Comment combiner l’API d’analyse de la peau de Perfect Corp avec Claude

La plupart des outils d’analyse de la peau ont le même problème : ils sont bons pour générer des données mais mauvais pour rendre ces données réellement utiles.

Un score de 58 pour les pores et de 65 pour les rides ne dit pas à l’utilisateur ce qu’il doit faire ensuite. Il n’explique pas pourquoi ces scores sont importants, ce qui les provoque, ni à quoi ressemble un plan d’amélioration réaliste. Les données sont là mais l’interprétation ne l’est pas.

Il est pourtant possible d'y remedier. L’API d’analyse de peau de Perfect Corp gère la partie la plus difficile : une évaluation cutanée précise, validée par des dermatologues, sur 15 préoccupations à partir d’une seule photo. Claude gère l’autre partie : transformer ces chiffres en une conversation qui donne l’impression de venir de quelqu’un qui connaît vraiment les soins de la peau.

Cet article explique comment fonctionne l’intégration, ce qu’elle permet de faire et ce que cela change maintenant que les deux API sont disponibles via MCP.

Rôle de chaque composant

L’API d’analyse de peau de Perfect Corp analyse une photo de visage et renvoie des scores quantifiés pour 15 préoccupations cutanées : rides (détaillées par zones : front, pattes-d’oie, sillons nasogéniens, etc.), pores (par zone), hydratation, fermeté, acné, brillances, rougeurs, éclat, cernes, poches sous les yeux, paupières tombantes, taches de vieillesse, vallée des larmes et type de peau. Elle fournit également une estimation de l’âge cutané et un score global de santé de la peau.

La sortie est un JSON propre incluant des scores numériques sur une échelle de 0 à 100, des URL d’images de masques pour les superpositions visuelles ainsi que des scores bruts et des scores ajustés pour l’interface selon vos besoins.

Claude est un LLM particulièrement adapté aux tâches d’interprétation proches du domaine médical. À partir d’une charge utile structurée de scores cutanés et d’un prompt système clair, il peut expliquer ce que signifie chaque score en langage simple, identifier les préoccupations qui méritent le plus d’attention, suggérer les prochaines étapes fondées sur les preuves et adapter son ton au contexte qu’il s’agisse d’un résumé de consultation pour un medspa, d’une recommandation de soins pour le grand public ou d’un guide produit personnalisé pour une marque.

Aucun des deux outils, pris isolément, ne permet d’offrir une expérience complète à l’utilisateur. L’API vous donne la précision sans la communication. Claude vous donne la communication sans la précision. Ensemble, ils couvrent les deux.

Fonctionnement de l’intégration

Le flux de base est simple :

1. L’utilisateur envoie une photo via votre frontend (appareil photo mobile, téléversement de fichier ou webcam)
2. Votre backend appelle l’API d’analyse de la peau, redimensionne l’image selon les spécifications (grand côté ≤ 4096 px, petit côté ≥ 1080 px pour la HD), la téléverse via l’API de fichiers, crée une tâche et interroge jusqu’à ce que le résultat soit prêt
3. Vous transmettez le JSON de scores à Claude avec un prompt système qui définit le rôle, le ton et le format de sortie
4. La réponse de Claude s’affiche dans votre interface : personnalisée, lisible, exploitable

L’appel à l’API prend lui-même quelques secondes. La réponse de Claude ajoute une seconde ou deux. Dans la plupart des contextes d’interface, le streaming de la réponse de Claude jeton par jeton rend l’expérience fluide, même avant que tout le texte ne soit généré.

Voici à quoi ressemble un prompt système minimal :

Vous êtes un conseiller en soins de la peau qui interprète des résultats d’analyse cutanée par IA.
Les scores vont de 0 à 100, où un score plus élevé = une peau plus saine.
À partir des résultats de scan ci-dessous, expliquez ce qu’ils signifient avec des mots simples.
Identifiez les 2 à 3 préoccupations les plus importantes à traiter.
Suggérez pour chacune des prochaines étapes précises, fondées sur les preuves.
Adoptez un ton chaleureux, précis, et évitez le jargon.
Ne mentionnez pas directement les scores numériques; traduisez-les en langage naturel.

Et voici un exemple simplifié des données que vous transmettriez :

{"hd_moisture":{"ui_score":70},"hd_wrinkle":{"whole":{"ui_score":65},"forehead":{"ui_score":55}},"hd_pore":{"nose":{"ui_score":58}},"hd_acne":{"whole":{"ui_score":82}},"hd_radiance":{"ui_score":79},"skin_age":37,"all":{"score":74.2}}

Claude prend cette charge utile et renvoie quelque chose comme :

Votre peau est globalement en bon état ; l’hydratation et l’éclat se maintiennent bien. La principale zone à cibler est celle des pores du nez, qui montrent davantage de congestion que le reste du visage. Cela est généralement dû à un excès de sébum dans la zone T et répond souvent bien à un nettoyant à l’acide salicylique utilisé quelques fois par semaine. Les rides du front sont le deuxième point à traiter ;  rien de dramatique, mais une intervention précoce avec un rétinol (commencez avec une faible dose, augmentez progressivement) est plus efficace qu’un traitement tardif. Tout le reste est plutôt bien maîtrisé.

C’est toute la différence entre un tableau de bord et une consultation.

MCP : la voie la plus rapide vers l’intégration

Jusqu’à récemment, connecter Claude à une API externe signifiait écrire vous‑même le code d’intégration — gestion de l’authentification, formatage des requêtes, analyse des réponses, gestion des erreurs. Cela fonctionne, mais ajoute des frictions, surtout en phase de prototypage.

Perfect Corp prend désormais en charge le Model Context Protocol (MCP), ce qui change fortement la configuration.

MCP est une norme ouverte qui permet aux modèles d’IA comme Claude et aux outils de développement comme Cursor de comprendre et d’appeler directement des API externes, sans code d’enrobage personnalisé. Pensez‑y comme à un connecteur standardisé : au lieu d’écrire une logique d’intégration spécifique pour chaque outil, vous exposez une fois votre API sous forme de serveur MCP, et tout client compatible MCP peut l’utiliser immédiatement.

Pour l’API d’analyse de peau, cela signifie :

• Claude Desktop et Claude Code peuvent appeler directement les outils d’analyse de la peau depuis une conversation ou un workflow agentique
• Cursor peut référencer et invoquer l’API pendant que vous développez, sans quitter l’éditeur
• N’importe quel autre client compatible MCP (Windsurf, Cline et d’autres) bénéficie du même accès

En pratique, cela réduit le délai entre « je veux tester cette intégration » et « j’ai des résultats à l’écran » de plusieurs heures à quelques minutes. Vous construisez le produit réel.

Ce que vous pouvez créer avec cette stack

Cette combinaison ouvre une large gamme de directions produit, selon le public pour lequel vous développez :

Outils de consultation personnalisée en soins de la peau : l’application la plus directe. L’utilisateur réalise un scan, Claude explique les résultats et recommande une routine. Fonctionne comme outil web autonome, widget embarqué ou écran mobile. En associant Claude à votre catalogue produit, il peut faire remonter les références pertinentes en parallèle des conseils.

Parcours de pré‑consultation pour medspa et cliniques : les clients effectuent un scan avant leur rendez‑vous. Claude génère un résumé structuré de leur profil cutané (préoccupations, sévérité, historique) si vous stockez des données dans le temps. L’esthéticien ou le dermatologue arrive déjà informé. Moins de temps consacré au recueil d’informations, plus de temps pour le traitement.

Moteurs de personnalisation pour l’e‑commerce : l’utilisateur réalise un scan avant d’acheter. Les scores cutanés alimentent un moteur de recommandation soit directement via Claude, soit via une logique assistée par Claude qui fait le lien entre préoccupations et produits. Cela réduit les retours, renforce la confiance au moment du paiement et vous apporte des données de peau de première main plus fiables que des questionnaires auto‑déclaratifs.

Fonctionnalités de suivi des progrès : stockez les résultats de scans dans le temps. Claude peut comparer les écarts entre les scans : ce qui s’est amélioré, ce qui reste stable, ce qui semble évoluer dans la mauvaise direction. Ce type de narration est difficile à générer de manière purement programmatique et facile pour Claude à rédiger naturellement.

Environnements sandbox pour développeurs et entreprises : pour les équipes qui évaluent l’API avant une intégration complète, un sandbox piloté par Claude leur permet d’interagir en langage naturel avec de vrais résultats sans avoir à créer d’interface en amont. Utile pour les démos, les outils internes et l’accélération des décisions d’achat.

Remarque sur les données de score

Un point important à connaître avant de concevoir vos prompts : l’API renvoie deux types de score pour chaque préoccupation  raw_score et ui_score.

raw_score est la sortie directe du modèle. ui_score est une version ajustée, calibrée pour paraître plus favorable : la documentation précise que les consommateurs réagissent généralement mieux à des évaluations légèrement positives, et le score d’interface reflète cette calibration.

Pour les expériences orientées grand public, ui_score est généralement le bon choix. Pour les contextes cliniques ou de recherche, où la précision compte davantage que la manière de présenter les résultats, raw_score vous donne la sortie non modifiée.

Si vous utilisez Claude pour interpréter les résultats, vous choisirez probablement de transmettre ui_score pour les contextes grand public et d’instruire Claude de se concentrer sur les différences et les tendances relatives plutôt que sur les valeurs absolues.

Premiers pas

Le chemin le plus rapide vers un prototype fonctionnel :

1. Obtenez une clé d’API sur yce.perfectcorp.com : un essai gratuit inclut l’accès aux endpoints HD d’analyse de la peau
2. Exécutez les exemples d’appels curl fournis dans la documentation pour vérifier votre authentification et comprendre la structure de la réponse avant d’écrire le moindre code applicatif
3. Connectez‑vous via MCP si vous travaillez dans Claude ou Cursor cela supprime l’essentiel de la charge d’intégration et vous permet de commencer immédiatement à expérimenter avec les prompts
4. Itérez sur votre prompt système : la qualité de la sortie de Claude dépend presque entièrement de la clarté avec laquelle vous définissez le rôle, l’audience et le format de sortie. Commencez simplement et ajoutez de la précision au fur et à mesure que vous découvrez ce dont vos utilisateurs ont réellement besoin

Le marché de l’analyse de la peau croît rapidement. Il devrait atteindre environ 7,11 milliards USD d’ici 2034, et les outils désormais disponibles pour les développeurs sont suffisamment sophistiqués pour que ce qui nécessitait autrefois une équipe de vision par ordinateur et des mois d’entraînement de modèles puisse être intégré en une après‑midi.

Passer d’un simple questionnaire cutané à une consultation de peau réellement pertinente n’a jamais été aussi facile.