Sémiologie du visage avec l'IA : comment je prépare des images pédagogiques avec Gemini et MediaPipe

Dans mes cours de naturopathie, j'enseigne la sémiologie du visage. C'est une pratique ancienne, subtile, qui demande des supports visuels précis. Avant, je passais des soirées à chercher des photos libres de droits, à dessiner des annotations par-dessus, à refaire quand la qualité ne tenait pas.

Aujourd'hui, j'ai un pipeline qui me génère des planches en quelques minutes. Une image pédagogique, propre, annotée aux bons endroits, utilisable en cours ou dans un article. Rien n'a remplacé ma pédagogie, mais la préparation des supports a basculé dans un autre monde.

Le problème

La sémiologie du visage, c'est de l'observation fine. Pour l'enseigner, il faut des images qui montrent précisément ce qu'on doit regarder. Les cernes, les plis, la couleur d'une zone, la forme d'une ligne. Sans les annotations, une photo ne sert à rien : l'œil du novice ne sait pas où se poser.

Le problème, c'est que la plupart des banques d'images proposent des photos qui ne sont pas conçues pour ça. Mauvais éclairage, cadrage trop large, ou au contraire portrait stylisé qui efface les détails pertinents. Même quand je trouvais la bonne photo, l'annotation manuelle me prenait entre une et deux heures par planche.

J'ai aussi un problème de droits. Enseigner impose d'être carré sur l'origine des images. Pas question d'utiliser une photo trouvée sur internet sans licence claire, surtout quand elle montre un visage.

Ce que j'ai mis en place

Un pipeline en deux temps.

Génération d'image avec Gemini. Je demande à Gemini de produire un visage fictif, construit pour la pédagogie. Je précise l'âge approximatif, la luminosité, l'angle, et surtout les caractéristiques à rendre visibles : cernes marqués, teint terne, déséquilibre gauche-droite, ce que je veux enseigner ce jour-là. Le résultat, c'est une image qui ne correspond à aucune personne réelle. Elle est un cas d'étude, et c'est exactement ce qu'il faut.

Détection de repères avec MediaPipe. Par-dessus l'image, un outil de détection faciale pose des repères précis. MediaPipe identifie des centaines de points sur un visage : contour des yeux, zones des joues, arêtes du nez, ligne des lèvres, contour du menton. Je récupère ces coordonnées et je peux positionner mes annotations aux bons endroits, sans mesurer à la main.

Un script d'annotation. Un petit script lit les repères, applique mes annotations typographiques (flèches, labels, zones de contraste) et exporte la planche en haute définition. Le style visuel est fixé une fois pour toutes : je ne perds pas de temps à recomposer une esthétique à chaque planche.

Une relecture pédagogique. Je ne publie jamais une planche sans l'avoir vérifiée. Les annotations doivent être justes. Une erreur en sémiologie, c'est une erreur qui se répète ensuite dans la tête des étudiants. Cette étape humaine est non négociable.

Le résultat

Une planche qui me prenait autour d'une heure et demie en prend maintenant moins de dix minutes. Sur un cycle de préparation de cours, ça change tout. Je peux construire un support riche, avec dix ou douze planches, sans sacrifier une semaine.

Je peux aussi produire des planches spécifiques à un cas. Pendant un cours, un étudiant me pose une question précise sur une présentation que je n'avais pas préparée. Je relance le pipeline dans l'heure suivante, je lui envoie la planche, il repart avec une explication visuelle de ce qu'il a demandé. Avant, c'était impossible.

Et je travaille sereinement sur les droits. Chaque image est générée pour le cours. Aucune vie privée n'est en jeu. Aucune banque d'images à licencier. Mon support est entièrement à moi, traçable, réutilisable sans limite.

Comment vous pouvez répliquer ça

Ce cas est spécifique à la sémiologie, mais le principe s'étend à tout enseignement où vous avez besoin d'images annotées et cohérentes. Anatomie, posture, gestuelle, observation technique, diagnostic visuel dans des domaines professionnels. Partout où l'image est le cœur du cours.

Commencez par définir vos standards. Quelle taille, quel format, quelle palette, quel style d'annotation. Sans ce cahier de charges, vous produirez des planches qui ne se ressemblent pas et votre cours perdra en lisibilité.

Choisissez un modèle de génération d'image qui accepte votre type de prompt. Tous ne se valent pas pour les visages. Testez sur trois ou quatre cas avant de vous engager dans un pipeline complet.

Automatisez les annotations, mais pas les interprétations. Le pipeline peut tracer une flèche au bon endroit. Il ne doit jamais écrire à votre place ce que cette flèche signifie. C'est votre travail d'enseignant, et ça doit le rester.

Une règle claire. Ne générez pas d'image d'une personne réelle sans son consentement, même à des fins pédagogiques. Ne traitez jamais une image de client sans une autorisation écrite, explicite, et un engagement clair sur ce que vous en ferez. Cette rigueur protège vos élèves, votre cabinet et votre réputation.

Si vous voulez monter ce type de pipeline pour votre propre enseignement, je peux vous accompagner.

Pour aller plus loin

• Questionnaires de pré-consultation ce qui arrive avant la lecture du visage.
• Chatbot naturo sur mon site : les garde-fous pour voir l'IA au service du cabinet, côté site.
• Préparer mes cours d'école de naturopathie avec Claude pour enseigner la méthode, pas seulement la pratiquer.

Réserver un appel gratuit

— François