Un plan généré par IA peut être spectaculaire. Dix plans mis bout à bout sans intention narrative donnent un clip creux. Toute la difficulté de la vidéo assistée par IA se situe là : le moteur d'image n'est plus le facteur limitant, la structure narrative l'est devenue. Ce guide propose une méthode complète, du brief au montage : écrire un script conçu pour la génération, le transformer en storyboard lisible, choisir le bon outil plan par plan, puis assembler sans perdre la cohérence.
Le vrai goulot d'étranglement n'est pas le moteur, c'est la narration
Les outils de génération vidéo ont atteint un niveau de qualité qui aurait paru impossible il y a quelques années : mouvements de caméra crédibles, textures nettes, lumière stable sur plusieurs secondes. Pourtant, la majorité des projets générés par IA échouent pour des raisons qui n'ont rien à voir avec la qualité d'image.
Trois symptômes reviennent systématiquement :
- Le plan orphelin : chaque plan est beau isolément, mais aucun ne découle du précédent. Le spectateur ne sait pas où il est ni pourquoi il regarde.
- La dérive visuelle : le personnage change de visage, de veste ou de coiffure à chaque coupe. L'attention se porte sur l'incohérence au lieu de l'histoire.
- Le rythme plat : tous les plans durent quatre secondes, avec le même cadrage et le même mouvement. L'œil décroche au bout de dix secondes.
Ces trois problèmes se règlent avant la génération, pas après. Un script structuré, un storyboard précis et une logique de continuité claire demandent une à deux heures de travail et économisent des dizaines de régénérations. C'est le meilleur retour sur investissement de tout le pipeline.
Autrement dit, la question utile n'est pas « quel modèle choisir » mais « qu'est-ce que le spectateur doit comprendre à la seconde 12 ». Une fois cette réponse écrite noir sur blanc, le choix technique devient secondaire et beaucoup plus simple.
La chaîne de production : du brief au montage
Un flux de travail fiable comporte cinq étapes. Chacune produit un livrable que l'étape suivante peut lire sans interprétation.
1. Le brief narratif
Une page maximum : public cible, message principal, ton, durée totale, format (vertical, carré, 16:9), contrainte de marque éventuelle. Tout ce qui n'est pas écrit ici sera improvisé plus tard, généralement au mauvais moment, souvent pendant la génération.
2. Le découpage en scènes et en plans
La scène décrit un lieu et une intention. Le plan décrit un cadre. Une scène de dix secondes peut contenir un seul plan large ou quatre plans serrés. Décidez du nombre de plans avant de penser décors et personnages : cela conditionne la charge de travail, la durée de génération et la difficulté de continuité.
3. Le storyboard
Une image fixe par plan, avec numéro, durée cible, mouvement de caméra et note sonore. Ce n'est pas un dessin d'art, c'est un document de travail. Des images générées avec un modèle de diffusion suffisent largement, à condition d'être annotées.
4. La génération des plans
Chaque plan est produit à partir d'une image de référence et d'une consigne écrite. Générez au minimum trois variantes, gardez la meilleure, notez le réglage exact qui l'a produite. Cette note vaut de l'or deux jours plus tard.
5. L'assemblage
Montage, étalonnage léger, son, sous-titres. C'est ici que se joue une grande partie de la perception de qualité, bien plus que dans la résolution des clips.
| Étape | Livrable | Support |
|---|---|---|
| Brief | Document d'une page | Texte |
| Découpage | Liste de plans numérotés | Tableur |
| Storyboard | Images fixes annotées | Planche ou PDF |
| Génération | Clips par plan + journal | Dossier vidéo |
| Montage | Master final | Projet de montage |
Écrire un script exploitable par une IA vidéo
Un scénario littéraire se lit. Un script de génération se paramètre. La différence tient à trois habitudes de rédaction.
Décrire ce qui se voit, pas ce qui se comprend. « Elle réalise qu'elle s'est trompée » n'est pas générable. « Elle s'arrête net, sourcils froncés, regard vers le bas, main devant la bouche » l'est. L'état intérieur doit toujours être traduit en signes physiques : posture, regard, geste, distance à la caméra.
Un plan, une action. Si vous avez besoin du mot « puis » dans une description, vous avez deux plans. Cette règle élimine 90 % des résultats flous, parce que les modèles gèrent mal les successions d'événements dans une même prise.
Nommer la lumière et le cadre. Heure de la journée, source principale, température de couleur, focale approximative, hauteur de caméra. Ces informations pèsent plus lourd dans le résultat final que les adjectifs stylistiques empilés.
La grille de script à six colonnes
Un tableur simple suffit, et il devient votre document maître :
| # | Durée | Description visuelle | Caméra | Voix / dialogue | Son |
|---|---|---|---|---|---|
| 01 | 4 s | Rue mouillée au crépuscule, silhouette de dos qui marche vers la gauche | Travelling latéral lent, hauteur d'épaule | Silence | Pluie fine, pas sur bitume |
| 02 | 3 s | Gros plan sur les mains qui serrent une enveloppe | Fixe, légère contre-plongée | « Je n'aurais pas dû ouvrir ça. » | Papier froissé |
| 03 | 5 s | Plan large, la silhouette s'éloigne, néons derrière | Recule lentement, hauteur de poitrine | Silence | Nappe de synthé grave |
Ajoutez deux colonnes invisibles pour le spectateur mais précieuses pour vous : image de référence (le fichier de départ) et outil pressenti. Vous saurez immédiatement quels plans partagent le même décor et doivent donc être générés à la suite.
Un exemple de séquence courte
Prenons 40 secondes, trois plans. Le premier installe le lieu en plan large, sans personnage identifiable : c'est le plan le plus facile à générer, il ouvre le champ. Le deuxième introduit le personnage en plan moyen, avec un mouvement léger pour éviter l'effet photo animée. Le troisième resserre sur un détail qui porte l'information narrative, l'enveloppe, la main, l'objet.
Cette progression large → moyen → serré est le squelette le plus robuste pour une vidéo courte assistée par IA. Elle fonctionne en publicité, en teaser de fiction, en vidéo produit et en contenu social. Elle évite aussi le piège classique du débutant : commencer par le plan le plus difficile, échouer, puis abandonner le projet.
Du script au storyboard : la méthode des trois passes
Le storyboard n'est pas un obstacle artistique. C'est un outil de décision. Travaillez en trois passes distinctes, sans mélanger les objectifs.
Passe 1 — le squelette
Croquis grossiers, cadres rectangulaires, flèches de mouvement, aucune couleur. Objectif : vérifier la progression et les raccords. À ce stade, une case mal placée coûte trente secondes à corriger.
Passe 2 — les images de référence
Générez une image fixe par plan en conservant les mêmes paramètres pour toute la séquence : même modèle d'image, même graine si l'outil le permet, même description de style. Vous obtenez une planche cohérente, qui devient votre référence de couleur et de lumière pour la génération vidéo.
Passe 3 — les annotations techniques
Ajoutez sur chaque case : durée cible, mouvement de caméra, transition vers le plan suivant, note sonore, et le fichier de référence utilisé. C'est cette passe qui transforme une jolie planche en feuille de route exécutable.
Construisez ensuite une animatique : montez vos images fixes sur la durée prévue, avec une musique temporaire et une voix provisoire. Le montage révélera en trois minutes les problèmes de rythme que trente pages de notes n'auraient pas montrés. C'est l'étape la plus souvent sautée, et celle qui fait gagner le plus de temps.
Cohérence visuelle : personnages, décors et lumière
La cohérence ne se répare pas en post-production. Elle se planifie. Quatre documents suffisent.
La fiche personnage. Cinq à sept traits fixes, formulés de la même manière à chaque prompt : âge apparent, coiffure, vêtement principal, accessoire signature, silhouette. Un changement de vêtement doit être un choix narratif explicite, pas un accident de génération.
La bible des décors. Pour chaque lieu : matériaux dominants, palette, heure de la journée, direction de la lumière. Si une scène se déroule dans un appartement, la fenêtre est-elle à gauche ou à droite de la caméra ? Cette seule décision stabilise la moitié des raccords.
La palette. Trois couleurs maximum, choisies au storyboard. Elles seront appliquées à la fois dans les prompts et dans l'étalonnage final. Une palette tenue donne une impression de production soignée, même si chaque plan a été généré séparément.
Le plan de lumière. Une source principale par scène, et on ne la déplace pas entre deux plans d'un même dialogue. C'est l'erreur la plus fréquente : deux champs-contrechamps parfaitement cadrés mais éclairés depuis des directions opposées, ce qui donne l'impression que les personnages ne sont pas dans la même pièce.
Un dernier réglage utile : gardez toujours la même distance focale apparente pour les plans d'un même échange. Alterner grand-angle et longue focale entre deux répliques produit un effet de saut désagréable, même quand tout le reste est cohérent.
Choisir l'outil selon le type de plan
Il n'existe pas de meilleur moteur universel. Il existe des familles d'outils adaptées à des types de plans. Testez deux ou trois plans représentatifs de votre projet avant de choisir.
| Type de plan | Famille d'outil | Pourquoi | Piège principal |
|---|---|---|---|
| Dialogue serré | Image-vers-vidéo, mouvement très léger | Contrôle du cadrage et du visage | Micro-expressions qui dérivent |
| Plan d'action | Modèles tolérants au flou de mouvement | Gèrent l'énergie et le raccourci | Anatomie qui se déforme |
| Plan d'installation (paysage, ville) | Texte-vers-vidéo en plan large | Richesse de décor, mouvements lents | Sur-détail illisible |
| Produit en studio | Image-vers-vidéo, fond contrôlé | Rendu photométrique précis | Reflets et ombres instables |
| Animation stylisée | Modèles 2D ou rendu graphique | Style constant, aplats nets | Perte de style sur les plans larges |
Quelques outils reviennent souvent dans les pipelines : Runway, Kling, Luma Dream Machine, Pika, Veo, Sora pour la génération vidéo ; Midjourney, Flux ou Stable Diffusion pour les images de référence ; ElevenLabs ou Descript pour la voix ; DaVinci Resolve, Premiere Pro ou CapCut pour le montage. La combinaison compte plus que la marque : un pipeline modeste mais discipliné bat systématiquement un empilement d'outils mal coordonnés.
Itérer sans casser la continuité
La régénération est le cœur du travail réel, et c'est là que la plupart des projets partent en vrille. Quelques règles simples évitent le chaos.
Générez par blocs, pas par plan isolé. Tous les plans d'une même scène, avec la même référence visuelle, dans la même session. Les réglages restent en tête, les écarts se voient immédiatement.
Tenez un journal de génération. Une ligne par essai : numéro de plan, outil, version du modèle, prompt, image de départ, graine, note de 1 à 5. Sans ce journal, vous retrouverez par chance le rendu satisfaisant, jamais par méthode.
Appliquez la règle du trois pour un. Trois variantes, un seul paramètre modifié à la fois. Changer simultanément le prompt, la graine et le mouvement rend toute conclusion impossible.
Ne retouchez jamais le montage et la génération en même temps. Verrouillez l'image, puis passez au son. Puis verrouillez le son, puis revenez à l'image si nécessaire. Les allers-retours simultanés créent des versions contradictoires que personne ne peut réconcilier.
Faites deux visionnages de contrôle : un en muet, pour juger la lisibilité et la continuité visuelle ; un son seul, pour juger le rythme et la clarté de la voix. Les deux réunis masquent presque toujours un défaut.
Son, voix et rythme : la moitié oubliée du travail
Beaucoup de vidéos générées par IA sonnent faux avant même d'être regardées. La cause est presque toujours la même : le son a été traité après coup, comme une décoration.
Produisez la voix en premier. Enregistrez ou générez la piste voix complète, puis calez les durées de vos plans sur cette piste. Il est bien plus simple de générer une image qui dure 3,2 secondes que de comprimer une phrase pour rentrer dans un plan déjà produit.
Placez une musique et duckez-la. La musique ne doit jamais concurrencer la voix : baissez-la nettement pendant les répliques et laissez-la respirer dans les silences. Un fond musical constant, sans variation, aplatit toute la séquence.
Ajoutez du bruit de fond continu. Un souffle de pièce, une pluie, un air conditionné. Cela masque les micro-coupures entre plans et donne une impression d'espace unique, alors que chaque plan a été généré séparément.
Traitez chaque coupe. Un petit pont sonore, tissu, pas, respiration, rend la transition physiquement crédible. Sans lui, le spectateur perçoit une succession de diapositives animées.
Prévoyez des respirations. Un demi-seconde de silence avant une révélation vaut mieux qu'un plan supplémentaire. Le rythme se construit autant par les vides que par les images.
Erreurs fréquentes et comment les corriger
Le prompt encyclopédique. Vingt détails contradictoires produisent un résultat moyen. Gardez trois à cinq éléments visuels décisifs par plan, et déplacez le reste dans l'image de référence.
Générer en 16:9 pour publier en vertical. Le recadrage détruit les compositions. Décidez du format avant la première image, jamais après.
Des plans trop longs. Au-delà de cinq ou six secondes, l'attention se relâche et les défauts de génération deviennent visibles. Coupez plus tôt que vous ne le pensez.
Un seul cadrage pour toute la vidéo. Alternez large, moyen, serré, et changez la hauteur de caméra au moins une fois toutes les trois coupes.
L'étalonnage excessif. Un contraste poussé révèle les incohérences de génération au lieu de les masquer. Un étalonnage léger et une palette cohérente font davantage.
L'absence de sauvegarde structurée. Nommez les fichiers par numéro de plan et version, gardez les images de référence dans un dossier dédié, exportez le journal de génération en fin de projet. Un projet qui ne peut pas être repris six mois plus tard n'est pas terminé.
La confiance aveugle dans la première prise. Le rendu initial d'un modèle est rarement le meilleur. Le troisième essai est statistiquement le bon, dans la plupart des pipelines.
FAQ : narration vidéo assistée par IA
Faut-il savoir dessiner pour construire un storyboard ?
Non. Des rectangles, des flèches et des images générées suffisent. Le storyboard est un document de décision : ce qui compte, c'est le cadrage, la durée et l'enchaînement, pas la qualité du trait.
Combien de plans pour une vidéo de 30 secondes ?
Entre huit et douze pour un récit fluide, entre quinze et vingt pour un montage dynamique. En dessous de six plans, la vidéo paraît lente ; au-delà de vingt, elle devient difficile à suivre pour un spectateur qui découvre le sujet.
Comment garder le même visage d'un plan à l'autre ?
En réutilisant une image de référence unique, un vocabulaire de description identique et le même modèle pour toute la séquence. Évitez de mélanger plusieurs moteurs sur des plans qui montrent le même personnage en gros plan.
Peut-on tout générer en une seule prise ?
Techniquement parfois, narrativement rarement. Les plans longs sont plus difficiles à contrôler et à raccorder. Découper reste la stratégie la plus fiable, surtout si vous devez corriger un seul plan en fin de production.
Quel format de script adopter ?
Un tableur à six colonnes : numéro, durée, description visuelle, caméra, voix, son. Il est lisible par toute l'équipe, exportable, et directement aligné sur le découpage et le storyboard.
Comment éviter le rendu générique ?
En imposant des choix précis là où le modèle propose du consensuel : une palette de trois couleurs, un cadrage inhabituel, un son concret, un rythme irrégulier. Ce sont ces décisions humaines qui distinguent une vidéo mémorable d'un clip interchangeable.
Faut-il un seul outil pour tout ?
Non, et c'est même rarement optimal. Une image de référence, un moteur vidéo, un outil de voix et un logiciel de montage forment un pipeline réaliste et plus facile à améliorer étape par étape.
La narration vidéo assistée par IA n'est pas un concours de modèles. C'est un métier de structure : décider ce que le spectateur doit comprendre, à quel moment, et avec quel signe visuel ou sonore. Écrivez, découpez, storyboardez, générez par blocs, puis montez avec le son en priorité. Le reste suivra.
