Créer un workflow txt2img sur ComfyUI : guide complet débutant
- Gaetan Michel
- 8 mai
- 5 min de lecture
ComfyUI est l’un des meilleurs outils pour générer des images avec l’IA en local. Contrairement à une interface classique avec quelques boutons, ComfyUI fonctionne avec des nodes, c’est-à-dire des blocs reliés entre eux. Au début, cela ressemble un peu à un tableau électrique d'une centrale nucléaire un vendredi soir, mais dès qu’on comprend les liaisons, tout devient logique.
Le workflow txt2img permet de créer une image à partir d’un simple texte. On écrit un prompt, on choisit un modèle, on règle quelques paramètres, puis ComfyUI génère l’image.
ComfyUI est open source, extensible, et permet d’installer des milliers d’extensions communautaires. Le site officiel indique qu’il existe plus de 5 000 extensions et 60 000 nodes disponibles pour personnaliser les workflows. (Comfy)
Téléchargements nécessaires
Pour démarrer proprement sur Windows, il faut prévoir :
Élément | Utilité |
ComfyUI | Interface principale de génération |
Python / version portable | Nécessaire au fonctionnement de ComfyUI |
Git | Pratique pour installer les custom nodes |
NVIDIA Driver / AMD / Intel selon GPU | Accélération GPU |
Checkpoints | Modèles principaux de génération |
VAE | Amélioration du décodage de l’image |
LoRA | Style, personnage, vêtement, pose, etc. |
ComfyUI Manager | Installation facile des custom nodes |
La version portable officielle de ComfyUI pour Windows intègre son propre Python et peut fonctionner avec GPU NVIDIA ou CPU, ce qui simplifie beaucoup l’installation pour débutant. (ComfyUI Documentation)Pour les installations plus avancées, ComfyUI indique aussi que l’installation manuelle peut prendre en charge différents types de GPU : NVIDIA, AMD, Intel, Apple Silicon, etc. (GitHub)
Où placer les modèles dans ComfyUI ?
Les modèles ne sont généralement pas fournis directement avec ComfyUI. Il faut les télécharger puis les placer dans les bons dossiers. La documentation officielle précise que les checkpoints, VAE, LoRA, ControlNet et upscalers se rangent dans ComfyUI/models/, puis se chargent avec les nodes correspondants. (ComfyUI Documentation)
Exemple :
ComfyUI/
└── models/
├── checkpoints/
├── vae/
├── loras/
├── controlnet/
├── upscale_models/
└── embeddings/
À retenir :
Type de fichier | Dossier |
Checkpoint .safetensors | models/checkpoints |
VAE | models/vae |
LoRA | models/loras |
ControlNet | models/controlnet |
Upscaler | models/upscale_models |
Embedding / textual inversion | models/embeddings |
Le workflow txt2img de base
Un workflow txt2img simple contient généralement ces nodes :
Load Checkpoint
CLIP Text Encode — prompt positif
CLIP Text Encode — prompt négatif
Empty Latent Image
KSampler
VAE Decode
Save Image
Le principe est simple :
Checkpoint + Prompt + Image vide
↓
KSampler
↓
VAE Decode
↓
Save Image
Les liaisons essentielles
Dans ComfyUI, chaque couleur ou type de sortie a une logique. Il faut connecter les bons ports entre eux.
Sortie | Va vers | Rôle |
MODEL du Checkpoint | model du KSampler | Modèle de génération |
CLIP du Checkpoint | clip des prompts | Compréhension du texte |
VAE du Checkpoint | vae du VAE Decode | Décodage final |
Prompt positif | positive du KSampler | Ce que l’image doit contenir |
Prompt négatif | negative du KSampler | Ce qu’il faut éviter |
Empty Latent Image | latent_image du KSampler | Base vide de l’image |
KSampler LATENT | VAE Decode samples | Image latente à décoder |
VAE Decode IMAGE | Save Image images | Image finale |
Réglages importants du KSampler
Le KSampler est le cœur du workflow. C’est lui qui transforme le bruit de départ en image.
Réglage | Explication | Conseil débutant |
Seed | Numéro de génération | -1 pour varier, fixe pour reproduire |
Steps | Nombre d’étapes de calcul | 20 à 35 pour commencer |
CFG | Force du prompt | 5 à 8 souvent efficace |
Sampler | Méthode de génération | DPM++ 2M, Euler, DPM++ SDE |
Scheduler | Gestion du bruit | Karras souvent très bon |
Denoise | Force de transformation | 1.00 en txt2img pur |
Width / Height | Taille de l’image | SDXL : 1024×1024, SD1.5 : 512×512 |
Astuce pro : ne change jamais 10 réglages à la fois. Sinon tu ne sauras pas lequel a amélioré ou détruit l’image. C’est comme régler une chaudière avec un bandeau sur les yeux : sportivement discutable.
Exemple de prompt positif
portrait photo réaliste d’un homme en tenue de football, stade moderne, lumière cinématique, détails du visage, profondeur de champ, haute qualité, ultra realistic, sharp focus
Exemple de prompt négatif
blurry, low quality, bad hands, extra fingers, distorted face, watermark, text, logo, deformed body, oversaturated
Pour un rendu réaliste, il vaut mieux un prompt clair et précis qu’un pavé de 40 lignes. ComfyUI aime les consignes propres.
Ajouter un LoRA dans le workflow
Un LoRA permet d’ajouter un style, un personnage, une tenue, une pose ou un effet sans changer complètement de checkpoint. La documentation officielle explique que les LoRA, y compris LyCORIS, LoHa, LoKr ou LoCon, s’utilisent via un node Load LoRA. (ComfyUI Documentation)
Workflow avec LoRA :
Load Checkpoint
↓
Load LoRA
↓
KSampler
Le node LoRA doit recevoir :
Entrée LoRA | Source |
model | Sortie MODEL du checkpoint |
clip | Sortie CLIP du checkpoint |
Et il renvoie :
Sortie LoRA | Destination |
MODEL | KSampler |
CLIP | Prompts |
Réglage conseillé :
Type de LoRA | Force |
Style léger | 0.4 à 0.7 |
Personnage | 0.7 à 1.0 |
Pose / concept fort | 0.8 à 1.2 |
Custom nodes utiles pour améliorer ComfyUI
Le plus simple est d’installer ComfyUI Manager, qui permet d’installer, supprimer, désactiver ou activer des custom nodes directement depuis ComfyUI. (GitHub)La documentation officielle donne aussi une méthode d’installation manuelle des custom nodes via téléchargement ZIP, à copier dans ComfyUI/custom_nodes/. (ComfyUI Documentation)
Custom nodes intéressants :
Custom node | Utilité |
ComfyUI Manager | Installer et gérer les extensions |
ComfyUI Impact Pack | Détail du visage, détection, amélioration |
rgthree-comfy | Nodes pratiques, workflow plus lisible |
ComfyUI Essentials | Nodes utiles pour workflows propres |
WAS Node Suite | Outils image, texte, masques |
Efficiency Nodes | Workflow plus compact |
ControlNet Auxiliary Preprocessors | OpenPose, depth, canny, etc. |
IPAdapter Plus | Référence d’image, style ou visage |
Ultimate SD Upscale | Upscale par tuiles |
ComfyUI-Custom-Scripts | Interface et confort d’utilisation |
Les efficiency nodes peuvent regrouper plusieurs fonctions comme le chargement du checkpoint, du VAE, du prompt et des LoRA dans un seul node, ce qui rend certains workflows beaucoup plus compacts. (BentoML)
Astuces de pro pour un meilleur txt2img
1. Choisir le bon checkpoint
Pour du réalisme : checkpoint réaliste.Pour du manga : checkpoint anime/manga.Pour du design produit : checkpoint polyvalent ou SDXL propre.
Un mauvais checkpoint ne sera jamais complètement sauvé par un bon prompt.
2. Utiliser une résolution cohérente
Pour SDXL :
1024×1024
832×1216
1216×832
Pour SD 1.5 :
512×512
512×768
768×512
3. Garder le même seed pour comparer
Quand tu testes un sampler ou un CFG, garde le même seed. Sinon tu compares deux images différentes, pas deux réglages.
4. Faire une génération simple avant d’ajouter les options
Commence par :
Checkpoint + Prompt + KSampler + VAE Decode + Save
Puis ajoute :
LoRA
ControlNet
Upscale
Face detailer
IPAdapter
Un workflow trop chargé dès le début devient vite une usine à gaz. Très joli sur l’écran, très pénible à dépanner.
5. Sauvegarder ses workflows
Quand une image est réussie, sauvegarde le workflow. Dans ComfyUI, les images générées peuvent souvent contenir les métadonnées du workflow, ce qui permet de retrouver les réglages utilisés.
Schéma récapitulatif complet du workflow txt2img
[models/checkpoints]
↓
[Load Checkpoint]
├── MODEL ───────────────→ [KSampler: model]
├── CLIP ─────→ [CLIP Text Encode positif]
├── CLIP ─────→ [CLIP Text Encode négatif]
└── VAE ─────────────────→ [VAE Decode: vae]
[CLIP Text Encode positif]
↓ CONDITIONING
[KSampler: positive]
[CLIP Text Encode négatif]
↓ CONDITIONING
[KSampler: negative]
[Empty Latent Image]
↓ LATENT
[KSampler: latent_image]
[KSampler]
↓ LATENT
[VAE Decode]
↓ IMAGE
[Save Image]
Avec LoRA :
[Load Checkpoint]
├── MODEL → [Load LoRA] → MODEL → [KSampler]
└── CLIP → [Load LoRA] → CLIP → [Prompts]
Conclusion
Créer un workflow txt2img sur ComfyUI devient simple quand on comprend la logique des nodes :
Modèle + Texte + Latent vide → Génération → Décodage → Image
Le vrai avantage de ComfyUI, c’est qu’on peut commencer très simplement, puis construire progressivement des workflows professionnels avec LoRA, ControlNet, IPAdapter, upscaling et face detailer.
Pour un débutant, le meilleur conseil est simple : fais d’abord fonctionner un workflow minimal. Ensuite seulement, ajoute les options une par une. ComfyUI récompense la méthode. Et comme souvent en IA locale, celui qui range bien ses dossiers gagne déjà la moitié du combat.
Commentaires