Le prompt vidéo n'est pas un prompt image amélioré
Générer une image convaincante demandait une bonne phrase descriptive. Générer une vidéo convaincante demande beaucoup plus : il faut décrire un mouvement, une durée, une continuité, un son et souvent une intention narrative. Le prompt vidéo est donc une écriture technique à part entière, à mi-chemin entre le scénario, le storyboard et la fiche de tournage.
La conséquence pratique est brutale : une phrase élégante mais ambiguë produit une vidéo molle, tandis qu'une phrase banale mais précise produit un plan exploitable au montage. Les créateurs qui progressent le plus vite ne sont pas ceux qui connaissent le plus de mots-clés, mais ceux qui comprennent que chaque mot du prompt devient une instruction de réalisation.
Trois familles de contraintes coexistent dans chaque prompt : le contenu (ce que l'on voit), la mise en scène (comment c'est filmé) et la technique (format, durée, style de rendu, son). Les débutants empilent du contenu et oublient les deux autres couches. Les créateurs expérimentés répartissent leur attention sur les trois et ajustent en priorité la mise en scène, car c'est elle qui crée la sensation de qualité professionnelle.
Enfin, il faut accepter une réalité de production : un prompt ne se juge pas sur son élégance littéraire mais sur sa reproductibilité. Si vous ne pouvez pas expliquer pourquoi un plan a fonctionné, vous ne pourrez pas le refaire sur le plan suivant. La rigueur documentaire fait partie du métier.
Les quatre couches d'un prompt vidéo solide
Couche 1 : le sujet et son apparence
Le sujet doit être décrit avec des attributs visuels vérifiables : âge apparent, morphologie, vêtements, matière, couleurs dominantes, état émotionnel. « Une femme » est trop vague. « Une femme d'une quarantaine d'années, cheveux courts châtains, veste en laine grise, regard calme, légère fatigue sous les yeux » donne au moteur de quoi construire un visage cohérent.
Un piège classique consiste à empiler dix adjectifs contradictoires. Le moteur tente de satisfaire tout le monde et produit un rendu hybride, flou, presque toujours raté. Choisissez deux ou trois traits dominants et assumez-les.
Couche 2 : l'action et sa durée
Une vidéo raconte un changement. Il faut donc un verbe d'action principal, un point de départ et un point d'arrivée. « Un homme marche » ne raconte rien. « Un homme traverse lentement une rue déserte, part du trottoir gauche et s'arrête au milieu de la chaussée en levant les yeux » raconte un début, un milieu et une fin.
La durée compte autant que l'action. Un plan de deux secondes ne peut pas contenir cinq micro-événements. Si votre prompt décrit un enchaînement complexe, découpez-le en plusieurs plans plutôt que de comprimer la narration. C'est souvent la correction la plus rentable d'un projet qui part à la dérive.
Couche 3 : la mise en scène
C'est la couche la plus négligée et la plus déterminante. Elle regroupe le cadre (gros plan, plan taille, plan large), l'angle (plongée, contre-plongée, à hauteur d'œil), le mouvement (travelling avant, panoramique, caméra portée, caméra fixe), la focale ressentie (grand-angle, téléobjectif, macro) et le rythme (lent, saccadé, fluide).
Un même sujet filmé en plan large fixe ou en gros plan caméra portée ne raconte pas la même histoire. Avant d'écrire, demandez-vous ce que le spectateur doit ressentir : proximité, malaise, ampleur, urgence. Puis traduisez ce ressenti en vocabulaire de tournage.
Couche 4 : le rendu technique
Cette couche fixe le format d'image, la durée, le grain, l'étalonnage, le style d'éclairage et le traitement audio. Une phrase comme « rendu film 16 mm, grain léger, contraste doux, lumière naturelle de fin d'après-midi, son d'ambiance urbain discret » suffit à donner une identité visuelle stable à toute une séquence.
Le bon réflexe consiste à définir cette couche une seule fois pour un projet, puis à la recopier à l'identique dans chaque prompt. La cohérence visuelle naît de la répétition, pas de la créativité à chaque plan.
Prompts négatifs, pondération et ordre des mots
Les prompts négatifs servent à exclure ce que le moteur produit trop facilement : déformations des mains, visages lissés, textes parasites, watermark, mouvements de caméra erratiques, transitions abruptes. Le point important est qu'un prompt négatif efficace est spécifique. Une liste de cent termes génériques dilue l'instruction au lieu de la renforcer.
La pondération permet d'insister sur un élément sans le répéter. Selon les moteurs, la syntaxe varie : parenthèses avec coefficient, doublement de mot, séparation par sections. L'astuce universelle consiste à placer les éléments les plus importants au début de la phrase, car beaucoup de modèles accordent plus de poids aux premiers mots.
L'ordre des mots joue aussi un rôle grammatical. « Un chien court après une balle dans un parc ensoleillé » place le chien comme sujet. « Dans un parc ensoleillé, une balle roule, poursuivie par un chien » déplace le centre de gravité visuel vers le décor. Testez les deux versions : les différences de cadrage spontané sont souvent spectaculaires.
Enfin, méfiez-vous de la négation directe dans le corps du prompt. « sans voiture » est souvent mal compris et peut au contraire faire apparaître une voiture. Préférez le champ négatif dédié, ou reformulez positivement : « rue déserte, trottoirs vides ».
Structurer une séquence : continuité et découpage
Le plan unique comme unité de base
Un prompt doit correspondre à un plan, pas à une scène entière. Si votre scène contient trois actions séparées par des coupes, écrivez trois prompts. Vous garderez le contrôle du rythme au montage et vous éviterez les transitions absurdes générées automatiquement.
Cette discipline a un coût : plus de générations, plus de temps de calcul, plus de tri. Elle a un bénéfice énorme : chaque plan peut être régénéré indépendamment sans casser le reste de la séquence.
Assurer la continuité entre les plans
La cohérence repose sur trois éléments répétés mot pour mot : la description du personnage, l'identité visuelle (lumière, palette, grain) et le vocabulaire de caméra. Créez un bloc de texte appelé « bible visuelle » et collez-le au début ou à la fin de chaque prompt.
Pour les personnages, une image de référence vaut souvent mille adjectifs. Si votre moteur accepte une image de départ ou un verrouillage d'identité, utilisez-le systématiquement. Cela réduit drastiquement les variations de visage entre les plans, qui restent la principale cause de rejet en post-production.
Un dernier point : pensez la continuité des axes. Si le plan A montre un personnage regardant vers la droite, le plan B doit conserver une direction de regard compatible. Précisez-le dans le prompt, sinon le moteur inversera la scène et le montage paraîtra incohérent.
Choisir le bon moteur selon la tâche
Les moteurs haut de gamme
Certains modèles excellent sur la fidélité au prompt, la physique des mouvements et la cohérence des personnages sur plusieurs secondes. Ils sont parfaits pour les plans héros, les publicités courtes, les génériques et les scènes où un détail raté ruinerait tout.
Leur principal inconvénient est le coût de rendu et la lenteur. La stratégie gagnante consiste à les réserver aux plans d'ouverture, aux gros plans de visage et aux moments clés. Utilisez-les comme un objectif de cinéma : peu de plans, mais les bons.
Les moteurs rapides et économiques
D'autres modèles privilégient la vitesse et le coût par seconde. Ils conviennent aux storyboards animés, aux tests de cadrage, aux vidéos sociales et aux séquences où le spectateur regarde sur un écran de téléphone.
Le bon usage est itératif : explorez dix variantes avec un moteur rapide, choisissez la meilleure composition, puis régénérez ce plan précis avec un moteur haut de gamme en réutilisant exactement le même prompt. Vous combinez ainsi exploration bon marché et finition soignée.
Les moteurs spécialisés
Il existe des moteurs taillés pour des effets précis : interpolation d'images clés, allongement de plan, animation d'une photo fixe, conversion de style, génération de boucles parfaites. Ces outils ne remplacent pas un moteur généraliste, ils le complètent.
Construisez votre pile d'outils par fonction et non par mode. Une pile typique contient : un moteur d'exploration, un moteur de finition, un outil d'allongement, un outil de stabilisation, un outil audio. Quand un plan échoue, vous savez immédiatement quel maillon changer.
Diriger la caméra, la lumière et le son par le texte
Le vocabulaire de caméra fonctionne comme un langage contrôlé. Quelques formules fiables : « travelling avant lent », « panoramique horizontal de gauche à droite », « caméra portée légèrement instable », « plan fixe sur trépied », « contre-plongée marquée », « suivi latéral à hauteur d'épaule ». Évitez les combinaisons contradictoires du type « plan fixe avec mouvement circulaire rapide ».
Pour la lumière, décrivez la source plutôt que l'effet. « Lumière douce venant d'une fenêtre latérale gauche » est plus exploitable que « éclairage magnifique ». Ajoutez la qualité : dure ou douce, chaude ou froide, diffuse ou directionnelle, ainsi que le moment de la journée.
Le son mérite d'être décrit séparément, même si votre moteur ne génère pas d'audio : cela influence le rythme du mouvement. Indiquez l'ambiance (pluie, foule lointaine, vent), la présence de dialogue, et le niveau d'intensité. Pour les scènes dialoguées, précisez qui parle, sur quel ton et à quel moment du plan.
Un détail souvent ignoré : la respiration du plan. Les modèles ont tendance à saturer le mouvement. Ajoutez des instructions comme « mouvement minimal », « quasi immobile », « respiration lente » pour obtenir des plans posés, essentiels au montage.
Erreurs fréquentes et corrections immédiates
La première erreur est le prompt encyclopédique. Trop d'informations dispersent l'attention du modèle. Correction : une idée principale, deux idées secondaires, rien de plus.
La deuxième est le prompt purement esthétique. « Cinématique, époustouflant, ultra détaillé » ne décrit aucune action. Correction : remplacez les adjectifs d'évaluation par des faits visuels. Au lieu de « cinématique », écrivez « plan large, focale longue, faible profondeur de champ, lumière contrastée ».
La troisième est l'absence de durée et de cadence. Sans indication, le moteur choisit un rythme moyen, souvent ennuyeux. Correction : précisez si le plan doit être lent et contemplatif ou rapide et nerveux.
La quatrième est l'oubli de la cohérence entre plans. Correction : créez la bible visuelle évoquée plus haut et vérifiez chaque prompt avant de lancer le rendu.
La cinquième est le manque de traçabilité. Si vous ne notez pas vos prompts et leurs résultats, vous recommencerez les mêmes erreurs. Tenez un journal simple : numéro de plan, prompt utilisé, moteur, durée, note de qualité, commentaire. En deux semaines, ce journal devient votre meilleur manuel.
Un workflow de production en sept étapes
- Écrire la séquence en phrases. Décrivez l'histoire en langage naturel, sans penser au moteur. Cela clarifie l'intention.
- Découper en plans. Un plan égale une action plus une intention de caméra. Numérotez et estimez la durée de chacun.
- Créer la bible visuelle. Personnages, palette, lumière, grain, format, style de caméra. Un bloc de texte réutilisable.
- Rédiger chaque prompt avec les quatre couches. Sujet, action, mise en scène, technique. Relisez à voix haute : si c'est confus pour vous, c'est confus pour le modèle.
- Tester en basse résolution avec un moteur rapide. Générez plusieurs variantes par plan et sélectionnez la meilleure composition.
- Finaliser les plans clés avec un moteur haut de gamme. Réutilisez exactement les prompts validés pour préserver la continuité.
- Assembler, stabiliser, étalonner, sonoriser. Le montage corrige beaucoup, mais ne sauve jamais un plan dont la direction est fausse.
Ce workflow évite l'écueil le plus courant : générer de superbes plans isolés qui ne se parlent pas entre eux. La vidéo est un art de la relation, pas de l'accumulation.
FAQ rapide sur le prompt vidéo
Faut-il écrire en anglais ? De nombreux moteurs comprennent plusieurs langues, mais l'anglais reste le plus fiable pour le vocabulaire technique de caméra. Une bonne méthode consiste à écrire en français pour la narration et à traduire les termes de mise en scène en anglais.
Combien de mots pour un bon prompt ? Entre quarante et quatre-vingts mots couvrent la majorité des besoins. Au-delà, vous ajoutez surtout du bruit. En dessous, vous laissez trop de décisions au moteur.
Pourquoi mes visages changent-ils d'un plan à l'autre ? Parce que la description du personnage varie et que le moteur réinterprète. Verrouillez l'identité avec une image de référence et répétez la même phrase descriptive à l'identique.
Comment obtenir un mouvement de caméra vraiment fluide ? Décrivez un seul mouvement, avec une direction et une vitesse. Deux mouvements simultanés produisent presque toujours des artefacts.
Que faire quand le résultat est proche mais pas exact ? Ne réécrivez pas tout. Modifiez une seule variable à la fois : la lumière, puis la focale, puis le rythme. C'est la seule façon d'apprendre ce qui influence réellement le rendu.
Peut-on randomiser ? Oui, mais dans un cadre contrôlé. Gardez la structure du prompt et faites varier uniquement la graine ou un adjectif de style. La sérendipité utile naît de la contrainte, pas du chaos.
Ce qu'il faut retenir
L'ingénierie de prompts vidéo est une compétence de direction, pas de dictionnaire. Vous n'apprenez pas des mots magiques, vous apprenez à traduire une intention en instructions vérifiables : qui, quoi, comment c'est filmé, dans quel style, pendant combien de temps.
Les trois habitudes qui font la différence sont la séparation des couches, la répétition d'une bible visuelle et la modification d'une seule variable à la fois. Ajoutez un journal de production et vous disposez d'un système qui s'améliore à chaque projet au lieu de repartir de zéro.
Les moteurs évolueront, les interfaces changeront, mais la logique restera la même : un plan clair, une caméra décidée, une continuité assumée. Ce sont ces trois piliers qui transforment une génération aléatoire en séquence maîtrisée, et c'est là que se joue la différence entre une démonstration technique et une vidéo que l'on regarde jusqu'au bout.
