing pose, mid-shot framing, model fills 2/3 of the frame.
Carrying a small handbag. Natural and expressive pose with
scene interaction. Urban outdoor background.
Commercial fashion photography style, high quality.
Pourquoi utiliser l'anglais : Le filtrage de sécurité de Google est plus précis avec les invites en anglais, ce qui réduit considérablement les taux de faux positifs.
Option B : Conserver le chinois tout en restructurant la sémantique
专业时尚摄影作品：
一位时尚女模特，穿着参考图片中展示的服装搭配
（oversized 外套内搭层叠穿搭），
外套自然敞开展示内搭细节。
城市街景背景，自然光线。
中景构图，人物占画面三分之二，
站姿自然优雅，搭配手提小包。
商业时尚杂志拍摄风格，高画质。
Changements clés :
- Suppression de "garder le visage" — on ne suggère plus la manipulation d'une personne réelle.
- "Mettre" remplacé par "portant" — on passe d'une action de manipulation à une description statique.
- "Changer la pose" remplacé par "pose debout naturelle et élégante" — plus spécifique, on évite le verbe "changer".
- "Photo réaliste" remplacé par "style photographie de mode commerciale" — on passe d'une intention de simulation à une description de style.
- "Garder les proportions du corps" supprimé — on ne mentionne plus la manipulation corporelle.
Option C : Stratégie d'exécution par étapes
Si vous devez vraiment conserver certaines caractéristiques du mannequin (comme la couleur de peau ou la coiffure), utilisez une approche par étapes :
Étape 1 : Générez d'abord une image de tenue pure sans référence à une personne spécifique.
Fashion lookbook image: [Description de la tenue], worn by a model,
[Couleur de peau/Coiffure] hair, mid-shot, fashion photography style.
Étape 2 : Ajustez les détails via une conversation multi-tours sur la base de la première étape.
Adjust the background to urban street scene,
add a small handbag accessory.
L'exécution par étapes évite de regrouper toutes les opérations "sensibles" en une seule fois, ce qui déclencherait le filtre.
🎯 Conseil pratique : L'option A (invites en anglais) offre le taux de réussite le plus élevé. Si vous devez utiliser le chinois, l'option B est nettement plus efficace que l'invite originale.
En utilisant le service proxy API APIYI (apiyi.com), les échecs ne sont pas facturés, vous pouvez donc tester sereinement plusieurs variantes d'invites pour trouver la solution optimale.
Comparaison avant/après réécriture
| Dimension | Invite originale | Après réécriture (Option B) |
|---|---|---|
| Description du personnage | "Garder les proportions du corps, garder le visage" | "Une mannequin de mode" |
| Action de changement | "Mettre les vêtements de l'image source" | "Portant les vêtements de l'image de référence" |
| Manipulation corporelle | "Changer la pose aléatoirement" | "Pose debout naturelle et élégante" |
| Intention de réalisme | "Photo réaliste" | "Style photographie de mode commerciale" |
| Nombre de mots sensibles | 5+ combinaisons à haut/moyen risque | 0 |
| Résultat attendu | PROHIBITED_CONTENT | Génération réussie |
FAQ
Q1 : Pourquoi l’essayage virtuel de Google Shopping utilise-t-il Nano Banana sans être bloqué ?
La fonctionnalité d'essayage virtuel de Google Shopping passe par des canaux API internes, qui ne sont pas soumis aux mêmes restrictions de filtrage de sécurité que les API publiques. Google utilise un pipeline dédié (g.co/shop/tryon) pour ses propres produits, avec un processus de vérification de sécurité indépendant. Le filtrage des API publiques est plus strict, car Google ne peut pas contrôler la manière dont les tiers utilisent les résultats générés. Il s'agit d'une asymétrie de stratégie de plateforme : la même technologie est autorisée pour Google, mais bloquée pour les développeurs.
Q2 : L’erreur PROHIBITED_CONTENT entraîne-t-elle une facturation ?
Tout comme pour IMAGE_SAFETY, un candidatesTokenCount: 0 indique que les jetons de sortie ne sont pas facturés. Google précise que les images bloquées ne sont pas facturées. Cependant, les jetons d'entrée (1150) et les jetons de réflexion (221) peuvent engendrer des frais minimes (environ 0,0003 $, négligeables). Lors d'une invocation du modèle via APIYI apiyi.com, les échecs ne sont pas facturés, y compris en cas de blocage par PROHIBITED_CONTENT.
Q3 : Que faire si le contenu est toujours bloqué après réécriture ?
Trois étapes pour monter en gamme : 1) Passez à des invites en anglais (Option A), le filtrage de sécurité y est plus précis ; 2) Ne téléchargez pas d'image de référence de mannequin, téléchargez uniquement l'image du vêtement — supprimer la "référence humaine" réduit considérablement le score de risque lié aux deepfakes ; 3) Utilisez APIYI apiyi.com, car les paramètres de sécurité de la plateforme sont optimisés pour les scénarios e-commerce. Si ces solutions échouent, envisagez d'utiliser des outils d'essayage virtuel spécialisés (comme SellerPic ou TapNow) plutôt qu'une API de génération d'images généraliste.
Q4 : Le téléchargement de plusieurs images de référence (mannequin + vêtement) augmente-t-il le risque de blocage ?
Oui. Votre erreur indiquant IMAGE: 1032 jetons montre que vous avez téléchargé une image de référence contenant beaucoup d'informations. Si l'image de référence contient un visage humain, le filtre de sécurité l'identifiera comme "une personne réelle", ce qui renforce le signal de risque de deepfake. Conseil : 1) Téléchargez uniquement l'image du vêtement (sans visage) ; 2) Si vous devez utiliser un mannequin comme référence de style, recadrez l'image pour supprimer le visage.
Conclusion
Points clés concernant l'erreur PROHIBITED_CONTENT de Nano Banana Pro :
- Plus grave que IMAGE_SAFETY : PROHIBITED_CONTENT est un blocage stratégique strict. Google identifie la combinaison "conserver le visage + changer de vêtements + modifier la pose" comme une manipulation de type deepfake.
- Le problème réside dans la formulation, pas dans le contenu : L'essayage e-commerce est un besoin légitime, mais la combinaison dans l'invite de termes comme "conserver le visage", "enfiler", "changer de pose" ou "aspect réaliste" déclenche les mécanismes de protection.
- Principes de réécriture : Passez d'une logique de "manipulation d'une personne réelle" à une logique de "création d'une nouvelle image de mode". Utilisez "portant" au lieu de "enfiler", "style photographie de mode" au lieu de "aspect réaliste", et supprimez toute mention de "conserver le visage". Les invites en anglais offrent un taux de réussite plus élevé.
Nous recommandons d'utiliser Nano Banana Pro via APIYI apiyi.com : les échecs ne sont pas facturés, ce qui permet de tester sereinement plusieurs variantes d'invites, avec des paramètres de sécurité optimisés pour le e-commerce.
📚 Références
-
Documentation des paramètres de sécurité de l'API Gemini : Explications officielles sur les paramètres de filtrage de sécurité.
- Lien :
ai.google.dev/gemini-api/docs/safety-settings - Description : Inclut la signification des valeurs
finishReasonet les catégories de sécurité.
- Lien :
-
Génération d'images Gemini et IA responsable : Documentation sur le filtrage de sécurité de Vertex AI.
- Lien :
docs.cloud.google.com/vertex-ai/generative-ai/docs/multimodal/gemini-image-responsible-ai - Description : Inclut les conditions de déclenchement pour
PROHIBITED_CONTENTetIMAGE_SAFETY.
- Lien :
-
Guide de résolution IMAGE_SAFETY pour Nano Banana Pro : 8 méthodes pour améliorer le taux de réussite.
- Lien :
help.apiyi.com/en/nano-banana-pro-image-safety-error-fix-guide-en.html - Description : Inclut des modèles d'optimisation d'invites et des solutions par scénario.
- Lien :
-
Centre de documentation APIYI : Optimisation des paramètres de sécurité pour les scénarios d'essayage virtuel e-commerce.
- Lien :
docs.apiyi.com - Description : Pas de facturation en cas d'échec + configuration optimisée pour les scénarios e-commerce.
- Lien :
Auteur : Équipe technique APIYI
Échanges techniques : N'hésitez pas à discuter dans la section commentaires. Pour plus de ressources, consultez le centre de documentation APIYI sur docs.apiyi.com.
