Vous générez dix images pour une même histoire et vous obtenez dix personnes différentes. Le visage s'allonge, les cheveux raccourcissent, la veste passe du bleu au gris, et le spectateur décroche sans savoir pourquoi. Le problème du personnage cohérent en IA n'est pas un détail de finition : c'est ce qui sépare une suite de jolies images d'une vidéo que l'on peut suivre du début à la fin.
La dérive n'a rien de mystérieux. Elle vient d'une façon précise de travailler, et elle disparaît quand on en change. Cet article explique le mécanisme réel, puis la méthode que suit notre studio de création par intelligence artificielle pour tenir un même personnage sur cinquante plans, les erreurs qui la font échouer, et le cas plus délicat d'une série avec plusieurs personnages.
La réponse courte
Un visage reste identique quand vous cessez de le décrire et commencez à le montrer. Concrètement : vous produisez une seule fois un portrait de référence, vous lui donnez un identifiant stable, et cette même image repart avec chaque scène où le personnage apparaît, accompagnée d'une consigne qui demande de reproduire exactement cette personne. Le texte ne sert plus qu'à rappeler ce qu'une photo ne verrouille pas toujours : la coiffure et la tenue. Ce principe structure notre générateur vidéo par intelligence artificielle, et il vaut pour une simple série d'images comme pour un film complet.
Pourquoi un visage dérive d'une image à l'autre
Un générateur d'images ne garde aucun souvenir de ce qu'il a produit une minute plus tôt. Chaque image est fabriquée de zéro, à partir du seul texte qu'on lui donne. Si ce texte dit « une femme d'une trentaine d'années, cheveux bruns ondulés, veste beige », le modèle invente une femme conforme à cette phrase. La fois suivante, il en inventera une autre, tout aussi conforme. Des millions de visages satisfont la même description.
C'est là que se loge le malentendu le plus répandu. Beaucoup de créateurs pensent qu'en allongeant la description ils resserrent le résultat. En pratique, chaque adjectif supplémentaire ouvre une nouvelle marge d'interprétation, et la ressemblance cesse de progresser au delà de quelques traits. Un texte, aussi long soit-il, décrit une catégorie de personnes. Une image désigne une personne.
Un second facteur aggrave la dérive : la scène elle même. Changer de lumière, d'angle et de distance entre deux plans oblige le modèle à reconstruire le visage dans des conditions inédites. Plus l'écart est grand entre deux images voisines, plus la reconstruction s'éloigne. Une bonne méthode ne se contente donc pas de fixer un visage. Elle fixe aussi le lieu, la place de chacun dans le cadre et le côté depuis lequel la caméra regarde. Fixez au passage le rapport largeur sur hauteur, car un même personnage n'occupe pas le cadre de la même façon en vertical et en horizontal : notre guide des formats vidéo indique celui qu'attend chaque plateforme.
La méthode des références visuelles stables
Le principe tient en une phrase : rien d'essentiel ne se génère deux fois. Avant la première scène, un jeu de références est fabriqué, puis il ne bouge plus. Chaque personnage récurrent reçoit un identifiant court et stable, du type perso_camille, et chaque lieu le sien, du type decor_atelier. Ces identifiants ne sont pas des noms d'affichage, ce sont des adresses. Une scène ne dit pas « Camille dans l'atelier » : elle cite les deux identifiants, et le système sait alors quelles images joindre à la génération.
Vient ensuite une passe préparatoire, que nous appelons la bible du projet. Elle produit un portrait par personnage et une image par décor, dans un cadrage neutre et une lumière propre, sans mise en scène. Ces images ne sont pas destinées au spectateur : elles servent de pièce d'identité. Une fois validées, elles ne sont plus jamais redessinées. Si vous téléversez votre propre photo, elle prend la place du portrait généré et devient la référence telle quelle, sans être retouchée.
Au moment de produire une scène, le système relit les identifiants qu'elle cite et joint les images correspondantes à la demande, dans un ordre déterminé, avec une consigne numérotée qui précise ce que montre chacune : celle-ci est un personnage à reproduire exactement, celle-là est le lieu à respecter, cette autre est un objet à rendre fidèlement. Quand il faut arbitrer, les personnages passent avant les décors, et un créneau reste réservé au lieu pour que le visage et son environnement voyagent ensemble. Enfin, l'image de scène validée devient la première image du clip : l'animation hérite d'un visage déjà approuvé au lieu d'en réinventer un.
La fiche d'invariants d'un personnage
Une image de référence ne suffit pas à elle seule, parce qu'elle ne dit rien de ce qui doit rester constant quand la scène change. D'où l'intérêt d'écrire, avant de produire quoi que ce soit, une fiche courte par personnage. Elle ne raconte pas une biographie. Elle liste ce qui n'a pas le droit de bouger.
- Un identifiant stable, court et sans espace, cité dans toutes les scènes où le personnage apparaît.
- Un portrait de référence unique : buste, lumière douce, fond simple, expression neutre, regard visible.
- Une signature en deux éléments seulement, la coiffure et la tenue, écrite en une phrase que vous recopierez à l'identique dans chaque scène.
- Des traits physiques sobres : âge apparent, morphologie, teint. Jamais de prénom, qui brouille le générateur au lieu de l'aider.
- Un ancrage de pose, pour éviter que le personnage fixe l'objectif dans tous les plans, sauf quand la scène demande une adresse caméra.
- Une place au cadre dans les séquences à plusieurs : à gauche ou à droite, fixée dès le premier plan et jamais inversée ensuite.
- Ce qui a le droit de changer : l'émotion, le geste, la distance de caméra. Sans cette ligne, vous obtenez cinquante plans figés et interchangeables.
La signature mérite une précision, car c'est là que la plupart des projets se cassent. Puisque l'image de référence est jointe à la génération, il ne faut surtout pas redécrire le visage en détail dans la consigne de scène. Une description qui contredit la photo, ne serait-ce que sur la longueur des cheveux, met le générateur en concurrence avec lui même, et c'est souvent le texte qui l'emporte. La consigne doit confirmer la photo, jamais la doubler.
Le point de contrôle, l'étape que personne ne devrait sauter
Entre les références et les scènes se glisse un moment que l'on a envie de traverser en courant : celui où vous regardez les portraits et les décors produits, avant qu'une seule scène n'existe. Vous pouvez alors valider, corriger la description d'un portrait et le relancer seul, ou remplacer l'image par la vôtre. Un remplacement par une photo téléversée ne déclenche aucune génération : votre image devient simplement la référence, sans passer par le modèle. Une photo personnelle sert d'ailleurs à deux choses très différentes : ancrer un personnage récurrent, ou nourrir un montage d'images existantes porté par la musique, dont nous décrivons la fabrication dans notre guide du diaporama photo en musique.
L'arbitrage est simple à poser. Une référence approuvée à contrecœur se retrouvera dans chaque plan où le personnage apparaît, et corriger cinquante scènes revient toujours plus cher que refaire un portrait. Refaire une référence a un coût, refaire une production entière en a un autre, et le détail de nos formules se consulte sur la page des tarifs. La règle de méthode, elle, ne change jamais : on ne valide pas une référence dont on n'est pas satisfait.
Les erreurs qui cassent la cohérence
Elles reviennent toujours dans le même ordre, et aucune n'est difficile à éviter une fois qu'on l'a identifiée.
- Redécrire le visage dans chaque scène alors qu'une référence est jointe : la description prend le dessus et déforme la photo.
- Faire varier la signature sans raison de scénario : la même personne ne peut pas avoir les cheveux attachés dans un plan et détachés dans le suivant.
- Écrire un prénom dans la consigne de génération. Le modèle ne connaît pas votre personnage et lit ce nom comme un indice d'origine ou d'apparence.
- Partir d'une photo médiocre : visage flou, coupé, en contre-jour ou noyé sous un filtre lissant. Une référence ne transmet pas ce qu'elle ne montre pas.
- Choisir un modèle qui ne lit pas les images de référence. Tous n'en acceptent pas, et ceux qui en acceptent n'en prennent pas le même nombre.
- Saturer les références d'une scène : au delà de quelques images jointes, le portrait se fait évincer par des éléments secondaires.
- Inverser la position de deux personnages entre deux plans consécutifs, ce qui casse le raccord même quand les visages sont parfaits.
- Laisser du texte s'incruster dans l'image générée : lettres déformées, pancartes inventées et logos approximatifs trahissent la fabrication en une seconde.
Une dernière erreur, plus insidieuse, consiste à tout relancer dès qu'un plan déçoit. Une production sérieuse se corrige au plan : on repère la scène ratée, on la régénère seule, et le travail déjà validé n'est pas touché. C'est exactement ce que fait un monteur avec une prise manquée, et c'est ce qui distingue une méthode d'un coup de chance.
Une série avec plusieurs personnages
Deux personnages dans le même plan multiplient les risques. Le générateur peut les fondre l'un dans l'autre, échanger leurs vêtements, ou donner à l'un le visage de l'autre. La parade est structurelle plutôt que rédactionnelle : chaque personnage garde son identifiant, sa référence et sa signature, et la consigne de scène indique explicitement quelle image de référence correspond à qui, dans l'ordre exact où les images sont transmises.
Reste le cas des scènes chargées. Quand une scène réunirait plus de trois éléments à respecter, deux personnages, un lieu et un objet par exemple, on ne les empile pas. On fabrique d'abord une image de groupe qui les montre ensemble, puis les scènes concernées citent cette image comme une référence unique. Le raisonnement est celui du personnage seul, appliqué à un ensemble : au lieu de redécrire le groupe à chaque plan, on le montre une bonne fois.
- Un identifiant par personnage, jamais un identifiant commun pour « les deux amis ».
- Des signatures contrastées : deux personnages aux cheveux et aux vêtements trop proches finiront par se confondre.
- Une image de groupe pour les scènes à trois éléments et plus, réutilisée dans toute la séquence.
- Des positions fixées dès le premier plan d'une séquence, puis répétées mot pour mot dans les suivants.
- Une suite de plans courts dans le même lieu plutôt qu'un plan long : les raccords se contrôlent beaucoup mieux.
Garder le même personnage d'une vidéo à l'autre
La cohérence intéresse rarement une seule vidéo. Une chaîne, une gamme de publicités ou une série éducative ont besoin du même visage pendant des mois. Le mécanisme reste identique, à un détail près : vos fichiers de référence deviennent le patrimoine du projet. Conservez le portrait validé, les images de décor et la fiche d'invariants dans un dossier, et repartez de ces fichiers au projet suivant au lieu d'en générer de nouveaux. Notre guide pas à pas d'une vidéo publiée sur YouTube montre comment cette petite bibliothèque s'installe dès la première publication.
Ce réflexe change aussi votre façon de choisir un personnage au départ. Un visage que vous garderez deux ans mérite quelques essais de plus au moment de sa création, et un cadrage de référence irréprochable. À l'inverse, un personnage prévu pour un seul test publicitaire ne justifie pas cet effort. Le coût d'un mauvais choix est proportionnel à la durée pendant laquelle vous devrez le supporter.
Quand le personnage doit parler
Un personnage qui parle ajoute une contrainte : sa voix doit rester aussi stable que son visage. Deux approches coexistent. Dans la première, la réplique est confiée au modèle vidéo, qui produit le plan avec le son : le mouvement des lèvres fait partie de l'image générée, et la phrase doit tenir dans la durée du clip, soit une quinzaine à une vingtaine de mots. Dans la seconde, une narration est enregistrée séparément puis posée sur les plans, ce qui laisse plus de liberté sur les durées et sur le montage. Les répliques se préparent avant la production dans les deux cas, et écrire d'avance plusieurs épisodes évite d'improviser au moment de générer : notre méthode pour rédiger une semaine de scripts en une séance s'applique telle quelle à un personnage récurrent.
Dans les deux cas, la constance de la voix se traite comme celle du visage : une voix choisie une fois, notée dans la fiche du personnage, reprise à l'identique ensuite. Nous avons détaillé les réglages qui rendent une narration crédible dans notre guide de la voix off naturelle. Un personnage visuellement parfait dont la voix change entre deux épisodes reste un personnage incohérent, et le spectateur le sent avant de savoir le nommer.
Un personnage qui ressemble à une personne réelle
Un personnage cohérent finit par exister comme une identité : un visage reconnaissable, une voix, une manière de bouger. Cela crée deux obligations. La première concerne le point de départ. Si votre référence est la photo d'une personne réelle, vous devez détenir un accord écrit et daté qui couvre l'image, la voix, les plateformes visées et une durée. Une photo trouvée en ligne, un client, un collègue qui n'a rien signé : la réponse est non, et aucun outil ne vérifie cela à votre place. Ne construisez jamais un personnage à l'image d'une personnalité publique, même de loin, même sur un ton humoristique.
La seconde obligation concerne la publication. Les grandes plateformes demandent désormais de signaler un contenu réaliste généré par IA, et la déclaration se fait au moment de la mise en ligne, comme l'explique la page d'aide de YouTube sur les contenus synthétiques. Le règlement européen sur l'intelligence artificielle pose la même exigence de transparence pour les contenus qui imitent des personnes existantes. Cocher la case ne coûte rien, l'oublier peut coûter la vidéo ou le compte. Nos réponses aux questions d'usage courant sont regroupées dans la foire aux questions.
Questions fréquentes
Combien de photos faut-il pour créer un personnage cohérent ?
Une seule, à condition qu'elle soit nette, éclairée uniformément et cadrée au moins jusqu'aux épaules. Il ne s'agit pas d'un entraînement : vous ne construisez pas un modèle de votre visage, vous fournissez une cible visuelle que le générateur essaie de respecter à chaque plan. Une seconde vue aide parfois pour un objet, rarement pour un visage.
Peut-on changer la tenue d'un personnage sans casser la cohérence ?
Oui, si le changement est traité comme un événement de scénario et non comme un accident. Annoncez-le dans la scène qui l'introduit, mettez à jour la signature dans la fiche, puis gardez la nouvelle formulation identique pour toutes les scènes suivantes. Ce qui casse la cohérence, ce n'est pas le changement, c'est le changement non déclaré.
Pourquoi mon personnage change-t-il malgré une image de référence ?
Trois causes couvrent presque tous les cas. La consigne de scène redécrit le visage et contredit la photo. Le modèle choisi ne lit pas les images de référence. Ou la scène joint trop d'images à la fois et le portrait se fait évincer par des éléments secondaires. Vérifiez ces trois points avant de mettre en cause la photo elle même.
Vaut-il mieux un personnage généré ou une vraie photo ?
Une vraie photo donne la ressemblance la plus stable, puisque la référence n'a pas été inventée. Un personnage entièrement généré évite toute question de droit à l'image et se décline plus librement. Le choix dépend de ce que vous publiez : votre propre visage pour une présence personnelle, un personnage généré pour une marque, une série de fiction ou un contenu que vous ne voulez pas incarner.
La cohérence fonctionne-t-elle aussi pour un décor ou un produit ?
Oui, et c'est le même mécanisme. Un lieu récurrent reçoit son identifiant et son image, un produit fourni est utilisé tel quel et jamais redessiné, avec au besoin des vues supplémentaires pour que sa forme et son échelle restent justes sous tous les angles. Un décor qui dérive gêne autant qu'un visage qui dérive.
La cohérence d'un personnage n'est pas une case à cocher : c'est une discipline de production, et elle se décide avant la première image. Écrivez la fiche, produisez les références une seule fois, prenez vraiment le temps du point de contrôle, puis laissez les scènes s'appuyer dessus. Tout le reste redevient de la mise en scène. Vous pouvez essayer la méthode sur un personnage à vous depuis le studio EasyVids, et créer votre compte pour poser votre première référence dès aujourd'hui.