Guide skills & génération 10/10

L'objectif : un client clique « Générer » et reçoit du premier coup un livrable noté 9 ou 10 sur 10 — logo, palette, moodboard, charte graphique, kit d'ADN de marque, carrousel — sans jamais corriger un prompt, relancer, ni fournir d'exemples. Ce guide décrit le système complet pour y arriver, la réponse à « dois-je fournir 200-300 logos ? », et l'ordre exact de construction.

0Pourquoi « un meilleur prompt » ne suffira jamais

Un prompt, même parfait, produit une distribution : la même consigne sort un 9 puis un 6. Tant que le client reçoit le tirage brut, il tombera sur les 6. La qualité constante ne vient donc pas du prompt mais d'un système à cinq briques : le savoir distillé dans le skill, un juge calibré par métier, une boucle interne qui refuse de livrer sous la note, des choix guidés aux bons moments, et une porte de promotion mesurée avant d'ouvrir aux clients. Chaque brique existe déjà quelque part dans Nova Studio — il s'agit de les généraliser.

Preuve maison (24/08) : les 24 covers de templates du Studio ont été générées par une boucle générer → juger → corriger avec un seuil strict à 10/10. Premier constat : le tout premier « 10/10 » du juge était un packshot fond blanc… qui illustrait Amazon au lieu du Packshot Studio. Après calibration du juge (représentativité éliminatoire, excellence redéfinie par style), les 24 sont sorties à 10/10 — dont les styles « authentiques » (UGC, TikTok) qui coinçaient à 8-9 tant que le juge exigeait du « poli publicitaire » sur un style qui demande l'inverse. Le pipeline est dans scripts/gen-covers.ts : c'est le prototype de tout ce qui suit.

1Brique 1 — La banque d'exemples notés, par métier

Une banque séparée par livrable, chacune avec le même format :

Format d'annotation minimal (une ligne par exemple, c'est tout) : note /10 · style/famille · pourquoi cette note en une phrase. Un dossier par métier, un notes.json à côté. Les images seules ne servent à rien : c'est la note et le pourquoi qui transforment la pile en outil.

2Brique 2 — Un juge par métier, calibré et mesuré

Le juge est un modèle de vision avec des critères écrits propres au métier — jamais un « note ça /10 » générique. La note 10 doit être atteignable et signifier quelque chose de précis. Exemples de grilles :

• Logo : lisible à 16 px ? déclinable en une couleur et en négatif ? équilibre optique ? mémorisable en 2 secondes ? aucun cliché du secteur ? pas de dégradé piège à l'impression ? cohérent avec le positionnement déclaré ?
• Palette : contrastes accessibles entre rôles (texte/fond), une dominante claire, accents qui ne se battent pas, tient en clair ET en sombre ?
• Charte : chaque couleur a un rôle écrit ? typos réellement disponibles ? échelles cohérentes ? règles d'usage applicables sans le designer ?
• Moodboard : raconte UN territoire (pas trois) ? matières, lumière et attitude cohérentes ? transposable au produit du client ?
• Carrousel : la slide 1 arrête le pouce ? une seule idée par slide ? progression logique ? cohérence visuelle de bout en bout ? CTA final net ?

Règle : la qualité TECHNIQUE ne compte jamais (26/08)

Certaines références de la banque viennent de favicons minuscules agrandis : elles sont pixelisées SANS que l'identité soit mauvaise. La règle, gravée aux trois étages :

• Les notes du client ignorent la netteté — il note le dessin (formes, couleurs, pertinence pour la niche) comme si l'image était parfaitement nette. La page de notation le rappelle sur chaque item étiqueté.
• La détection est automatique — le script qualite compare l'image à sa version 48 px ré-agrandie : quasi identique = source minuscule, l'item reçoit meta.qualiteTechnique, exporté avec les notes.
• Les juges héritent de la règle — leur prompt de calibration devra dire : « sur un item étiqueté qualiteTechnique, reconstruis mentalement le dessin en haute qualité (formes et couleurs seules) et ne pénalise JAMAIS la pixelisation ; les notes du client sur ces items portent déjà sur le dessin idéalisé ». Sans ça, un juge apprendrait que « flou = mauvais » sur des exemples où le client a mis 9.

La calibration, mesurée — pas ressentie

1. Le juge note toute la banque d'exemples (les 10/10 ET les contre-exemples).
2. On compare à tes notes : le taux d'accord doit dépasser 90 %, et surtout zéro contre-exemple noté ≥ 9.
3. Chaque désaccord corrige la grille du juge (pas l'exemple), et on re-mesure.

Pièges déjà rencontrés et documentés : un juge complaisant donne 10 à une image « propre » mais hors sujet (→ critère de représentativité ÉLIMINATOIRE, plafond 6) ; un juge qui mélange deux exigences contradictoires ne converge jamais (« authentique UGC » + « poli vitrine » → il faut écrire que l'excellence d'un style authentique EST la crédibilité du cliché, pas le léché). Le précédent existe aussi côté produit : le noteur de fidélité (prompts/qa/note-fidelite.md) a été calibré le 21/08 sur cas réels — bons cas 6-7, produits différents 3-4, seuil à 6.

3Brique 3 — La boucle interne : générer → juger → corriger, livrer seulement au-dessus du seuil

Le client ne voit jamais les brouillons. Au clic, le serveur boucle : génération → note du juge → si < 9, les défauts listés repartent dans le prompt du tour suivant → jusqu'à 9-10 ou épuisement des essais (4 à 6 selon le métier). Règles :

• Les reprises sont à la charge de la maison, jamais facturées — c'est déjà la règle de config/credits.json, elle s'étend telle quelle.
• Multi-candidats pour le subjectif : un logo n'a pas UNE bonne réponse. On génère 8 partis pris, le juge élimine tout ce qui est sous 9, et le client choisit parmi les 3-4 survivants. Le tournoi remplace la perfection unique.
• Escalade automatique : deux refus de suite → modèle supérieur (tier high, Nano Banana Pro…), comme l'escalade OCR de l'Infographie.
• Journal de bord : chaque boucle loggue notes, défauts, essais — c'est la matière première de la brique 5.

4Brique 4 — Les checkpoints guidés : le client choisit, il ne corrige jamais

Le parcours « kit d'ADN complet » devient une suite d'étapes où chaque écran présente 3-4 options déjà validées ≥ 9 par le juge, et le choix nourrit l'étape suivante :

1. Brief — le parcours guidé existant (produit, avatar, positionnement) ou la conversation Production Center.
2. Moodboards — 4 territoires visuels générés et jugés ; le client en choisit un (ou en écarte deux et on regénère).
3. Palettes — 3 palettes accordées au territoire choisi, contrastes vérifiés mécaniquement AVANT le juge.
4. Logos — tournoi 8 → survivants ≥ 9 → choix ; puis déclinaisons automatiques (négatif, une couleur, icônes) sur le logo élu.
5. Charte — rôles des couleurs, typos, règles d'usage, générée depuis les choix précédents et jugée sur la grille charte.
6. Kit final — assemblé, exporté, posé en ADN de marque citable avec @ partout.

Même logique pour les carrousels : le skill /carrousel et la page Carrousels partagent le même moteur — d'abord le déroulé (jugé sur la grille copywriting), checkpoint, puis les slides une à une (jugées visuellement, cohérence inter-slides comprise), et le lot atterrit dans la page Carrousels prêt à exporter.

Côté skills Claude (/marque, /charte, /design-system, /carrousel, boucles de design type gauntlet) : le skill devient l'orchestrateur de ces briques — il appelle la banque, la boucle et les checkpoints — et non plus un simple prompt conversationnel. C'est exactement la méthode « design-loop » (générer + critiques en contexte frais + itérer), industrialisée côté serveur.

5Brique 5 — L'amélioration continue et la porte de promotion

• Chaque livraison est une donnée : le pouce haut/bas existant, l'option choisie parmi les 4 (signal de goût), les demandes de reprise. Tout est déjà loggué ou facile à logger.
• Rituel hebdomadaire : re-noter un échantillon, enrichir les banques avec les meilleures livraisons réelles, déclasser les styles qui ne sont jamais choisis — le pattern de l'Atelier modèles (candidats → validés → promus), appliqué aux styles et aux exemples.
• La porte de promotion — la règle la plus importante : un skill n'est ouvert aux clients que lorsqu'il tient ≥ 90 % de livraisons notées ≥ 9/10 sur 20 tests consécutifs, tests faits sur des briefs variés que le skill n'a jamais vus. Avant cette porte, il reste dans la section Interne. Après, on continue de mesurer : si le taux retombe sous 80 %, le skill repasse en rodage.

6Le plan d'action, dans l'ordre

Ordre de grandeur honnête : les étapes 3-5 sont l'affaire de quelques sessions ; la 6 est le gros morceau ; la 7 dépend surtout de la banque. Le coût des boucles de test est réel mais borné (quelques dizaines d'euros d'API par métier pour la calibration) — sans commune mesure avec ce que coûte un client qui reçoit un 6/10.