Votre texte est prêt. Il est relu, calibré, et vous savez exactement ce que la vidéo doit raconter. Reste l'étape qui bloque presque tout le monde : transformer ce script en vidéo réellement montée, avec des images, une voix et un fichier prêt à publier. Ce n'est plus un problème d'écriture. C'est un problème de préparation, de découpage et de réglages.
La bonne nouvelle tient en une phrase : cette étape obéit à des règles mécaniques, pas à une intuition. Un moteur de génération ne devine pas votre intention, il lit votre ponctuation, vos retours à la ligne et vos majuscules. Dès que vous savez ce qu'il regarde, vous reprenez la main sur le rythme, sur le nombre de plans, et sur ce que vous récupérerez à la fin. Ce guide suit ce parcours dans l'ordre, en partant du principe que le texte, lui, ne bouge presque plus.
La réponse courte
Convertir un script tient en quatre gestes. Préparez le texte : ponctuation franche, une idée par phrase, indications de mise en scène supprimées. Découpez en scènes : une ligne devient un plan, avec une cible d'environ 110 caractères, soit à peu près six secondes de voix off. Arrêtez ce qui vaut pour tout le projet avant de lancer quoi que ce soit, à savoir le format d'image, le style visuel et la voix. Corrigez ensuite à l'unité, scène par scène, plutôt que de relancer l'ensemble. La chaîne complète, de la consigne au fichier final, est décrite dans notre guide du générateur vidéo par intelligence artificielle.
Un script terminé n'est pas encore un plan de tournage
Un script est fait pour être lu par un humain, qui comble les trous tout seul. Un plan de tournage est fait pour être exécuté sans interprétation. Entre les deux, il manque une opération : découper le texte en unités courtes, chacune correspondant à un plan que la machine sait produire. C'est cette opération que la plupart des gens sautent, avant de s'étonner d'obtenir une vidéo qui traîne ou qui hache.
La contrainte de fond s'énonce en une ligne. Un clip généré dure quelques secondes, rarement plus d'une dizaine. Votre vidéo finale ne sera donc jamais un plan unique : ce sera une suite de plans courts, mis bout à bout, calés sur une voix off. Tout le reste en découle. Un texte de trois minutes ne devient pas une vidéo de trois minutes d'un seul tenant, il devient une trentaine de plans qui, additionnés, durent trois minutes.
Préparer le texte, les gestes qui changent tout
Avant de coller quoi que ce soit, faites une passe de nettoyage. Elle prend quelques minutes et vous évite une heure de rattrapage, parce qu'elle agit exactement sur les signaux que le découpage utilise.
- Supprimez les indications de mise en scène : didascalies entre crochets, numéros de plan, mentions de caméra. Elles seraient lues comme du texte à dire.
- Mettez vos titres de partie entièrement en majuscules, seuls sur leur ligne : ils deviennent des scènes isolées, jamais fusionnées avec le texte voisin.
- Terminez vos phrases par une ponctuation franche. Des points de suspension suivis d'un espace comptent comme une fin de phrase, ce qui crée des coupes involontaires.
- Coupez les phrases qui dépassent deux lignes, ou posez des virgules là où vous respirez : ce sont les seuls appuis d'une coupe secondaire.
- Séparez les paragraphes par une ligne vide. Un changement de lieu, de moment ou d'intervenant mérite sa frontière.
- Retirez les doubles espaces et uniformisez les guillemets : ils faussent le compte de caractères qui sert de cible.
- Relisez à voix haute. Ce qui vous essouffle essoufflera la voix off, et cela s'entendra.
Un mot sur les scripts venus d'un traitement de texte ou d'une page de vente : collez toujours du texte simple. Les puces, les tableaux, les notes et les mises en forme ne survivent pas au transfert, et ce qui en reste finit parfois prononcé par la narration. Un aller-retour par un éditeur de texte brut règle la question en quelques secondes. Si votre point de départ est justement un contenu de ce genre plutôt qu'un script écrit pour être dit, notre guide du passage d'un texte à une vidéo commence une étape plus tôt, à la réécriture pour l'oreille.
Le découpage en scènes, la règle qui décide du rythme
Le découpage automatique procède en quatre passes, toujours dans le même ordre. Le comprendre vous permet de prédire le résultat au lieu de le subir, et surtout de savoir quel geste de préparation aura un effet.
Deux détails expliquent la plupart des surprises. D'abord, une ligne entièrement en majuscules est traitée comme un titre : elle reste seule sur sa scène, elle n'est ni coupée ni fusionnée. Ensuite, un segment de cinq mots ou moins est automatiquement recollé à son voisin le plus court, pour éviter les plans qui durent un souffle. Une réplique très brève que vous vouliez isoler se retrouvera donc collée à sa voisine, sauf si vous la protégez en la coupant vous même.
Quand le résultat ne vous convient pas, vous n'êtes pas obligé de le garder. Le mode manuel vous rend la main : vous placez le curseur dans le texte, vous coupez à cet endroit précis, vous fusionnez deux scènes voisines, vous en insérez une, vous en supprimez une autre. D'autres modes existent, par paragraphes ou par nombre de mots. Sur un texte au rythme irrégulier, une passe automatique suivie de quelques retouches donne toujours mieux qu'un réglage unique appliqué de force.
Choisir la durée d'une scène
La cible par défaut est de 110 caractères, ce qui correspond à environ six secondes de voix off. Des préréglages proposent six, huit ou dix secondes, et la valeur en caractères reste modifiable finement. C'est le curseur le plus important de tout le parcours : il décide seul du nombre de plans à produire, donc du temps de fabrication et du rythme perçu.
Pour vous situer, gardez deux repères. Le premier est maison : sur nos productions, une voix off tourne autour de 150 mots par minute, ce qui donne une quinzaine de mots par scène au réglage par défaut, et huit à dix scènes pour une minute de vidéo. Le second vient du sous titrage professionnel : le guide de sous titrage anglais de Netflix plafonne la vitesse de lecture à vingt caractères par seconde pour un programme adulte. Au delà, l'oeil décroche. Votre densité de texte par scène gagne à rester dans cet ordre de grandeur.
Le compromis est direct. Des scènes courtes donnent une vidéo nerveuse et variée, mais multiplient le nombre de plans à fabriquer. Des scènes longues réduisent le volume, au prix d'une image qui reste trop longtemps à l'écran et d'un plan qu'il faudra boucler ou ralentir. Comme chaque élément livré compte dans votre consommation, ce réglage pèse directement sur votre budget : le détail des formules est sur la page des tarifs.
Ce qui se règle avant de lancer la génération
Certains choix s'appliquent à toutes les scènes d'un coup. Les changer une fois la production lancée revient à tout refaire. Voici ceux qu'il faut arrêter pendant que le projet n'est encore qu'un texte découpé. Si vos scènes doivent montrer un article à vendre, écrivez le style imposé comme une consigne de prise de vue : nos formules de prompts pour la photo de produit donnent des descriptions déjà calibrées par type d'article, de la mode à l'alimentaire.
- Le format d'image : vertical, carré ou paysage. Il vaut pour les images comme pour les plans animés, et le modifier plus tard oblige à tout reproduire.
- La durée par scène, qui fixe le nombre de plans et le rythme de la vidéo entière.
- Le style visuel imposé, écrit une fois et rappelé à chaque scène : époque, matière, lumière, palette.
- Les éléments à éviter, aussi utiles que le style : textes incrustés, logos, foules, mains en gros plan.
- La voix : timbre, langue et débit, écoutés sur un extrait court avant de lancer la totalité.
- Image fixe ou plan animé, scène par scène. Une phrase d'explication se contente d'une image, un moment d'action mérite un plan qui bouge.
Un mot sur les consignes visuelles. Chaque scène reçoit une description d'image ou de plan, écrite à partir du texte de la scène et du contexte des scènes voisines, pour que le décor ne saute pas d'un plan à l'autre. Vous y ajoutez un style imposé, valable pour tout le projet, et une liste d'interdits. C'est ce couple, le style et les interdits, qui sépare une suite d'images jolies d'une vidéo qui semble tournée par la même personne. Les autres questions de prise en main sont regroupées dans la foire aux questions.
La voix off fixe la durée réelle de chaque scène
Au montage, la règle ne change jamais : la durée de référence d'une scène est celle de sa voix off. Le visuel s'adapte, jamais l'inverse. Une image fixe reste à l'écran le temps de la phrase. Un plan animé dispose de cinq comportements possibles : jouer en boucle, être étiré pour tomber pile, jouer une seule fois puis laisser la place, être calé sur la voix en ralentissant si besoin, ou ralentir sans jamais accélérer. Ce mode se choisit pour tout le projet, et se remplace scène par scène quand un plan précis le mérite.
La conséquence est très pratique. Si une scène vous paraît trop longue à l'écran, ce n'est pas le visuel qu'il faut changer, c'est le texte. Raccourcissez la phrase, refaites la voix de cette scène, la durée suit toute seule. Le choix du timbre, du débit et de la langue se fait en amont, et nous avons rassemblé nos réglages dans notre guide de la voix off naturelle.
Corriger après coup, sans tout relancer
C'est le réflexe le plus rentable à prendre, et le moins naturel. Devant un résultat inégal, l'envie est de tout relancer en espérant mieux. C'est presque toujours inutile, et c'est toujours plus lent. Avant de relancer quoi que ce soit, nommez le défaut : notre inventaire des raisons pour lesquelles une vidéo IA rate montre que la cause se loge presque toujours dans le texte ou dans la consigne, rarement dans le moteur.
- Une scène ratée se régénère seule. Les autres ne sont pas touchées et le reste du projet ne bouge pas.
- Le texte d'une scène se modifie à tout moment. Refaites ensuite la voix de cette scène, et sa durée s'ajuste.
- Le découpage reste vivant : couper une scène en deux, fusionner deux voisines, insérer une scène, en supprimer une.
- Le calage entre le plan et la voix se change scène par scène quand un plan précis pose problème.
- L'habillage se décide au montage : mouvement lent sur les images fixes, fondus entre les plans, étalonnage d'ambiance, micro zoom sur les plans animés.
- Le traitement automatique d'un lot continue côté serveur : vous pouvez fermer la page et retrouver l'avancement en revenant.
Le montage final, lui, se relance autant de fois que vous voulez : il ne régénère rien, il réassemble ce qui existe déjà. Vous pouvez donc essayer un mouvement lent sur les images fixes, des fondus entre les plans, un étalonnage d'ambiance, et comparer les versions sans rien produire de neuf. Une fois le fichier obtenu, sa piste audio peut être transcrite en fichier de sous titres horodaté, à charger sur la plateforme de publication ou à poser dans l'éditeur en ligne. Les formats de ce domaine, dont celui normalisé par le W3C, portent tous la même information : un texte, un début, une fin.
Adapter le nombre de scènes à la plateforme visée
Le format n'est pas un détail cosmétique, c'est un critère de classement. YouTube précise que les vidéos mises en ligne depuis le 15 octobre 2024 sont classées en Shorts lorsqu'elles sont au format carré ou vertical et ne dépassent pas trois minutes. Le même script peut donc partir dans deux directions très différentes selon le format retenu, et ce choix se fait avant la génération, jamais après.
Traduit en scènes, cela donne des ordres de grandeur simples au réglage par défaut. Une vidéo courte tient en quelques dizaines de secondes, soit une poignée de plans. Un format long confortable demande plusieurs dizaines de plans. Si votre script dépasse largement la durée visée, découpez le en épisodes plutôt que d'accélérer la voix : un débit forcé s'entend immédiatement. Notre guide pas à pas d'une vidéo publiée sur YouTube montre l'enchaînement complet jusqu'à la mise en ligne.
Les scripts qui demandent un traitement particulier
Tous les textes ne se convertissent pas de la même façon. Quatre cas reviennent sans cesse, et chacun appelle une préparation légèrement différente.
- Un script en dialogue : posez le nom du locuteur en majuscules sur sa propre ligne et gardez une réplique par phrase. Chaque prise de parole devient une scène, ce qui donne un montage alterné naturel.
- Un script marketing tiré d'une page de vente : réécrivez pour l'oreille avant de convertir. Une phrase pensée pour être lue des yeux sonne fausse dès qu'une voix la prononce.
- Un article de blog : gardez l'ossature, retirez les liens, les listes à puces et les appels à l'action intermédiaires, qui ne se disent pas à voix haute.
- Un texte très long, chapitre de livre ou récit complet : découpez le en épisodes avant même de créer le projet. Un projet de plusieurs centaines de scènes se pilote mal et se corrige encore moins bien.
Questions fréquentes
Faut-il réécrire un script déjà terminé avant de le convertir ?
Rarement en profondeur, souvent en surface. Gardez votre texte et votre voix d'auteur, mais nettoyez la mise en forme, coupez les phrases interminables et retirez tout ce qui n'est pas destiné à être dit. Cette passe de préparation change davantage le résultat qu'un changement de moteur.
Combien de scènes pour une vidéo d'une minute ?
Au réglage par défaut, comptez huit à dix scènes par minute, soit environ 110 caractères et une quinzaine de mots par scène. Un préréglage plus long réduit ce nombre, au prix d'images qui restent plus longtemps à l'écran. Le compteur de scènes s'affiche avant de créer le projet : vous voyez le volume avant de produire quoi que ce soit.
Peut-on garder ses propres coupes plutôt que le découpage automatique ?
Oui. Le mode manuel part de votre texte entier et vous laisse couper exactement où vous voulez, puis fusionner, insérer ou supprimer. Vous pouvez aussi lancer la découpe automatique et ne retoucher que les endroits qui vous gênent, ce qui reste le meilleur rapport entre le temps passé et la qualité obtenue.
Que faire quand une seule scène est ratée ?
Reprenez cette scène et rien d'autre. Modifiez son texte si le problème vient de la phrase, sa consigne visuelle si le problème vient de l'image, puis relancez uniquement ce plan. Le montage final se refait ensuite sans rien régénérer, et la vidéo repart avec la scène corrigée à sa place.
Un script en dialogue se convertit-il comme une narration ?
Presque, à une différence près : chaque réplique doit rester courte et tenir dans une seule scène. Nommez le locuteur sur une ligne en majuscules pour qu'elle reste isolée, et évitez les tirades. Une réplique trop longue sera coupée au milieu, souvent au mauvais endroit.
Un script terminé, c'est déjà l'essentiel du travail. Ce qui le sépare d'une vidéo publiable n'est pas un talent particulier, c'est une méthode : nettoyer le texte, choisir une durée de scène et s'y tenir, arrêter le format et le style avant de générer, puis corriger à l'unité au lieu de tout relancer. Prenez votre script actuel, appliquez la passe de préparation, et regardez le nombre de scènes proposé avant même de produire une image. Le studio EasyVids réunit le découpage, la voix, les visuels et le montage au même endroit, et la création d'un compte suffit pour y déposer votre premier texte.