Le prompt vidéo n'est plus une requête, c'est une mise en scène
Beaucoup de créateurs traitent encore les générateurs de vidéo par IA comme un moteur de recherche : on tape une phrase, on espère un résultat, on recommence. Cette approche fonctionne pour des essais isolés, mais elle s'effondre dès qu'il faut produire une séquence de plusieurs plans, avec des personnages récurrents et une intention narrative. La raison est simple : la vidéo est un média temporel. Un modèle d'image doit résoudre un problème de composition ; un modèle de vidéo doit résoudre un problème de composition et de continuité dans le temps. Chaque seconde supplémentaire multiplie les occasions de dériver.
Écrire un prompt vidéo, c'est donc moins décrire une image que décrire un mouvement de caméra, un rythme, une direction d'acteur et une cohérence de lumière. Le prompt devient une note d'intention condensée : un texte qu'un chef opérateur, un cadreur et un décorateur pourraient lire séparément et interpréter de manière compatible. C'est cette transformation qui distingue un créateur qui subit ses rendus d'un créateur qui les pilote.
Ce guide propose une méthode complète, du vocabulaire de base aux cas concrets, avec des critères de décision pour choisir vos outils, des erreurs fréquentes et un workflow de bout en bout. L'objectif n'est pas de mémoriser des formules magiques, mais de comprendre pourquoi une formulation produit un résultat stable et comment la réutiliser sur d'autres projets.
Les quatre couches d'un prompt vidéo structuré
Un prompt vidéo efficace se construit par empilement. Quatre couches suffisent à couvrir la majorité des besoins, et il vaut mieux en maîtriser quatre que d'en entasser dix en désordre.
Couche 1 : sujet, action et cadre spatio-temporel
C'est la couche la plus évidente, mais aussi celle où l'on commet le plus d'imprécisions. Ne dites pas « un homme marche dans une rue ». Dites « un homme d'une quarantaine d'années, manteau de laine gris, marche d'un pas régulier le long d'un trottoir mouillé, de nuit ». Le modèle a besoin de savoir qui agit, comment il agit, où, et à quel moment de la journée. Le lieu et l'heure déterminent la lumière, et la lumière détermine tout le reste.
Un bon réflexe : écrivez la couche 1 comme une phrase de scénario, sujet + verbe + complément, sans adjectifs décoratifs. Les adjectifs viendront plus tard, dans la couche visuelle, où ils auront un rôle précis.
Couche 2 : grammaire visuelle
C'est ici que vous définissez l'apparence : style de rendu, palette, qualité de lumière, texture, focale perçue, ambiance générale. Trois ou quatre marqueurs suffisent largement. Par exemple : « lumière pratique orange provenant de vitrines, contraste élevé, léger grain argentique, focale longue compressant l'arrière-plan ». Notez que chaque marqueur correspond à un choix technique identifiable, pas à une impression vague du type « beau » ou « époustouflant ».
Les mots purement évaluatifs sont l'ennemi de la précision. Un modèle ne sait pas ce qu'est une image « magnifique ». Il sait ce qu'est un contre-jour, une profondeur de champ courte, une dominante cyan ou un éclairage doux diffusé.
Couche 3 : caméra et mouvement
La couche la plus négligée, et celle qui produit les plus gros écarts de qualité. Il faut préciser le type de plan (large, moyen, serré, insert), le mouvement (fixe, panoramique, travelling avant, steadicam, caméra portée) et l'amplitude. « Travelling avant lent » et « zoom rapide » n'ont rien à voir en termes de rendu comme de sensation.
Ajoutez si possible la vitesse : fluide, saccadée, ralentie deux fois par rapport au temps réel. La vitesse perçue est un levier énorme sur l'émotion d'un plan.
Couche 4 : contraintes et exclusions
Les modèles gèrent de mieux en mieux les instructions négatives directes, mais la manière la plus robuste de contrôler un rendu reste la formulation positive. Plutôt que « pas de foule », écrivez « rue déserte ». Plutôt que « pas de texte », écrivez « surfaces propres, sans signalétique ». Vous orientez ainsi le modèle vers ce que vous voulez au lieu de lutter contre un artefact.
En fin de prompt, ajoutez les contraintes techniques : format d'image, durée cible, présence ou absence de mouvement humain, continuité avec le plan précédent. C'est aussi l'endroit pour indiquer ce qui doit rester identique d'un plan à l'autre.
Construire une cohérence de personnage qui tient sur dix plans
La cohérence est le problème central de toute production narrative. Un visage qui change légèrement entre deux plans casse instantanément l'illusion, même si chaque plan pris isolément est réussi.
La fiche personnage opérationnelle
Créez un document texte par personnage, réutilisable dans tous vos prompts. Il contient : morphologie générale, coiffure, couleur de peau et de cheveux, vêtements avec matière et couleur dominante, un ou deux détails distinctifs (une cicatrice, une bague, une paire de lunettes), et la posture habituelle. Quatre à six lignes suffisent.
Ce document doit être copié presque mot pour mot dans chaque prompt concernant ce personnage. La tentation de reformuler « pour varier » est la première cause de dérive visuelle. La variation doit venir de l'action et de la lumière, jamais de la description physique.
Décors, palette et raccords
Même logique pour les lieux : une fiche décor avec architecture, matériaux dominants, heure de la journée et sources lumineuses présentes. Si une scène se déroule dans un appartement, précisez si la lumière vient de la fenêtre ou d'une lampe de bureau, et gardez cette information constante dans tous les plans du même lieu.
Un truc de professionnel : filtrez votre propre vocabulaire. Si vous écrivez « bleu » dans un plan et « azur » dans le suivant, certains modèles produiront deux ambiances différentes. Fixez un lexique de production et ne le changez pas au milieu d'une séquence.
Le raccord par l'action, pas par la description
Pour lier deux plans, décrivez la fin de l'un et le début de l'autre avec un élément commun : une main qui se pose sur une poignée, un son de pas qui continue, une direction de regard. Le spectateur lit ces micro-continuités comme une preuve que la scène est réelle. Le modèle, lui, les traite comme des ancres visuelles qui stabilisent le plan suivant.
Penser en plans : mouvement, rythme et durée
Un prompt ne décrit pas une séquence complète. Il décrit un plan. C'est une contrainte de format, pas un défaut : on ne demande pas à un modèle de vidéo de gérer une scène entière, on lui demande de fournir une brique.
La règle du plan unique par prompt
Découpez chaque scène en plans de trois à six secondes. Attribuez à chacun une fonction narrative : plan d'établissement, plan de réaction, insert de détail, plan de transition. Un prompt qui contient deux actions successives produit presque toujours un rendu où la seconde action est bâclée ou fusionnée avec la première.
Le mouvement comme outil d'émotion
Un plan fixe sur un visage immobile crée de l'attente, voire du malaise. Un travelling avant lent sur le même visage crée de l'intimité. Le même contenu, deux émotions opposées. Gardez ce tableau en tête : panoramique horizontal pour révéler un espace, travelling latéral pour suivre un déplacement, inclinaison vers le haut pour donner de l'ampleur, caméra à l'épaule pour l'urgence, caméra fixe pour la tension.
Durée, cadence et respiration
Alternez les durées. Une séquence où tous les plans font exactement trois secondes paraît mécanique. Prévoyez des plans courts pour l'action et des plans plus longs pour l'émotion. Lorsque vous générez, demandez une durée légèrement supérieure à celle que vous utiliserez au montage : vous aurez ainsi de la marge pour couper au bon rythme sans manquer d'images.
Trois scènes décortiquées, du brief au prompt final
Passons à la pratique. Voici comment une intention se traduit concrètement.
Scène A — plan d'ouverture contemplatif
Intention : installer un lieu et une solitude. Fiche décor : quai de gare de province, fin de journée, banc en bois, voie unique. Fiche personnage : femme, cinquantaine, imperméable beige, valise rigide.
Prompt : « Plan large fixe. Une femme d'une cinquantaine d'années, imperméable beige froissé, valise rigide posée près d'elle, est assise sur un banc en bois sur un quai de gare de province désert. Fin de journée, lumière rasante dorée venant de la gauche, ombres longues sur le bitume, léger voile atmosphérique. Focale longue, arrière-plan légèrement compressé, grain argentique fin. Aucun mouvement humain à l'arrière-plan. »
Pourquoi ça marche : le plan est unique, la source lumineuse est datée et orientée, l'arrière-plan est explicitement vide ce qui évite les silhouettes parasites.
Scène B — dialogue intime
Intention : deux personnages, tension contenue. Prompt : « Plan rapproché poitrine, caméra fixe, très légère respiration de l'image. Deux personnes assises face à face à une table de cuisine, l'une de dos flou au premier plan, l'autre nette, regard baissé vers une tasse. Lumière douce venant d'une fenêtre latérale à droite, plafonnier éteint, contraste faible, dominante légèrement verte. Profondeur de champ courte. Aucun mouvement de caméra. »
Le détail « l'un de dos flou au premier plan » est ce qui transforme un plan de dialogue en composition cinématographique : il crée de la profondeur sans ajouter d'action.
Scène C — séquence d'action courte
Intention : une poursuite brève, lisible. Découpez en trois plans : (1) plan large, travelling latéral rapide suivant une silhouette qui court dans une ruelle ; (2) plan serré sur des pieds frappant le sol mouillé, caméra portée ; (3) plan large fixe montrant la silhouette qui disparaît au coin d'un mur.
Le montage se fait sur le mouvement : la direction de course reste constante de gauche à droite, ce qui préserve la lisibilité spatiale. Une erreur classique consiste à inverser la direction entre deux plans ; le spectateur perd immédiatement la géographie.
Les erreurs de prompt les plus coûteuses
Erreur 1 — La phrase unique trop longue
Un prompt de deux cents mots en un seul bloc dilue les instructions importantes. Structurez en segments courts et lisibles, même si le champ de saisie accepte tout.
Erreur 2 — Mélanger plusieurs actions dans un plan
« Il ouvre la porte, traverse la pièce et s'assoit » donnera trois actions approximatives plutôt qu'une action nette. Un plan, un verbe.
Erreur 3 — Reformuler les fiches personnages
La variation lexicale, vertu en écriture, devient un défaut en production visuelle. Copiez-collez.
Erreur 4 — Oublier la source de lumière
Sans indication, le modèle choisit une lumière générique et plate. Orientez la source, sa couleur et sa hauteur.
Erreur 5 — Empiler les esthétiques contradictoires
« Photoréalisme, anime, peinture à l'huile » produit un rendu hybride instable. Choisissez un registre dominant et un seul marqueur secondaire léger.
Erreur 6 — Ne pas tester en résolution réduite
Faites d'abord des essais courts, en basse résolution, pour valider cadrage et mouvement. Ne lancez un rendu long qu'une fois le plan validé. Cela vous fait gagner énormément de temps sur l'ensemble d'un projet.
Erreur 7 — Négliger le son et le rythme final
Même si la génération audio progresse, la bande-son se travaille souvent après. Prévoyez dès l'écriture les respirations, les silences et les accents sonores de vos plans.
Choisir le bon outil selon la tâche
Il n'existe pas de modèle universel. Voici les critères de décision qui comptent réellement.
Réalisme humain et jeu d'acteur. Privilégiez les modèles récents orientés rendu photoréaliste, capables de tenir un visage sur plusieurs secondes. Testez toujours sur un gros plan de visage parlant : c'est le test le plus discriminant.
Mouvement de caméra complexe. Certains moteurs gèrent mieux les travellings et les rotations que les mouvements de sujet. Si votre scène repose sur la caméra, faites un test de travelling avant lent sur un décor simple.
Style illustratif, animation, rendu graphique. Les modèles spécialisés en animation conservent mieux les contours nets et les aplats de couleur. Le photoréalisme n'est pas toujours l'objectif.
Durée de plan. Au-delà de quelques secondes, la dérive augmente. Si vous avez besoin de plans longs, préférez générer plusieurs segments courts et les assembler, ou utiliser une approche d'extension plan par plan en gardant la dernière image comme référence.
Contrôle de la composition. Les outils offrant un guidage par image de référence, par masque ou par profondeur de scène donnent un contrôle bien supérieur aux prompts purement textuels. Combinez les deux : texte pour l'intention, image pour la géométrie.
Intégration au montage. Vérifiez l'export, la cadence d'images et la définition avant de bâtir tout un projet sur un outil. Un rendu magnifique inutilisable au montage est un rendu inutile.
Un workflow complet, du brief au montage final
Voici une méthode qui fonctionne sur des projets de toute taille.
Étape 1 — Le brief écrit. Une page maximum : intention, ton, durée cible, format, contraintes. Sans brief écrit, les prompts dérivent au gré de l'inspiration.
Étape 2 — Le découpage. Listez vos plans dans un tableau : numéro, durée, fonction narrative, mouvement de caméra, fiche personnage concernée, fiche décor concernée. Ce tableau devient votre feuille de route.
Étape 3 — Les fiches de référence. Rédigez les fiches personnages et décors, puis geler le lexique de production. Ne les modifiez plus pendant la production, sauf nécessité narrative explicite.
Étape 4 — Les tests courts. Générez des essais de deux à trois secondes pour chaque plan clé, en basse définition. Validez cadrage, mouvement et lumière. Itérez uniquement sur la couche fautive, une variable à la fois.
Étape 5 — La production. Générez les versions finales plan par plan, en gardant les prompts validés dans un fichier. La reproductibilité est votre meilleure assurance qualité.
Étape 6 — Le montage et l'étalonnage. Assemblez sur le rythme, ajustez les raccords, harmonisez les couleurs. Une légère correction colorimétrique unifie souvent des plans issus de rendus différents.
Étape 7 — Le son. Ambiances, respirations, musique. Le son porte énormément la perception de réalisme, parfois plus que l'image elle-même.
Étape 8 — L'archivage. Conservez prompts, fiches et réglages. Votre projet suivant vous remerciera : une bibliothèque bien tenue divise le temps de préparation par deux.
Questions fréquentes
Combien de mots doit faire un prompt vidéo ?
Il n'y a pas de longueur idéale, mais une plage confortable : quarante à quatre-vingts mots pour un plan simple, jusqu'à cent vingt pour un plan complexe avec plusieurs contraintes. Au-delà, la dilution guette. Structurez toujours en segments : sujet, visuel, caméra, contraintes.
Faut-il écrire les prompts en anglais ?
De nombreux modèles sont mieux entraînés sur l'anglais et réagissent plus précisément à ce vocabulaire. Écrivez votre brief et vos fiches dans votre langue de travail, puis traduisez uniquement la ligne finale du prompt. Gardez un lexique bilingue des termes techniques que vous employez le plus souvent, cela évite les approximations répétées.
Comment éviter les visages qui changent entre deux plans ?
Trois leviers : une fiche personnage copiée mot pour mot, l'usage d'une image de référence quand l'outil le permet, et une lumière similaire entre les plans d'une même scène. Si la dérive persiste, réduisez la durée du plan et évitez les angles extrêmes.
Pourquoi mes mouvements de caméra sont-ils ignorés ?
Souvent parce qu'ils sont formulés comme une intention plutôt que comme un geste : « plan dynamique » n'indique rien. Remplacez par le type exact de mouvement et son amplitude. Vérifiez aussi que la description du sujet ne contient pas un mouvement contradictoire.
Comment gérer une scène de plus d'une minute ?
Découpez en plans de quelques secondes, générez-les séparément et assemblez au montage. Prévoyez un plan de liaison pour chaque changement de lieu, et gardez la direction des mouvements constante entre plans consécutifs. Une scène longue est un travail de montage autant que de génération.
Quel budget matériel ou logiciel prévoir ?
Une station de travail correcte et un logiciel de montage standard suffisent pour la majorité des projets. Investissez surtout dans la qualité de votre organisation : fiches, tableaux de plans, lexique. C'est ce qui fait la différence entre une production chaotique et un rendu professionnel, bien plus que la puissance brute.
Comment progresser rapidement ?
Analysez vos meilleurs rendus et notez précisément ce que contenait le prompt. Refaites l'exercice sur trois plans par semaine, en ne changeant qu'une variable à la fois. En quelques semaines, vous développerez une intuition réelle des mots qui produisent un effet et de ceux qui ne font que remplir la page.
Ce qu'il faut retenir
Le prompt vidéo n'est pas une incantation, c'est une fiche de fabrication. Quatre couches, des fiches de référence gelées, un plan par prompt, un découpage écrit : cette discipline produit des résultats nettement plus stables que n'importe quelle formule toute faite. La technique évolue vite, les principes de mise en scène, eux, bougent beaucoup moins.
Commencez petit : choisissez une scène de trois plans, montez-la entièrement, du brief au son. Vous apprendrez davantage sur le prompt engineering en menant un projet court jusqu'au bout qu'en lisant vingt listes de mots-clés. Et lorsque vous tâtonnerez, revenez à la question centrale : qu'est-ce que le spectateur doit ressentir à cette seconde précise ? Tout le reste du prompt doit servir cette réponse.
