← Retour au blog · 2026.07.31
Guide du modèle de tagging d'images IA : comprendre les tags General, Character et Rating
Le modèle de tagging d'images IA utilisé par AnimeTag-AI est un modèle de tagging entraîné sur des millions d'illustrations subculture publiées sur Danbooru. Pour chaque image en entrée, il calcule pour des milliers de tags la « probabilité que ce tag soit présent dans l'image ». Cet article explique comment interpréter les trois catégories du résultat ainsi que le Confidence Score.
1. Les tags General — la catégorie la plus riche en informations
General regroupe presque tous les attributs visuels observables dans l'image : couleur de
cheveux, couleur des yeux, expression, pose, tenue, arrière-plan, style artistique du personnage.
La grande majorité des tags appartiennent à cette catégorie. Des tags comme 1girl,
blue_hair, school_uniform, looking_at_viewer ou
simple_background en font tous partie. Comme le nombre de tags y est très élevé, le
résultat brut peut sembler confus au premier regard — c'est exactement pour cela que la
fonctionnalité « Vue par catégorie » d'AnimeTag-AI a été conçue : elle réorganise automatiquement
ces tags General en apparence, tenue, pose, arrière-plan, etc.
2. Les tags Character — reconnaissance de personnage/œuvre
La catégorie Character regroupe les tags identifiant un personnage ou une œuvre précis, comme
hatsune_miku. Plus un personnage est présent dans les données d'entraînement, plus
le taux de reconnaissance est élevé ; les personnages peu connus ou originaux ne sont souvent pas
reconnus. Une catégorie Character vide n'est donc pas une erreur : cela signifie simplement que
ce personnage n'apparaissait probablement pas assez dans les données d'entraînement.
3. Les tags Rating — classification de la note de contenu
Rating est une catégorie spéciale composée uniquement de quatre valeurs : general,
sensitive, questionable et explicit. Elle permet de juger
automatiquement le niveau d'exposition d'une image, pour filtrer ou classer un jeu de données en
toute sécurité. La somme des probabilités des quatre valeurs est normalisée pour être proche de
1, donc la valeur la plus élevée correspond à la note jugée « la plus probable » par le modèle.
4. Comment lire le Confidence Score ?
Chaque tag est accompagné d'un Confidence Score compris entre 0 et 1. Cette valeur n'est pas tant une « probabilité » qu'une mesure de « à quel point le modèle est sûr que ce tag est correct ». Au-dessus de 0,9, c'est presque certain ; entre 0,35 et 0,6, le tag est incertain mais peut servir de référence ; en dessous de 0,2, il s'agit souvent de bruit. Le curseur Threshold d'AnimeTag-AI filtre justement les tags sur la base de cette valeur — pour des valeurs recommandées détaillées, consultez notre guide du Threshold.
Passez à la pratique
Rien ne vaut l'expérimentation directe. Importez une illustration sur AnimeTag-AI pour voir immédiatement les tags General/Character et le Rating décrits ci-dessus, et passez en « Vue par catégorie » pour voir les tags General automatiquement réorganisés en apparence, tenue, pose, arrière-plan, etc.