Guide de réglage de la modération d'images GPT : comment réduire les erreurs 400 moderation_blocked

Environ une requête sur 23 adressée à GPT Image 2 entre le 19 août et le 18 septembre 2026 a renvoyé une erreur HTTP 400. Le système de sécurité en amont les a rejetées avant même qu'un seul pixel ne soit généré, et la plupart des prompts semblaient inoffensifs pour ceux qui les avaient rédigés. Ce guide de réglage de la modération pour GPT Image est issu de 30 jours de données de production sur l'API d'image de TokenLab, ainsi que de la documentation officielle de génération d'images d'OpenAI. Les déclencheurs sont étroitement regroupés et les solutions consistent à réécrire les prompts plutôt qu'à effectuer de nouvelles tentatives. Lorsque nous citons des chiffres, il s'agit de statistiques globales de la plateforme ; aucun contenu client n'est reproduit.

Points clés à retenir

• Environ 4,3 % des tâches GPT Image sur TokenLab - soit environ une sur 23 - ont été rejetées par le système de sécurité en amont sur une période de 30 jours.
• Les images de référence font plus que doubler le taux de blocage : 8,4 % contre 3,7 % pour la génération basée uniquement sur du texte.
• La combinaison la plus forte que nous avons observée était un vocabulaire lié aux mineurs associé à une formulation photoréaliste : ~9,5 %, soit environ 2,2 fois la référence.
• Réessayer un prompt inchangé n'a jamais permis de récupérer un blocage au cours de cette période, et les tâches bloquées sont automatiquement remboursées.
• Le paramètre moderation="low" réduit la sévérité pour les travaux stylisés clairement bénins ; il ne désactive jamais le filtrage des catégories illégales.

En quoi consiste réellement l'erreur

GPT Image 2 vérifie chaque prompt, chaque image d'entrée et chaque image générée par rapport à la politique de contenu du fournisseur. Lorsqu'un filtre se déclenche, la requête échoue avec une erreur 400, et le discriminateur stable est le code d'erreur :

{
  "error": {
    "type": "image_generation_user_error",
    "code": "moderation_blocked",
    "moderation_details": {
      "moderation_stage": "input",
      "categories": ["sexual"]
    }
  }
}

Selon la documentation officielle, moderation_details est facultatif et délibérément imprécis. moderation_stage vous indique si le blocage provient de vos entrées (input) ou de l'image générée (output). categories contient des étiquettes publiques larges telles que harassment, self-harm, sexual ou violence. Il ne révèle jamais les scores internes des classificateurs.

Sur TokenLab, le même événement se présente sous deux formes :

• Appels synchrones (/v1/images/generations, /v1/images/edits) renvoient immédiatement une erreur HTTP 400.
• Tâches asynchrones passent à l'état failed avec le message "The request was rejected by the safety system."

Deux faits opérationnels importent dans les deux cas. Un blocage de modération est déterministe pour un même contenu : réessayer une requête inchangée ne réussit pratiquement jamais. Et sur TokenLab, une tâche bloquée par la modération compte comme une tâche échouée, donc le quota pré-déduit est automatiquement remboursé en totalité. Vous ne payez jamais pour une génération bloquée.

Trente jours de données de réglage de la modération pour GPT Image

Entre le 19 août et le 18 septembre 2026, environ 4,3 % des tâches GPT Image sur TokenLab (soit environ une sur 23) ont été rejetées par le système de sécurité en amont. Les requêtes bloquées ne sont pas réparties uniformément. Elles se regroupent autour de quelques modèles :

Signal	Tâches bloquées	Toutes les autres tâches	Lecture
Le prompt mentionne des mineurs (enfant, gamin, bébé, "7 ans", ...)	79%	33%	Le prédicteur unique le plus fort
Formulation de rendu photoréaliste ("photoréaliste", "vrai humain", "live-action")	77%	57%	Amplificateur, surtout avec des mineurs
Descripteurs à caractère sexuel (nu, sexy, lingerie, formulation centrée sur le corps)	43%	17%	Prédicteur fort
Mots génériques d'action/violence (bataille, épée, explosion)	~50%	~50%	Aucune valeur prédictive par lui-même

Trois autres conclusions tirées de la même période :

• Les images de référence augmentent le risque. Par exemple, les tâches avec des images d'entrée/référence ont été bloquées à 8,4 %, contre 3,7 % pour la génération basée uniquement sur du texte, soit plus du double. Les images sont modérées aussi strictement que le texte.
• Les prompts longs échouent davantage. Les prompts bloqués comptaient en moyenne environ 3 600 caractères, et plus de la moitié dépassaient les 2 000 caractères. Chaque clause supplémentaire augmente la surface d'exposition pour un classificateur.
• Les nouvelles tentatives n'ont jamais permis de récupérer. Chaque tâche bloquée au cours de cette période a abouti à un état d'échec terminal ; aucune n'a réussi en soumettant à nouveau la même entrée. Et chacune d'entre elles a été remboursée automatiquement.

Le flux de travail le plus bloqué que nous avons observé : les feuilles de conception de personnages photoréalistes de mineurs : des prompts de style "référence de casting" qui décrivent un personnage enfant avec un rendu ultra-réaliste, des proportions corporelles précises et des notes sur les vêtements. Les prompts combinant un vocabulaire lié aux mineurs avec un rendu photoréaliste ont été bloqués à ~9,5 %, soit 2,2 fois le taux de référence.

En examinant la population bloquée, presque chaque rejet tombe dans l'une des cinq catégories suivantes :

1. Représentations photoréalistes de mineurs. Personnages enfants ou bébés rendus comme "un vrai humain photographié en studio", "ultra-photoréaliste", "pas de CGI, pas d'illustration". La combinaison d'un mineur et du photoréalisme est la limite la plus fortement protégée dans la modération d'images, et elle se déclenche même lorsque l'intention est une simple feuille de personnage.
2. Formulation centrée sur les vêtements ou le corps autour des mineurs. Des expressions comme "gros plan sur la clavicule dénudée" (destiné à un simple portrait recadré) ou des mesures détaillées des proportions corporelles de la tête aux pieds d'un personnage enfant. Individuellement innocents, ils sont lus globalement comme une description centrée sur le corps d'un mineur.
3. Descripteurs sexualisés de personnages adultes. Vocabulaire centré sur la pose, la peau et les sous-vêtements ("lingerie", "nu", "pose séduisante") même dans des compositions par ailleurs SFW (adaptées au travail).
4. Anatomie gore graphique. Prompts d'horreur et de dark-fantasy qui décrivent de la chair en décomposition, des organes exposés, des plaies ouvertes ou des parasites avec des détails anatomiques.
5. Images de référence de personnes réelles. Photos réelles de mineurs, images avec une forte exposition de la peau ou visages ressemblant à des célébrités utilisés comme entrées d'édition.

Deux amplificateurs rendent tout ce qui précède plus susceptible de provoquer un déclenchement : les prompts très longs (plus de texte signifie plus de chances pour une mauvaise combinaison) et les listes de mots négatifs. Une ligne comme "pas de nudité, pas de contenu sexuel, pas de gore" ne rassure pas le classificateur. Elle répète les concepts que vous voulez éviter et les ajoute à l'entrée. Décrivez ce que vous voulez, pas ce que vous ne voulez pas.

Le guide de réglage de la modération pour GPT Image

Ces méthodes de réécriture correspondent aux données ci-dessus. (Les exemples sont illustratifs, ils ne proviennent pas du trafic client.)

1. Éloignez les mineurs du photoréalisme

Si votre histoire, bande dessinée ou jeu nécessite des personnages enfants, rendez-les dans un médium clairement stylisé :

Avant : "Photo de casting ultra-photoréaliste d'une fille de 7 ans, vrai enfant
humain photographié en studio, proportions corporelles détaillées, gros plan
sur le visage dénudé au-dessus de la clavicule ..."

Après :  "Illustration à l'aquarelle de style livre d'histoires d'une jeune fille en robe
de la dynastie Ming, portrait au-dessus des épaules, visage rond, chignons
attachés avec des rubans en tissu, expression douce, fond blanc uni"

Changez le médium (aquarelle, animation 2D, dessin animé 3D, style livre d'images). Abandonnez le cadrage "vrai humain / photographié" et ignorez complètement les mesures corporelles. Si vous devez décrire des vêtements, décrivez ce que le personnage porte ("portant une veste en tissu à col rond") plutôt que ce qu'il ne porte pas.

2. Supprimez les listes de mots négatifs

Remplacez "pas de nudité, pas de sang, pas de texte, pas de filigrane" par une formulation positive : "entièrement vêtu", "composition propre", "fond uni". Ne gardez que les négations qui ne nomment pas une catégorie restreinte. "Pas de filigrane" est acceptable ; "pas de nudité" n'aide pas.

3. Raccourcissez le prompt

Si vous générez des feuilles de personnages multi-panneaux, ne répétez pas le même bloc de style dans chaque description de panneau. Une phrase de style partagée plus des spécificités par panneau vous maintient en dessous du seuil de surface d'exposition où les combinaisons de déclencheurs accidentelles deviennent probables.

4. Désamorcez le gore avec l'atmosphère, pas l'anatomie

Avant : "son corps en décomposition, crâne exposé, chair, pustules et parasites ..."

Après :  "une moitié sereine et maternelle, l'autre moitié se dissolvant dans l'ombre
et la brume marine, décomposition suggérée par la silhouette et l'éclairage plutôt
que par des détails anatomiques"

La dark-fantasy survit à la modération lorsque l'horreur est portée par l'ambiance, l'éclairage et la silhouette plutôt que par une description au niveau des tissus.

5. Neutralisez la proximité avec le contenu adulte

Pour les personnages adultes, échangez les mots centrés sur le corps et les sous-vêtements par un langage lié à la mode et à l'ambiance. "Robe de soirée" au lieu de "lingerie", "contrapposto confiant" au lieu de "pose séduisante".

6. Traitez les images de référence comme faisant partie du prompt

Les entrées d'images sont également modérées, et dans nos données, elles font plus que doubler le taux de blocage. Gérez-les comme du texte de prompt :

• Préférez les références stylisées pour les mineurs. Une illustration ou un rendu 3D d'un personnage enfant est une entrée beaucoup plus sûre qu'une vraie photographie d'un enfant, et cela fonctionne généralement tout aussi bien pour la cohérence du personnage.
• Recadrez sur ce qui compte. Si vous avez besoin d'un visage pour la cohérence de l'identité, téléchargez le recadrage du visage, pas une photo de plage en pied. Moins de peau et moins de contexte signifient moins de surface pour le classificateur.
• Supprimez le texte superposé et les filigranes. Les légendes, le texte de mèmes et les chaînes de filigranes sur les images de référence sont lus comme du texte d'entrée et peuvent contenir des mots déclencheurs dont vous aviez oublié la présence.
• Évitez les ressemblances avec de vraies célébrités, à la fois comme images de référence et comme texte de prompt "dans le style de ".

Les notes de support de l'API d'édition GPT Image couvrent la forme de la requête derrière les éditions multi-images et le sondage asynchrone.

Le paramètre de modération

Les modèles GPT Image acceptent un paramètre moderation avec deux valeurs, selon la documentation officielle :

• auto (par défaut) : filtrage standard qui limite certaines catégories de contenu potentiellement inapproprié pour les mineurs.
• low : filtrage moins restrictif.

TokenLab transmet ce paramètre à la fois sur /v1/images/generations et /v1/images/edits :

curl https://api.tokenlab.sh/v1/images/generations \\
  -H "Authorization: Bearer \$TOKENLAB_API_KEY" \\
  -H "Content-Type: application/json" \\
  -d '{
    "model": "gpt-image-2",
    "prompt": "Illustration à l'aquarelle de style livre d'histoires d'une jeune fille en robe de la dynastie Ming, portrait au-dessus des épaules",
    "size": "1024x1024",
    "moderation": "low"
  }'

Utilisez low lorsque votre contenu est clairement bénin mais continue d'être signalé. Le travail d'illustration stylisée est le cas classique. Deux mises en garde : low n'est pas off (les catégories illégales telles que le CSAM sont toujours bloquées), et c'est un curseur, pas une garantie. Corrigez d'abord le prompt, puis utilisez le paramètre.

Gestion des blocages dans le code

Les conseils officiels sont explicites : les échecs image_generation_user_error sont corrigeables par l'utilisateur et ne doivent pas être réessayés sans modifier la requête. Nos données confirment : aucune tâche bloquée au cours de la période de 30 jours n'a été récupérée en réessayant une requête inchangée. La bonne gestion :

• Discriminez sur error.code, pas sur le texte du message. Seul moderation_blocked (et image_generation_user_error en général) signifie "corrigez l'entrée". Les limites de débit et les erreurs 5xx restent réessayables.
• Lisez le stade. moderation_stage: "input" signifie réécrire le prompt ou échanger l'image de référence ; "output" signifie que l'image générée elle-même a été signalée ; relancer avec un prompt légèrement ajusté et moins risqué le résout généralement.
• Gardez le message destiné à l'utilisateur final générique ("Cette requête n'a pas pu être terminée en raison des exigences de sécurité du contenu") et enregistrez moderation_details ainsi que l'ID de la requête pour votre propre débogage et support.
• Ne bouclez pas. Coupez le circuit après un blocage de modération par entrée unique ; resoumettre un contenu identique gaspille de la latence et du temps de débogage même si TokenLab le rembourse.

Liste de contrôle

Votre situation	Déclencheur probable	Solution
Feuille de conception de personnage enfant	Mineur × photoréalisme	Médium stylisé, pas de mesures corporelles, formulation positive sur les vêtements
Portrait adulte photoréaliste bloqué	Descripteurs sexualisés	Formulation liée à la mode/ambiance ; envisagez moderation="low"
Créature de dark-fantasy / horreur	Anatomie gore	Atmosphère et silhouette au lieu de détails sur les tissus
Édition avec photo de référence bloquée	Personne réelle / image d'entrée avec beaucoup de peau	Recadrez plus serré, utilisez une référence stylisée, supprimez le texte superposé
Long prompt multi-panneaux bloqué	Surface d'exposition du prompt + listes négatives	Dédoublonnez le texte standard, supprimez les listes de mots négatifs
Travail stylisé bénin toujours signalé	Conservatisme du classificateur	moderation="low"

Limitations. Les statistiques ci-dessus sont des agrégats sur 30 jours provenant du trafic de production de TokenLab, et elles décrivent des tendances, pas des garanties. Les classificateurs de modération changent avec le temps, et le même prompt peut être traité différemment après une mise à jour en amont. Les exemples de réécriture sont des modèles illustratifs, pas des données client. Validez toujours par rapport au comportement actuel avec un petit test avant un traitement par lots.

FAQ

Est-ce que je paie pour une génération bloquée ?

Non. Sur TokenLab, les tâches bloquées par la modération échouent et le quota pré-déduit est remboursé automatiquement et en totalité.

Est-ce que réessayer le même prompt aide ?

Non. En 30 jours de données, pas une seule tâche bloquée n'a réussi lors d'une nouvelle tentative inchangée. Modifiez d'abord l'entrée.

Est-ce que moderation="low" désactive le filtrage de sécurité ?

Non. Il réduit la restrictivité ; les catégories de contenu illégal restent bloquées quoi qu'il arrive.

Les images de référence sont-elles vraiment modérées ?

Oui. À la fois le prompt et chaque image d'entrée sont filtrés. Les tâches avec des images de référence ont été bloquées à plus du double du taux de celles basées uniquement sur du texte dans nos données.

Puis-je voir exactement quelle règle s'est déclenchée ?

Uniquement au niveau général de moderation_details.categories, et seulement lorsque le système en amont l'inclut. Les fournisseurs ne révèlent délibérément pas les rouages internes des classificateurs.

Pour essayer ces modèles, parcourez le catalogue de modèles d'image, consultez le guide des tâches asynchrones et du sondage pour la gestion du cycle de vie des tâches, et vérifiez la documentation de TokenLab pour le format de requête actuel.

Créez une clé API et exécutez un petit lot de test avant de mettre à l'échelle un flux de travail.