Un plan photoréaliste généré par IA ne naît pas d'un modèle magique : il naît d'une description suffisamment précise pour que le modèle n'ait plus rien à inventer. La différence entre une vidéo qui ressemble à une démo technique et une vidéo qui ressemble à une prise de vue réelle tient rarement à la puissance du moteur de génération. Elle tient à la qualité de l'instruction : ce que vous décrivez, dans quel ordre, avec quel niveau de détail, et ce que vous choisissez de taire.
Ce guide propose une méthode complète pour écrire des prompts vidéo qui produisent des images crédibles, stables dans le temps et visuellement singulières. Il s'adresse autant aux créateurs qui débutent qu'aux monteurs, motion designers et réalisateurs qui intègrent la génération vidéo dans une chaîne de production existante.
Pourquoi le prompt vidéo ne fonctionne pas comme le prompt image
Un prompt d'image décrit un instant. Un prompt de vidéo décrit un instant qui doit rester vrai pendant plusieurs secondes, sous plusieurs angles parfois, avec des objets qui bougent, une lumière qui évolue et des personnages qui doivent rester reconnaissables d'une image à l'autre. Cette contrainte change tout.
Le budget de mouvement
Chaque moteur de génération vidéo dispose d'une sorte de budget de mouvement : une quantité limitée de changements qu'il peut reproduire proprement sur la durée du plan. Si vous demandez simultanément une foule qui marche, une caméra qui tourne, des cheveux au vent, de la pluie et un train qui passe, le modèle répartit mal son attention et produit des artefacts : visages qui se déforment, membres qui se dupliquent, arrière-plans qui fondent.
La règle pratique est simple : un plan, une intention de mouvement principale. Vous pouvez ajouter un ou deux mouvements secondaires discrets (une fumée, un rideau, un reflet), mais pas cinq actions concurrentes.
La cohérence temporelle
Sur une image fixe, une main à six doigts se remarque tout de suite. Sur une vidéo, le problème est différent : la main peut être correcte à la première image et se déformer à la troisième seconde. La cohérence temporelle est donc la vraie difficulté. Elle s'obtient en réduisant l'ambiguïté : moins le modèle doit deviner, plus il reste stable.
Ce que le modèle ne sait pas déduire
Un modèle ne connaît ni votre intention narrative, ni votre référentiel esthétique, ni la géographie de votre scène. Si vous écrivez « une femme marche dans une rue », il choisira lui-même la ville, l'heure, la focale, le format, la lumière et le rythme. Ces choix par défaut sont souvent génériques. Décrire ces paramètres est ce qui distingue un plan banal d'un plan maîtrisé.
Anatomie d'un prompt vidéo photoréaliste
Un prompt efficace se lit comme une fiche technique de tournage compressée. L'ordre importe moins que la présence de chaque couche d'information. Voici les six couches à couvrir systématiquement.
1. Le sujet et l'action
Nommez le sujet avec un niveau de précision utile : âge approximatif, silhouette, vêtements remarquables, posture. Puis donnez un verbe d'action précis.
- Faible : « un homme dans un café »
- Fort : « un homme d'une quarantaine d'années, veste de laine grise, assis à une table près de la vitre, tourne lentement les pages d'un carnet »
Le verbe d'action définit ce que le modèle doit animer. Si l'action est vague, le modèle choisit un mouvement générique, souvent une lente rotation de tête qui trahit immédiatement la génération.
2. La caméra
La vidéo générée hérite de la grammaire du cinéma. Trois paramètres suffisent à transformer radicalement un plan :
- La distance : gros plan, plan poitrine, plan moyen, plan large.
- Le mouvement : statique sur trépied, panoramique horizontal lent, travelling avant, caméra portée discrète, grue verticale.
- La focale implicite : un 24 mm écrase la perspective et élargit l'espace ; un 85 mm compresse le fond et isole le sujet.
Exemple de formulation : « plan poitrine, objectif 50 mm, caméra sur trépied avec un très léger travelling avant ». Cette phrase suffit à supprimer les mouvements parasites.
3. La lumière
C'est la couche la plus rentable. La lumière explique environ la moitié de la perception de réalisme.
Décrivez quatre éléments :
- La source : soleil bas, fenêtre latérale, néon de plafond, lampe pratique dans le cadre.
- La direction : contre-jour, trois quarts face, latérale dure, éclairage descendant.
- La qualité : dure et contrastée, douce et diffuse, mixte avec une source dure et un remplissage large.
- La température : lumière chaude de fin de journée, lumière froide de début de matinée, mélange tungstène et lumière du jour.
« Lumière naturelle de fin d'après-midi entrant par une fenêtre latérale, contraste doux, ombres longues » produit un résultat très différent de « éclairage lumineux ».
4. La texture et le rendu de capteur
Le photoréalisme ne vient pas de la netteté maximale, mais de la vraisemblance optique :
- grain fin de capteur, léger bruit dans les ombres ;
- très faible profondeur de champ avec un flou d'arrière-plan progressif ;
- micro-imperfections : pores visibles, plis de tissu, poussière en suspension ;
- aberrations chromatiques légères sur les bords en contre-jour.
Ces détails ne coûtent presque rien en longueur de prompt et font basculer un rendu « propre mais artificiel » vers un rendu crédible.
5. Le décor et la profondeur
Décrivez trois plans de profondeur : premier plan (élément flou qui cadre), plan moyen (le sujet), arrière-plan (contexte lisible mais non dominant). Cette structure donne au modèle une hiérarchie spatiale et réduit les incohérences d'échelle.
6. Le format, la durée et le rythme
Indiquez le ratio (16:9, 9:16, 2.39:1), la cadence perçue (rendu cinéma 24 images par seconde ou rendu vidéo plus fluide) et la durée souhaitée. Un plan de deux secondes peut se permettre une action complexe ; un plan de huit secondes a besoin d'une action continue et soutenable.
Contrôler le mouvement et la physique du plan
Décrire l'amplitude, pas seulement la direction
« La caméra avance » est ambigu. « La caméra avance de cinquante centimètres en quatre secondes, à vitesse constante » est exploitable. Les modèles répondent bien mieux aux indications de vitesse et de durée perçue qu'aux adverbes vagues.
Vocabulaire utile :
- imperceptible : le mouvement se devine plus qu'il ne se voit ;
- lent et régulier : mouvement continu sans à-coup ;
- amorcé : le mouvement commence à la fin du plan ;
- porté : micro-tremblements organiques, respiration de l'opérateur.
Les éléments secondaires qui vendent le réalisme
Un plan réaliste contient toujours des mouvements indépendants du sujet principal : la vapeur d'une tasse, le balancement d'un rideau, la circulation en arrière-plan, un reflet qui glisse sur une surface. Ajoutez-en un ou deux, jamais plus. Ce sont eux qui donnent l'impression que le monde continue d'exister hors du cadre.
Le piège de la physique spectaculaire
Eau, feu, fumée dense, chute d'objets, tissus complexes, mains qui manipulent : ce sont les zones où les artefacts apparaissent le plus vite. Si votre plan exige l'un de ces éléments, simplifiez tout le reste. Un gros plan de mains qui versent un liquide dans un décor minimal sera bien plus convaincant qu'un plan large avec les mêmes mains dans une foule.
Construire une identité visuelle unique
La singularité ne vient presque jamais du sujet, mais du traitement. Deux prompts décrivant la même scène peuvent produire une image de stock générique ou une image qui ressemble à un film précis. La différence tient aux modificateurs.
Le bloc de style réutilisable
Créez une phrase courte, réutilisable d'un plan à l'autre, qui définit votre signature : focale, lumière, palette, texture, grain, référence de genre.
Exemple de bloc :
« optique 40 mm, lumière naturelle contrastée, palette désaturée avec une pointe d'ambre, grain 35 mm fin, rendu documentaire sobre »
Ce bloc placé en fin de prompt, ou en début si votre outil accorde plus de poids au début, garantit une continuité esthétique sur toute une séquence. C'est la technique la plus efficace pour qu'une série de plans semble appartenir au même film.
Le rôle des imperfections
Les rendus trop lisses vieillissent mal et sentent l'image de synthèse. Ajoutez délibérément :
- une source lumineuse parasite dans le cadre ;
- un léger flou de mouvement sur un élément rapide ;
- des ombres qui ne sont pas parfaitement propres ;
- un cadrage volontairement imparfait, sujet légèrement décentré.
Un cadrage trop parfait est le marqueur numéro un d'une image générée.
Le vocabulaire qui fonctionne
Préférez des termes de métier : « contre-jour », « lumière de fenêtre latérale », « focale longue », « plan américain », « profondeur de champ réduite ». Ces termes activent des représentations visuelles précises, là où « belle image » ou « cinématique » n'apportent presque rien.
Prompts négatifs et pondération des termes
Ce qu'il faut exclure explicitement
Les prompts négatifs servent à supprimer les défauts récurrents. Une liste courte et ciblée vaut mieux qu'une liste de cinquante interdits :
- visages déformés, mains surnuméraires, doigts fusionnés ;
- texte illisible ou logos inventés ;
- arrière-plan qui se dissout, fond qui tremble ;
- aspect dessin animé, rendu peinture à l'huile, style 3D plastique ;
- sursaturation, contraste écrasé, netteté excessive.
Ne mélangez pas les exclusions esthétiques et les exclusions techniques dans la même phrase : certains moteurs traitent les deux différemment.
Pondérer plutôt que répéter
Répéter un mot trois fois est une méthode grossière. Si votre interface accepte une pondération, utilisez-la : montez légèrement les termes de lumière et d'optique, baissez les termes d'ambiance décorative qui détournent l'attention. En l'absence de pondération, jouez sur l'ordre : les éléments placés en tête sont généralement mieux respectés.
Le test de suppression
Retirez un terme à la fois et observez ce qui change. Si retirer un mot ne modifie rien, il ne servait à rien et allonge inutilement le prompt. Si retirer un mot casse le plan, ce mot est un paramètre critique : conservez-le et documentez-le.
Assurer la cohérence sur plusieurs plans
Un plan isolé convaincant est facile. Une séquence cohérente est un vrai travail d'ingénierie.
Verrouiller les variables
Listez explicitement ce qui ne doit pas changer :
- Bloc de style : focale, palette, lumière, grain.
- Fiche personnage : âge, coiffure, silhouette, vêtement, accessoire distinctif.
- Décor : architecture, orientation de la lumière, heure du jour.
- Grammaire caméra : hauteur, distance moyenne, vitesse de mouvement.
Ces quatre blocs restent identiques d'un prompt à l'autre ; seule l'action change. Cette discipline suffit à produire des raccords crédibles.
Raccords et continuité
Si le plan A se termine sur un personnage en trois quarts face à gauche et que le plan B le montre face à droite, le spectateur perçoit une incohérence même s'il ne sait pas l'expliquer. Décrivez l'orientation et la position initiale dans chaque prompt : « sujet face caméra, cadré à droite du cadre, légèrement en contre-plongée ».
La règle du plan de coupe
Prévoyez systématiquement un plan de coupe simple : un gros plan d'objet, un détail de main, un plan large silencieux. Ces plans sont beaucoup plus faciles à générer proprement que les plans avec personnage, et ils permettent de masquer les transitions difficiles au montage.
Méthode de travail en sept étapes
Étape 1 : écrire la scène en clair
Rédigez votre intention en trois phrases, sans jargon technique. C'est votre cahier des charges.
Étape 2 : extraire la structure
Décomposez en sujet, action, caméra, lumière, texture, décor, format.
Étape 3 : générer une image de référence
Si votre outil le permet, validez d'abord une image fixe. Une image fixe réussie coûte beaucoup moins cher à corriger qu'une vidéo ratée, et elle sert de point d'ancrage pour la suite.
Étape 4 : produire des variations courtes
Générez plusieurs essais de deux à trois secondes avec le même prompt. Comparez la stabilité, la lumière et la propreté du mouvement avant d'allonger la durée.
Étape 5 : verrouiller et allonger
Une fois un rendu satisfaisant obtenu, ne modifiez plus qu'un paramètre à la fois et augmentez progressivement la durée.
Étape 6 : documenter
Conservez pour chaque plan : le prompt final, le modèle utilisé, les paramètres et une capture du résultat. Un projet vidéo comporte souvent trente à cinquante plans ; sans documentation, vous ne pourrez pas reproduire un rendu.
Étape 7 : monter, sonoriser, étalonner
Ajoutez du son et un étalonnage léger en post-production. Un grain cohérent, un son d'ambiance crédible et un très léger contraste unificateur font plus pour le réalisme perçu que n'importe quel prompt.
Erreurs fréquentes et corrections
Prompt trop long et contradictoire
Un prompt de deux cents mots contenant « lumière douce » et « ombres dures » envoie des signaux opposés. Corrigez en supprimant les contradictions, pas en ajoutant des précisions.
Décor trop chargé
Chaque élément décoratif supplémentaire est une occasion d'artefact. Réduisez le nombre d'objets distincts dans le cadre à cinq ou six maximum pour un plan moyen.
Adjectifs sans effet
« Époustouflant », « incroyable », « magnifique » n'ont aucun impact visuel. Remplacez-les par des paramètres mesurables : focale, direction de lumière, palette.
Négliger l'orientation du sujet
C'est l'erreur la plus coûteuse en séquence. Sans indication, le modèle choisit une orientation et change d'un plan à l'autre.
Ignorer la post-production
Beaucoup de créateurs cherchent à obtenir un rendu final parfait directement en génération. Un étalonnage simple, une réduction de bruit ciblée et un grain unifié corrigent la majorité des écarts entre plans.
Adapter sa formulation aux différents moteurs
Les moteurs de génération vidéo ne réagissent pas tous de la même manière à la même grammaire.
- Modèles orientés cinéma : ils répondent très bien au vocabulaire de tournage (focale, type de plan, mouvement de caméra). Concentrez-vous sur la lumière et l'optique.
- Modèles orientés prompt naturel : ils préfèrent une description narrative fluide. Écrivez alors deux ou trois phrases complètes plutôt qu'une liste de mots-clés.
- Modèles à image de départ : le prompt texte sert surtout à piloter le mouvement et la lumière ; ne redécrivez pas ce que l'image montre déjà.
- Modèles de transformation vidéo à vidéo : décrivez le style cible et le degré de transformation souhaité plutôt que le contenu.
Règle générale : testez le même prompt sur deux moteurs différents. La comparaison révèle immédiatement la grammaire à laquelle votre moteur principal est sensible.
FAQ pratique
Combien de mots doit contenir un bon prompt vidéo ?
Entre trente et quatre-vingts mots pour un plan standard. Au-delà, chaque phrase supplémentaire doit apporter un paramètre nouveau (lumière, optique, texture, mouvement) et non une reformulation.
Faut-il décrire le son dans le prompt ?
Sauf si le moteur génère aussi la bande-son, c'est inutile. En revanche, un plan dont le mouvement suggère un son (pas, respiration, pluie) paraît plus crédible une fois sonorisé en post-production.
Pourquoi mes visages se déforment-ils en gros plan ?
Le gros plan est la configuration la plus difficile : le moindre écart se voit. Solutions : réduire la durée du plan, limiter le mouvement de tête, ajouter une profondeur de champ réduite pour adoucir les contours, et exclure explicitement les déformations dans le prompt négatif.
Les références de réalisateurs ou de films fonctionnent-elles ?
Elles orientent le rendu, mais souvent de façon imprévisible et parfois filtrée par les moteurs. Il est plus fiable de décrire les caractéristiques que vous recherchez : type de lumière, palette, focale, grain, rythme de caméra.
Comment obtenir la même lumière sur dix plans ?
Copiez-collez littéralement le même bloc de lumière et d'optique dans tous les prompts et ne le modifiez jamais. La variation doit venir de l'action, pas de l'éclairage.
Que faire quand un plan est presque parfait mais légèrement instable ?
Ne régénérez pas tout : réduisez la durée, baissez l'amplitude du mouvement de caméra, ou partez d'une image de référence fixe. Un paramètre changé à la fois suffit généralement.
Faut-il générer en haute résolution dès le premier essai ?
Non. Travaillez en définition modérée pour itérer vite, puis régénérez le plan validé en haute résolution. Le temps gagné sur les essais est considérable.
Combien de temps consacrer à l'écriture du prompt ?
Comptez deux à cinq minutes par plan pour un projet professionnel. Ce temps est presque toujours rentable : une itération de génération évitée coûte souvent plus cher que le temps passé à préciser la lumière et la focale.
En résumé
Le photoréalisme en vidéo générée est un problème de réduction d'ambiguïté. Un bon prompt ne cherche pas à tout dire : il décrit les paramètres qui déterminent le rendu — action unique, caméra explicite, lumière qualifiée, texture crédible, décor structuré, format défini — et laisse le modèle libre sur les détails secondaires.
La progression la plus rapide vient d'une discipline simple : commencez par une image fixe, verrouillez un bloc de style réutilisable, n'ajustez qu'une variable à la fois, documentez chaque plan validé. Cette méthode transforme la génération vidéo d'un jeu de hasard en outil de production fiable, capable de livrer des séquences cohérentes où chaque plan semble issu du même tournage.
