La génération vidéo par intelligence artificielle a déplacé le goulot d'étranglement du tournage vers la préparation. Un modèle peut produire huit secondes d'images animées convaincantes à partir d'une phrase, mais il ne devinera jamais la structure narrative, la logique d'un raccord ou la cohérence d'un costume entre deux scènes. La compétence qui fait désormais la différence n'est donc plus technique : c'est la capacité à transformer une intention créative en une suite de plans exécutables. Ce guide propose un workflow complet, réutilisable avec n'importe quelle suite d'outils de génération vidéo, pour passer de l'idée floue à une séquence montée et cohérente.
Pourquoi la scénarisation est devenue le vrai goulot d'étranglement
Il y a quelques années, produire une image animée de qualité professionnelle demandait une équipe, du matériel et des semaines de travail. Aujourd'hui, une interface web suffit pour obtenir un plan crédible. Le résultat est un déséquilibre : la production d'images est devenue abondante et bon marché, tandis que la conception reste rare et coûteuse. Beaucoup de créateurs se retrouvent avec vingt plans corrects qui ne racontent rien, parce qu'ils ont généré avant d'avoir écrit.
Le symptôme classique est le suivant : chaque plan pris isolément est joli, mais la séquence semble hésitante. Le personnage change de veste, la lumière passe du coucher de soleil au plein midi en une coupe, le rythme s'effondre au milieu. Ces défauts ne viennent pas du modèle. Ils viennent de l'absence de scénarisation, c'est-à-dire d'une description structurée de ce que chaque plan doit accomplir, de ce qu'il doit contenir et de ce qu'il ne doit pas contenir.
Scénariser pour la vidéo générative, c'est écrire pour une machine qui ne comble aucun vide. Un comédien improvise, un chef opérateur corrige une lumière mal indiquée, un monteur sauve une scène faible. Un modèle de diffusion, lui, exécute littéralement ce qui est écrit, et invente le reste. Tout ce que vous laissez implicite sera interprété au hasard. C'est précisément pour cette raison que les créateurs les plus productifs ne sont pas ceux qui connaissent le plus de modèles, mais ceux qui écrivent le plus clairement.
Cette compétence se décompose en trois savoir-faire : savoir résumer une intention en une phrase directrice, savoir découper cette intention en unités de temps, et savoir décrire chaque unité avec un vocabulaire visuel non ambigu. Le reste — choisir le modèle, régler les paramètres, monter — devient mécanique.
Le pipeline en six étapes, de l'intention au rendu final
Un projet vidéo IA bien mené suit rarement un chemin linéaire, mais il traverse toujours les mêmes six étapes. Les sauter crée des allers-retours coûteux en temps de rendu.
- Intention : une phrase qui résume l'effet recherché sur le spectateur. Pas l'histoire, l'effet. « Le spectateur doit ressentir une inquiétude croissante sans savoir pourquoi. »
- Traitement : un texte continu de 300 à 800 mots qui raconte la séquence, avec ses moments de bascule. C'est ici que l'on décide de ce qui est montré et de ce qui reste hors champ.
- Découpage : transformation du traitement en liste de plans numérotés, avec durée cible, contenu visuel et fonction narrative.
- Spécification : pour chaque plan, rédaction du prompt complet, du format d'image, du mouvement de caméra et des contraintes de continuité.
- Génération et itération : production de plusieurs variantes par plan, sélection, puis correction ciblée plutôt que régénération complète.
- Assemblage : montage, son, étalonnage léger, sous-titres, export.
Deux principes rendent ce pipeline efficace. Premier principe : on ne passe à l'étape suivante que lorsque l'étape courante tient debout. Régénérer un plan parce que la scène n'était pas claire revient à payer deux fois. Second principe : on génère toujours plus de variantes que nécessaire, mais on décide vite. Une variante à 80 % correcte se corrige en un prompt ciblé ; une variante parfaite mais hors sujet n'a aucune valeur.
Un exemple concret. Un créateur veut une publicité de trente secondes pour une marque de café artisanal. Son intention : « donner l'impression d'une routine matinale précieuse ». Son traitement décrira une cuisine au petit matin, trois gestes précis, aucune parole. Son découpage comptera huit plans. Après spécification, seuls deux plans nécessiteront réellement une génération multiple : celui du versement, très difficile à rendre proprement, et celui du visage, qui doit rester stable. Les six autres sont quasi déterministes. Ce tri se fait à l'écriture, pas au montage.
Le brief créatif : écrire pour un modèle qui ne devine rien
Le brief est un document d'une page qui sert de contrat avec vous-même. Il contient six éléments : le sujet, l'émotion cible, le format, la durée totale, le style visuel de référence et la liste des interdits.
La partie la plus sous-estimée est la liste des interdits. Les modèles ont des biais récurrents : ils ajoutent du mouvement de caméra, saturent les couleurs, peuplent les arrière-plans de passants, lissent les textures, transforment les mains en objets étranges. Écrire noir sur blanc « aucune foule, aucun texte à l'écran, caméra fixe, peau non lissée » évite des dizaines de régénérations. Un interdit explicite vaut mieux qu'un style décrit trois fois.
Le brief doit aussi fixer le vocabulaire. Si vous décidez que le personnage s'appelle « la serveuse au tablier bleu », utilisez cette formule dans tous les prompts. Les synonymes créatifs — « la jeune femme », « l'employée », « l'héroïne » — augmentent la probabilité que le modèle produise des personnes différentes. La répétition n'est pas une faiblesse littéraire ici, c'est un outil de stabilité.
Enfin, le brief doit préciser le cadre temporel et géographique avec des détails vérifiables : décennie, saison, pays, type de bâtiment, source d'éclairage. Un modèle comprend mieux « cuisine des années 1970, carrelage vert d'eau, lumière d'une fenêtre » que « cuisine rétro chaleureuse ». Le flou poétique coûte cher.
La shot list : colonne vertébrale du projet
Une shot list est un tableau. Chaque ligne correspond à un plan et contient au minimum huit colonnes : numéro, fonction narrative, description en une phrase, échelle de plan, mouvement de caméra, durée cible, source d'éclairage, notes de continuité. Ce tableau devient l'unité de travail : on ne génère pas une vidéo, on remplit une ligne.
La colonne « fonction narrative » est celle qui distingue un amateur d'un professionnel. Un plan existe pour installer un lieu, révéler une information, marquer une transition, créer un temps d'arrêt ou préparer un effet comique. Si une ligne ne peut pas être justifiée en une phrase, elle sera probablement coupée au montage et il est inutile de la générer.
Les durées cibles méritent une attention particulière. La plupart des modèles produisent naturellement des clips de quatre à dix secondes. Écrire un plan de quinze secondes oblige à des raccords internes fragiles. Mieux vaut prévoir deux plans de sept secondes qu'un plan long à recoller. Le rythme d'une séquence se construit dans le tableau, avec des alternances : plans larges courts, gros plans plus longs, plan de coupe très bref.
La shot list sert enfin de documentation. Trois semaines plus tard, quand vous voudrez décliner la vidéo en format vertical, vous saurez exactement quels plans existent, à quoi ils servent et lesquels peuvent être recadrés sans perte.
Découper par blocs de sens, pas par secondes
Plutôt que de viser une durée précise dès le départ, découpez la séquence en trois à cinq blocs de sens : ouverture, installation, complication, résolution, sortie. Attribuez à chaque bloc un nombre approximatif de plans, puis ajustez. Cette méthode évite l'erreur classique du plan unique de trente secondes qui raconte tout et ne raconte rien.
Prévoir les plans de sécurité
Ajoutez systématiquement deux ou trois plans de coupe que vous pourrez insérer n'importe où : un détail d'objet, un plan d'ambiance, un mouvement abstrait de lumière. Ils coûtent peu, ils sauvent un montage quand un raccord ne fonctionne pas.
La structure de prompt en sept blocs
Un prompt de plan efficace ressemble moins à une description littéraire qu'à une fiche technique. La structure suivante tient dans un paragraphe et couvre tout ce dont le modèle a besoin.
- Sujet et action : qui ou quoi, en train de faire quoi, avec un verbe précis. « Une femme verse du café dans une tasse posée sur un comptoir. »
- Cadrage et focale : échelle de plan, focale suggérée, profondeur de champ. « Plan rapproché poitrine, focale longue, arrière-plan légèrement flou. »
- Mouvement de caméra : fixe, panoramique lent, travelling avant, caméra portée. Nommez-le explicitement, sinon un mouvement sera inventé.
- Lumière : direction, qualité, couleur. « Lumière latérale douce venant d'une fenêtre à gauche, tons chauds, ombres peu contrastées. »
- Direction artistique : palette, textures, époque, références de genre plutôt que noms de films.
- Format et rendu : ratio, résolution, style de grain, rendu photoréaliste ou illustratif.
- Interdits : la courte liste de ce qui ne doit pas apparaître.
L'ordre n'est pas sacré, mais la présence de chaque bloc l'est. La majorité des échecs viennent d'un bloc manquant : pas de mouvement indiqué, donc caméra qui dérive ; pas de lumière indiquée, donc éclairage incohérent d'un plan à l'autre.
L'itération ciblée
Quand un plan déçoit, ne réécrivez pas tout. Identifiez le bloc fautif et modifiez-le seul. Si la composition est bonne mais la couleur fausse, ne touchez qu'à la lumière. Cette discipline permet de comprendre ce qui influence réellement le modèle — et transforme la génération en travail contrôlé plutôt qu'en loterie.
Le piège de la surcharge
À l'inverse, un prompt trop long dilue l'attention. Au-delà de six ou sept idées, les modèles commencent à en sacrifier arbitrairement. Si votre plan demande plus que cela, c'est probablement deux plans.
Continuité et bible visuelle : personnages, lieux, lumière
La continuité est le premier critère de qualité perçue. Un spectateur pardonne une image imparfaite, jamais une incohérence. Trois documents permettent de la garantir.
Fiches personnages
Pour chaque personnage récurrent, fixez par écrit : âge approximatif, morphologie, coiffure, tenue exacte avec couleurs, accessoires distinctifs, posture habituelle. Ajoutez une image de référence validée et réutilisez-la comme base dans les outils qui le permettent. Toute modification de tenue doit être justifiée par une ellipse narrative explicite.
Fiches lieux
Décrivez chaque décor avec ses éléments immuables : disposition des meubles, matériaux, couleur des murs, vue par la fenêtre, source de lumière principale. Le détail anodin — un radiateur à gauche, un cadre au-dessus de l'évier — sert d'ancrage de reconnaissance d'un plan à l'autre.
Charte lumière
Le plan le plus souvent négligé. Définissez une direction de lumière principale et une température de couleur par scène, et respectez-les. Si une scène se déroule au petit matin, tous ses plans partagent une lumière froide et rasante. Le passage à une lumière chaude doit correspondre à un changement narratif, pas à un caprice d'itération.
Choisir le bon outil pour chaque type de plan
Il n'existe pas de meilleur modèle universel, seulement des modèles adaptés à des besoins. Raisonnez par type de plan plutôt que par préférence de marque.
- Plans d'action rapide et physique : privilégiez les modèles réputés pour la cohérence du mouvement et la stabilité des membres et des objets tenus.
- Plans d'ambiance et de décor : les modèles généreux en détails de texture et en profondeur donnent de meilleurs résultats, même avec des prompts courts.
- Gros plans de visage et jeu expressif : cherchez la stabilité faciale et la fluidité des micro-mouvements ; testez toujours un plan isolé avant de lancer une série.
- Plans stylisés, animation ou illustration : un modèle entraîné sur des styles graphiques surpassera un modèle photoréaliste, même avec un bon prompt.
- Plans de transition abstraits : souvent les plus simples à produire, et les plus utiles au montage.
Trois critères de décision doivent guider le choix : le contrôle du mouvement de caméra, la stabilité temporelle sur la durée du clip, et la fidélité à une image de référence. Le coût et la vitesse viennent après. Un modèle rapide qui produit trois plans inutilisables coûte plus cher qu'un modèle lent qui produit un plan juste.
Prévisualisation et maîtrise des ressources de rendu
La prévisualisation est l'étape qui économise le plus de temps. Avant de lancer des rendus lourds, produisez une version légère de chaque plan : résolution réduite, durée courte, modèle rapide. Montez ces versions grossières bout à bout. Vous verrez immédiatement si le rythme fonctionne, si la séquence raconte quelque chose, si les plans se ressemblent trop.
Corrigez d'abord la structure. Un plan magnifique mal placé restera mal placé, quelle que soit sa qualité finale.
Gérez ensuite les ressources de calcul comme un budget de production. Trois règles simples :
- Groupez les rendus lourds par lots homogènes pour éviter les allers-retours de réglages.
- Traitez en priorité les plans qui portent la narration ; les plans de coupe peuvent rester en qualité intermédiaire.
- Conservez systématiquement vos prompts validés dans la shot list. Un prompt réussi est un actif réutilisable, notamment pour décliner la vidéo en d'autres formats.
Un dernier point : documentez les paramètres. Graine, ratio, durée, version du modèle. Sans cette traçabilité, reproduire un plan réussi deux mois plus tard relève de l'exploit.
Post-production et finition
Le montage commence par un tri impitoyable. Tout plan qui n'a pas de fonction claire sort, même s'il est réussi. Ensuite, trois opérations améliorent presque toujours le résultat.
D'abord, l'étalonnage. Les modèles produisent souvent des séquences avec des écarts de température de couleur. Une correction globale, puis un ajustement par plan, unifie la séquence. Ensuite, le son. Le son est ce qui fait basculer une vidéo IA du statut de démonstration à celui de film. Ambiance continue, effets synchronisés sur les gestes, musique dont les variations suivent les blocs de sens. Enfin, le rythme. Coupez les premières et dernières images de chaque clip, souvent les moins stables, et ajustez les durées à l'image près.
Les sous-titres ne sont pas un supplément : une large part du public regarde sans son. Écrivez-les manuellement plutôt que de les générer automatiquement, au moins pour les phrases importantes, et vérifiez qu'ils restent lisibles sur les fonds clairs.
Erreurs fréquentes et corrections
Générer avant d'écrire. Correction : terminez la shot list avant la première génération. Même imparfaite, elle réduit le nombre de rendus de moitié.
Utiliser des synonymes pour un même personnage. Correction : une formule unique, répétée à l'identique dans tous les prompts.
Négliger les plans de coupe. Correction : générez toujours un détail d'objet et un plan d'ambiance en réserve.
Tout miser sur un seul modèle. Correction : testez chaque type de plan sur deux modèles avant de vous engager sur une série.
Corriger une incohérence par régénération complète. Correction : modifiez uniquement le bloc de prompt responsable, ou repartez du dernier plan validé comme référence.
Ignorer le son jusqu'à la fin. Correction : posez une ambiance dès la prévisualisation. Le rythme se juge mieux avec du son, même provisoire.
Saturer les prompts. Correction : sept blocs, une idée par bloc, et un prompt qui tient en un paragraphe.
Ne rien documenter. Correction : shot list, prompts validés et paramètres archivés dans un seul fichier.
FAQ
Combien de plans pour une vidéo de trente secondes ? Entre six et douze selon le rythme. Une publicité dynamique peut monter à quinze ; un portrait contemplatif peut descendre à cinq.
Faut-il un storyboard dessiné ? Non, mais une image de référence par décor et par personnage accélère énormément la génération et améliore la continuité.
Comment obtenir un mouvement de caméra précis ? Nommez-le dans le prompt et vérifiez qu'un seul mouvement est demandé par plan. Deux mouvements simultanés produisent presque toujours un résultat instable.
Peut-on réutiliser le même prompt pour un format vertical ? Oui, mais adaptez le cadrage et l'espace laissé autour du sujet. Un plan horizontal recadré en vertical perd souvent son intention.
Que faire si un personnage change de visage ? Repartez de l'image validée comme référence, fixez la tenue et la coiffure par écrit, et évitez les changements d'angle trop violents entre deux plans consécutifs.
Combien de variantes générer par plan ? Deux à quatre suffisent lorsque le prompt est bien structuré. Au-delà, le problème vient généralement de l'écriture, pas du modèle.
La scénarisation est-elle utile pour des vidéos très courtes ? Plus encore. Sur cinq secondes, chaque image compte, et l'improvisation ne pardonne pas.
Le fil conducteur de tout ce guide tient en une phrase : écrivez comme si le modèle n'avait aucun bon sens, puis faites-lui confiance pour la beauté. La structure, la continuité et le rythme se décident à l'écrit. Ce qui reste, la lumière, la texture, le mouvement, relève du rendu. Séparer ces deux mondes, c'est produire plus vite, avec moins de hasard et beaucoup plus de contrôle.
