Comment écrire un prompt vidéo IA : la méthode en 5 blocs

Vous décrivez une scène en une ligne, vous lancez la génération, et le plan qui revient ne ressemble à rien de ce que vous aviez en tête. Le personnage ne bouge pas, la lumière est plate, la caméra reste vissée au sol. Vous ajoutez trois adjectifs, vous relancez, le résultat change sans s'améliorer. La vraie question n'est donc pas de savoir quel générateur choisir, mais comment écrire un prompt vidéo IA qui ne laisse presque rien à décider à la machine.

Un prompt n'est pas une formule magique. C'est une note de tournage : elle se construit, elle se relit, et elle se corrige à un endroit précis quand le résultat dévie. Cette page enseigne cette construction, pas des recettes. Si vous cherchez plutôt des consignes toutes faites à copier et à adapter, notre bibliothèque de prompts vidéo commentés remplit exactement ce rôle.

La réponse courte

Un prompt vidéo utile tient en trois à cinq phrases et répond à cinq questions, toujours dans le même ordre : qui ou quoi, le sujet décrit physiquement ; ce qui se passe, une seule action en cours ; d'où on regarde, le cadrage et le mouvement de caméra ; dans quoi, la lumière et le décor ; comment ça rend, le style visuel et le son. Vous l'écrivez en anglais, au présent progressif, en décrivant ce que vous voulez voir plutôt que ce que vous refusez. Entre deux essais, vous ne changez qu'une seule chose. Le reste n'est que vocabulaire, et il s'apprend en une soirée.

Les cinq blocs d'un prompt vidéo

Cinq blocs, parce que c'est le nombre qu'on retient sans avoir la liste sous les yeux. Chacun répond à une question que le générateur se posera de toute façon. Si vous ne répondez pas, il répondra seul, et sa réponse changera à chaque relance. C'est précisément ce qui donne l'impression d'un outil capricieux, alors que le texte envoyé était simplement incomplet.

• Le sujet. Qui ou quoi, décrit physiquement : âge apparent, morphologie, coiffure, tenue, couleurs des vêtements. Jamais un prénom, jamais un nom propre.
• L'action. Un seul verbe, au présent progressif, choisi pour qu'il progresse pendant le plan. « Sortant une plaque du four » vaut mieux que « au travail ».
• Le point de vue. La taille du plan, l'angle, la place du sujet dans le cadre, puis le mouvement de caméra et sa vitesse. « Caméra fixe » est une consigne, pas une absence de consigne.
• La lumière et le décor. Une source nommée, sa direction, le moment de la journée, puis le fond, ses matières et sa profondeur.
• Le rendu et le son. Le style visuel, décidé une fois pour toute la série, puis la réplique exacte entre guillemets si quelqu'un parle, ou l'ambiance sonore attendue.

Ces cinq blocs sont une façon de retenir, pas une contrainte de forme. Dans une consigne très détaillée, ils se subdivisent : le cadrage se sépare du mouvement de caméra, le décor se sépare de la lumière, le son se traite à part. La version condensée est celle qu'on garde en tête au moment d'écrire. Pour situer ce travail dans la chaîne complète qui va de l'idée au fichier monté, notre guide du générateur vidéo par intelligence artificielle donne le plan d'ensemble.

Pourquoi l'ordre des blocs compte

Un modèle vidéo lit votre texte du début vers la fin, et ce qui arrive en premier pèse plus lourd que ce qui arrive en dernier. Quand la consigne s'allonge, ce sont les dernières phrases qui se diluent. Placer le sujet et l'action en tête n'est donc pas une question de style : c'est ce qui garantit que le coeur du plan survivra même si la fin est partiellement ignorée.

Un ordre stable rend aussi vos prompts modifiables. Quand vous relisez cinq consignes écrites dans la même séquence, vous repérez d'un coup d'oeil celle où le bloc lumière manque. Quand chacune est écrite dans un ordre différent, vous devez tout relire à chaque fois. Sur une série de vingt scènes, l'écart devient considérable, et c'est aussi cette régularité qui permet de recopier un bloc à l'identique d'une scène à l'autre.

Bloc 1 : décrire le sujet, ne jamais le nommer

C'est l'erreur la plus coûteuse, parce qu'elle passe inaperçue. Baptiser votre personnage dans la consigne ne sert à rien : le générateur ne connaît pas votre héroïne, et un nom propre le pousse vers des visages qu'il croit reconnaître. Décrivez une silhouette : âge apparent, corpulence, longueur et texture des cheveux, vêtements et leurs couleurs.

Cette description a une seconde fonction, plus importante encore : elle devient la signature du personnage. Recopiée mot pour mot d'une scène à l'autre, elle freine la dérive du visage. Reformulée à chaque fois, même avec les mêmes idées, elle produit un cousin ressemblant. C'est la règle que suit notre mode Réalisateur : la coiffure et la tenue sont reprises telles quelles dans chaque scène, et une image de référence est rattachée au plan pour confirmer ce que la phrase décrit.

Bloc 2 : une action qui dure, pas une pose

Une image fige un instant, une vidéo occupe une durée. Un prompt qui décrit une pose donne un plan figé où seul l'arrière plan frémit. Écrivez un verbe qui progresse pendant les secondes du plan : quelqu'un qui verse, qui pousse une porte, qui se retourne. Ajoutez un élément mobile visible, vapeur, poussière ou tissu, il porte le mouvement quand le sujet en manque.

Une seule action par plan, jamais deux. Demandez d'ouvrir une porte, de traverser la pièce et de s'asseoir, vous obtiendrez les trois gestes mélangés ou un seul d'entre eux. Deux actions, ce sont deux plans, donc deux consignes. La règle sert aussi votre montage : un spectateur ne suit qu'une intention à la fois. Ce découpage se prépare en amont, au moment d'écrire le texte de la vidéo, et notre guide pour écrire un script vidéo montre comment répartir une idée par plan.

Bloc 3 : le point de vue se décide, il ne se subit pas

Le point de vue est le bloc le plus souvent oublié, et celui qui distingue immédiatement un plan écrit d'un plan subi. Il rassemble trois décisions que vous prendriez sans réfléchir avec un téléphone à la main : à quelle distance vous êtes, à quelle hauteur, et si vous bougez.

• La taille du plan : gros plan, plan taille, plan large. Elle décide de ce que le spectateur a le droit de voir.
• L'angle : à hauteur d'yeux, en plongée, en contre plongée. Une légère contre plongée donne de l'autorité au sujet, une plongée le fragilise.
• La place du sujet dans le cadre. Lui laisser un tiers libre réserve l'espace d'un titre ajouté au montage.
• Le mouvement de caméra et sa vitesse : travelling avant lent, panoramique, caméra portée. Un mouvement lent rate beaucoup moins souvent qu'un mouvement rapide.
• L'ancrage du regard. Un sujet à qui l'on ne dit pas où regarder finit par fixer l'objectif : dites qu'il regarde son geste, la fenêtre, ou la personne en face.

Ce dernier point mérite d'être souligné, car il trahit un plan généré en une seconde. Le regard planté dans l'objectif est le défaut le plus reconnaissable. Nos consignes de production ajoutent systématiquement un ancrage qui l'évite, sauf lorsque la scène demande explicitement que le personnage s'adresse au spectateur. C'est précisément le cas du plan de fin qui réclame une action, et cette phrase se prépare avant la consigne : nos formules d'appel à l'action en donnent des versions assez courtes pour tenir dans un seul plan.

Blocs 4 et 5 : la lumière fait l'effet, le rendu tient la série

La lumière offre le meilleur rapport entre le nombre de mots écrits et le changement obtenu. Une source nommée, une direction et un moment suffisent : une lampe de bureau sur la droite, la lumière rasante d'une fenêtre à l'aube, un tube fluorescent au dessus de la tête. Décrivez ensuite le décor par ses matières plutôt que par son nom : un mur de béton brut, un carrelage usé, du bois clair.

Le rendu, lui, ne se rediscute pas à chaque scène. Choisissez une formule courte de style visuel, gardez la identique sur toute la série, recopiez la telle quelle. C'est le seul moyen d'obtenir des plans qui appartiennent visiblement au même film. Le son suit la même logique : une réplique se recopie mot pour mot, parce que les générateurs vidéo actuels fabriquent l'image et le son dans la même passe, et que le mouvement des lèvres naît du texte exact que vous avez écrit. Reste la question de la voix elle même : dès qu'elle imite une personne réelle, le consentement devient central, et notre article sur la légalité du clonage de voix en donne les limites.

Les interdits se retournent contre vous

Beaucoup de consignes ratées sont des listes de refus : pas de flou, pas de texte, pas de mains déformées, pas de foule. La plupart des générateurs vidéo n'ont pas de champ séparé pour ces interdits, si bien que votre liste voyage dans la même phrase que le reste. Le modèle lit alors une description précise de ce que vous ne vouliez surtout pas voir, et il lui reste peu de place pour fabriquer ce que vous vouliez. Le texte mérite une réserve : lorsque votre vidéo doit réellement montrer des pages, elles s'incrustent au montage au lieu d'être décrites dans la consigne, comme le fait notre méthode pour transformer un PDF en vidéo commentée.

• « Pas de foule » devient « seul dans la pièce », « rue déserte », « atelier vide ».
• « Pas de texte » devient « fond uni », « mur sans affiche », « emballage sans étiquette ».
• « Pas de mains bizarres » devient « mains à plat sur la table », ou un cadrage qui les exclut.
• « Ne regarde pas la caméra » devient « regardant son établi », « tourné vers la fenêtre ».
• « Pas de mouvement brusque » devient « travelling avant lent » ou « caméra fixe ».
• « Pas de logos » devient « objet générique sans marque », « vêtement uni ».

Quand la même interdiction revient sur toutes vos vidéos, ne la recopiez pas trente fois. Dans le studio EasyVids, deux champs de préférences vivent sur votre compte, l'un pour ce qu'il faut éviter dans les images, l'autre pour les vidéos. Ils sont volontairement courts, et ils sont ajoutés côté serveur au moment où la consigne de chaque scène est rédigée. Vous les remplissez une fois, vous n'y pensez plus à la trentième scène.

Itérer : une seule variable à la fois

Voici la discipline qui sépare ceux qui progressent de ceux qui tournent en rond. Quand un plan déçoit, la tentation est de tout réécrire d'un coup : nouveau cadrage, nouvelle lumière, nouveau style. Le résultat suivant sera peut être meilleur, mais vous ne saurez pas pourquoi, et vous ne saurez pas le reproduire sur la scène d'après.

• Écrivez un socle complet, avec les cinq blocs, même ceux dont vous êtes sûr. Un bloc absent est un bloc que le générateur remplit à votre place.
• Changez le point de vue seul, gardez tout le reste intact. Notez ce que le sujet gagne ou perd.
• Revenez au socle, changez la lumière seule. C'est très souvent elle qui portait le problème.
• Revenez au socle, ajoutez ou retirez le mouvement de caméra. Un plan fixe rate moins souvent qu'un travelling rapide.
• Revenez au socle, changez le rendu en dernier, parce qu'il engage toute la série et non une scène.
• Gardez une trace écrite de chaque version testée. Un prompt qui a fonctionné et qu'on n'a pas noté est un prompt perdu.

Quatre essais menés ainsi vous apprennent davantage que vingt relances au hasard, et ils consomment beaucoup moins de crédits. Le détail des formules se trouve sur la page des tarifs, et un essai gratuit suffit à roder la méthode avant de lancer une série entière.

Diagnostiquer un plan qui dévie

Un résultat raté n'est presque jamais un échec global : c'est un bloc qui manquait. Apprenez à lire le défaut au lieu de le subir, et la correction devient la modification d'une ligne plutôt qu'une réécriture complète. Le tableau ci dessous relie les symptômes les plus courants au bloc qui en est responsable.

• Le texte incrusté dans l'image ressemble à une langue inconnue : retirez le texte du plan et ajoutez le au montage. Aucun générateur ne le rend fiable au delà de quelques lettres.
• La réplique est coupée en plein milieu : la phrase dépasse la durée du plan. Coupez la en deux scènes plutôt que d'accélérer la parole.
• La scène ne produit rien du tout : un terme a déclenché un filtre de sécurité. Reformulez au lieu d'insister, en remplaçant le mot signalé par une description neutre.
• Le personnage change de tenue au milieu de la série : la signature n'a pas été recopiée à l'identique, ou une image de référence manque sur cette scène.
• Le plan est joli mais illisible : trop d'éléments décrits pour la durée disponible. Retirez, ne rajoutez pas.

Une remarque qui évite beaucoup de frustration : deux générations lancées avec exactement le même texte ne donnent pas exactement le même plan. Cette variation fait partie du procédé. Des blocs plus précis et des images de référence la contiennent, ils ne l'annulent pas. Sur un personnage qui revient de scène en scène, c'est la description recopiée à l'identique qui limite le plus cette dérive, et notre guide pour décrire un personnage qui reste le même indique les traits à figer en priorité.

Ce que le prompt ne décide pas

Plusieurs réglages vivent à côté de la consigne et pèsent parfois plus lourd qu'elle. Les confondre avec le texte du prompt fait perdre un temps considérable, parce qu'aucune formulation ne rattrape un mauvais réglage.

• La durée. Elle se choisit dans les options de génération. Écrire « une vidéo de dix secondes » dans le prompt ne change rien du tout.
• Le format. Vertical, carré ou horizontal se sélectionne à côté du texte. Tous les modèles n'acceptent pas tous les formats, et celui qui ne sait pas produire le vôtre est écarté de la liste au lieu de vous rendre une image recadrée.
• Les images de référence. Une photo jointe pèse plus lourd que dix lignes de description. C'est le moyen le plus fiable de retrouver le même personnage, le même produit ou le même décor d'un plan à l'autre.
• La destination. Le format standard sur ordinateur reste le 16:9 d'après les recommandations d'encodage publiées par YouTube, le lecteur s'adaptant de lui même aux formats vertical ou carré. La fiche officielle des Shorts précise de son côté qu'un Short est vertical, dure trois minutes au maximum et se téléverse en 1080p au plus.

Une fois ces réglages figés, votre consigne redevient la seule variable, et la méthode d'essai décrite plus haut se met enfin à donner des réponses nettes. Les questions pratiques sur les durées, les formats et les références sont regroupées dans la foire aux questions.

Laisser la machine écrire le premier jet

Écrire vingt consignes à la main pour une série de vingt scènes est un travail long et répétitif, et c'est exactement le genre de tâche qu'on délègue. Sur une génération unique, un bouton propose d'écrire le prompt à partir d'un simple thème : vous donnez un style ou une idée, une consigne complète en anglais apparaît dans le champ, et vous la retouchez avant de lancer.

Dans l'atelier, chaque scène possède sa propre consigne image et, si vous le souhaitez, une consigne vidéo distincte : la première fabrique un visuel fixe, la seconde décrit le mouvement. Vous réécrivez celle d'une scène sans toucher aux autres. Le point important n'est pas l'écriture automatique, c'est qu'elle reste modifiable partout : une consigne qu'on ne peut pas corriger est une consigne qu'on subit. Relire un premier jet avec les cinq blocs en tête prend une minute et vous dit lequel manque.

Questions fréquentes

Par où commencer quand on n'a jamais écrit de prompt vidéo ?

Par le sujet et l'action, dans cet ordre, une phrase chacun. Lancez le plan avec ces deux blocs seulement, pour voir ce que le générateur ajoute de lui même. Ajoutez ensuite le point de vue, puis la lumière. Trois essais suffisent à comprendre ce que chaque bloc change, et ce réflexe vous suivra ensuite sur toutes vos scènes.

Quelle longueur pour un prompt vidéo ?

Trois à cinq phrases, une soixantaine de mots. En dessous, des blocs manquent et le générateur invente. Au dessus, les consignes commencent à se contredire et les dernières se diluent. Un prompt qui s'allonge sans fin cache presque toujours deux plans dans une seule consigne : coupez le en deux.

Faut-il écrire ses prompts vidéo en anglais ?

Oui, y compris pour une vidéo francophone. Le vocabulaire anglais de cadrage, de lumière et de mouvement est celui sur lequel ces modèles ont été le plus entraînés, et les résultats y gagnent en stabilité. Votre script, votre voix off et vos dialogues restent dans la langue de votre vidéo : les deux sont indépendants, comme le rappelle notre guide de la voix off naturelle.

Comment corriger un plan sans perdre ce qui fonctionnait déjà ?

En repartant du socle et en ne touchant qu'un bloc. Notez la version qui vous a plu, remettez le bloc précédent à sa valeur d'origine avant d'en tester un autre, et conservez vos essais par écrit. Sans trace écrite, un bon prompt se perd au bout de trois relances, et vous recommencez à zéro.

Pourquoi le même prompt ne donne-t-il pas toujours le même plan ?

Parce que la génération comporte une part de variation assumée. Deux lancements identiques produisent deux plans proches, jamais superposables. Plus vos blocs sont précis et plus vous joignez des images de référence, plus l'écart se réduit. Il ne disparaît pas complètement, et c'est aussi ce qui rend une série vivante.

Écrire une bonne consigne vidéo ne demande ni talent particulier ni vocabulaire savant. Il faut cinq blocs, un ordre qu'on ne bouscule pas, des interdits traduits en descriptions, et la patience de ne changer qu'une chose à la fois. Reprenez votre dernier plan raté, relisez le avec les cinq questions, et vous verrez immédiatement laquelle n'avait pas de réponse. Créer un compte vous ouvre le studio pour éprouver votre socle sur une scène avant d'engager une série entière.