Workflow IA pour dessin scientifique : de la photo du tableau blanc à la figure publiable
Transforme croquis bruts, notes de méthode et photos de tableau blanc en figures scientifiques éditables avec un workflow IA — sans perdre la science en route.
Dimanche soir avant la deadline figures. Ton directeur de thèse a dessiné le modèle au tableau blanc pendant une réunion de 30 minutes, tu as pris une photo au téléphone. La photo est floue, deux flèches pourraient aller dans n'importe quel sens, et le boucle en haut, c'est un feedback ou une dégradation ? Tu devines et risques une figure fausse, ou tu envoies un mail et perds la nuit.
Un workflow IA de dessin scientifique ne remplace pas une prise de notes claire en réunion. Il enlève le redessin — le pixel-pushing dans Illustrator à 23h. Ce guide est le workflow que les chercheurs utilisent vraiment : photo ou croquis en entrée, prompt structuré au milieu, SVG éditable en sortie.
Traiter la sortie IA comme la figure finale. Le modèle produit une image polie qui semble terminée ; les relations scientifiques à l'intérieur restent ta responsabilité. Toujours exporter en SVG pour garder étiquettes et flèches éditables.
Plus d'articles
Créez vos figures scientifiques avec l'IA
Des milliers de chercheurs utilisent SciDraw AI pour créer en quelques minutes des figures prêtes à publier pour leurs articles, demandes de financement et soumissions — sans compétences en design.
Donner une photo de téléphone sans description. Les modèles image-to-image redessinent ce qu'ils voient, ce qui veut généralement dire inventer des connexions qui ressemblent aux pixels flous. La science doit accompagner la photo en mots.
« Fais ça style Nature. » Ça produit de la décoration, pas de la clarté. Spécifie d'abord les relations structurelles.
Perdre la directionnalité. Les croquis utilisent les flèches librement — « ceci affecte cela ». Une figure scientifique doit distinguer visuellement activation, inhibition, translocation et direction temporelle. À écrire explicitement.
Sauter la vérification. Les figures générées par IA inventent régulièrement des étiquettes et composants jamais présents dans ton croquis. Toujours comparer à la source avant l'export.
Vrai avant/après sur une photo de tableau blanc d'une cascade de kinases :
Trop court — produit un cartoon stylisé mais invérifiable :
Turn this whiteboard photo into a clean scientific figure.
Restructuré — produit une figure éditable et fiable :
Convert the attached whiteboard photo into a clean schematic of a kinase signaling cascade.The sequence is: extracellular ligand → membrane receptor → MAPKKK → MAPKK → MAPK → nuclear transcription factor → target gene.Use right-arrows for phosphorylation steps, dashed arrows for translocation across the nuclear membrane, and a separate panel for the inhibitor (small molecule blocking MAPKK).Preserve the exact node names from the photo: do not invent additional proteins or substrates.Style: clean vector schematic, white background, room for editable labels, no 3D rendering.Output as a layered SVG so I can correct labels in Illustrator.
Le prompt structuré fait deux choses que le court ne fait pas : il nomme chaque nœud (le modèle ne peut rien inventer) et il définit chaque type de flèche (le modèle ne peut rien deviner).
Note : les prompts restent en anglais. Les modèles d'image actuels répondent le plus stablement aux tokens anglais. Texte en français, prompt en anglais est la pratique courante dans la communauté scientifique.
Tout ce qui est dans la colonne droite doit être dans le prompt, même si c'est aussi dans la photo. Les modèles ne lisent pas la structure scientifique depuis un croquis flou de façon fiable.
L'exemple montre les trois étapes : croquis brut, brouillon IA, figure éditable. Le contenu scientifique reste identique ; la grammaire visuelle s'épure à chaque étape. Le brouillon IA n'est pas la version finale — la couche éditable l'est.
Convert the attached whiteboard photo into a clean scientific schematic of [topic].The components are: [list every node visible in the photo, in order].The connections are: [for each arrow, state source → target and what it means (activation, inhibition, translocation, conversion, transport)].Preserve exact labels from the photo: do not invent additional components.Style: clean vector schematic, white background, editable labels, no 3D rendering.Output as a layered SVG.
Create a methods figure from the following protocol notes: [paste protocol].Group steps into four blocks: [sample preparation], [treatment], [measurement], and [analysis].Use a horizontal workflow with numbered steps. Keep labels short enough to fit a single-column methods figure.Show the instrument or assay icon at the measurement step; use a simple bar chart or table icon at the analysis step (no real numbers).Do not invent missing protocol steps. If a step is unclear in the notes, leave it as a labeled placeholder I can fill in later.
Draw a conceptual scientific figure explaining [idea or hypothesis].Components to show: [main actor], [process they undergo], [output or readout], and [feedback or downstream effect].This is for a [grant panel / department seminar / public talk]. Keep labels readable from 2 meters away.Use schematic style, not photorealism. No real data values. No journal logos.
Use the attached figure from a published paper as a layout reference only.Recreate the structure for our own study on [topic]: keep the panel arrangement and arrow style, but replace [their component] with [our component], and update labels to: [list of labels].Do not copy the exact illustrations. The output must be original and not infringe the source figure.Style: editable vector, consistent with our previous figures.
Doctorant de première année : commence par le modèle 2 (méthodes depuis notes). Ton cahier de manip est déjà un prompt structuré — il suffit de reformater.
PI relisant la figure d'un étudiant : demande le croquis et le brouillon IA et le SVG éditable. Si seul le brouillon IA est fourni, l'étape de vérification a été sautée.
Postdoc préparant un talk : le modèle 3 est ton ami. Une figure conceptuelle pour un talk de 10 minutes ne doit pas avoir plus de 4 composants à l'écran.
Responsable de labo ou PI avec culture tableau blanc : photographie le tableau à la fin de chaque réunion, et utilise le modèle 1 dans la semaine. Plus tu attends, plus la dérive d'interprétation s'installe.
Capturer proprement : photo téléphone du croquis ou tableau, bien éclairée, tous composants visibles. Ne pas recadrer avant que l'IA ait vu l'ensemble.
Écrire le prompt à côté de l'image : ouvre un fichier de notes, liste chaque nœud et chaque flèche. Cela t'oblige à vérifier la science avant le modèle.
Générer une variante structurée d'abord : compare-la à ton prompt — pas à ton goût esthétique. Le modèle a-t-il préservé chaque nœud ? Chaque flèche pointe-t-elle dans la bonne direction ?
Itère sur le prompt, pas sur l'image : si la figure est fausse, fix le prompt. Re-générer avec le même prompt erroné est le moyen le plus rapide de brûler des crédits.
Exporte en SVG et édite les étiquettes : utilise vectorize image si la sortie est rasterisée. Les éditions finales d'étiquettes se font dans Illustrator, Inkscape ou PowerPoint.
Vérifie contre la source : place le croquis original et la figure finale côte à côte. Chaque nœud et chaque flèche doivent correspondre.
Non. Le croquis peut être une photo téléphone d'un dessin au marqueur. Ce qui compte, c'est que toi tu comprennes chaque composant et chaque flèche. L'IA ne peut pas se sauver de ta propre ambiguïté.
Parce que les relecteurs demandent des changements d'étiquettes, et les étiquettes sont la partie la plus fragile d'une figure IA. SVG les garde comme texte éditable plutôt que des pixels.
Compare la sortie à ta source. Parcours chaque nœud et chaque flèche dans la sortie et confirme qu'ils proviennent du croquis ou du prompt. Ce qui n'y est pas est une hallucination.
Pour le brouillon oui, jamais pour la version finale. Les figures cliniques doivent passer par une relecture clinicienne avant publication ou distribution aux patients. L'IA est un outil de croquis, pas une autorité clinique.
Ajoute une contrainte négative au prompt : "Do not include any components other than the ones listed above." Les modèles respectent mieux les contraintes négatives explicites que les demandes implicites de minimalisme.
Davie Chen is a researcher at the Faculty of Animation and Intermedia, University of Arts in Poznan, studying generative AI for scientific figure creation, patent illustration, and manuscript drafting. SciDraw AI is one of the research-to-product tools built from this work.
