25 juillet 2026 · 8 min de lecture
La plupart des mauvaises vidéos IA viennent d'un prompt qui aurait très bien fonctionné pour une image. « Une femme debout à Tokyo la nuit » décrit un instant figé. Un modèle vidéo doit remplir plusieurs secondes avec ça, donc il invente son propre mouvement. Ce qu'il imagine ressemble souvent à un sujet glissant sans poids à travers le cadre, des mains qui se transforment doucement en d'autres mains, et un arrière-plan qui se réorganise en cours de route.
La solution n'est pas un prompt plus long. C'est un prompt qui répond aux questions que le modèle devrait deviner: qui, fait quoi, où, vu d'où, éclairé comment. Cet article décrit une structure en cinq niveaux pour exactement ça, plus les éléments spécifiques à la vidéo verticale pour les flux sociaux.
Avant la structure, l'état d'esprit. Un prompt pour image décrit un état. Un prompt vidéo décrit un changement, c'est‑à‑dire quelque chose qui est différent à la fin du clip qu'au début.
Deux petites habitudes font la majeure partie du travail ici. La première est d'utiliser des verbes continus. « Marchant d'un bon pas », « agenouillé lentement » et « tendant la main au‑dessus de la table » signalent un mouvement en cours contrairement à « une femme qui est dans une rue ». La deuxième est de décrire la cause et l'effet plutôt que seulement l'événement. Comparez :
La deuxième version n'est pas seulement plus détaillée. Elle est plus ordonnée. Elle indique au modèle ce qui arrive en premier et ce qui en découle, ce qui donne au mouvement généré une direction. La même astuce marche à petite échelle. Au lieu de « un verre se casse », écrivez « un coude accroche un verre, il bascule, le lait franchit le bord et frappe la table, le verre se brise et la tache se répand sur le bois. »
Voici la structure. Vous n'avez pas besoin des cinq à chaque prompt, mais un prompt qui en manque trois laisse beaucoup de blancs que le modèle complétera à votre place.
Les noms vagues obligent à deviner. «Une personne» peut correspondre à n’importe qui. Soyez assez précis pour définir clairement l’apparence : âge approximatif, morphologie, vêtements, posture. «Une femme dans la mi-trentaine (vers 30-35 ans), de corpulence athlétique, portant une veste de pluie bleu marine usée» reviendra de façon cohérente, ce que «une femme» ne fera pas.
Si votre personnage doit rester identique sur toute la vidéo plutôt que sur un seul clip, la description ne suffit plus. Le guide des références de personnage explique quoi faire dans ce cas.
Une action claire par clip, au présent continu. Deux actions qui se disputent dans un même clip sont souvent la source du morphing, car le modèle essaie de les fusionner plutôt que de les séquencer. Si deux choses se passent, ce sont deux scènes, et ClipPilot générera les deux.
Ancrez le sujet quelque part de réel. Trois à cinq détails concrets sont l'idéal : moment de la journée, météo, textures des surfaces, un ou deux objets qui établissent le lieu. Au‑delà, vous commencez à concurrencer votre propre sujet pour l'attention du modèle, et des détails seront omis là où vous ne le souhaitez pas.
C'est le niveau que les gens sautent, et c'est celui qui rend le plus l'impression d'intention. Ces modèles ont vu énormément d'images de film taguées professionnellement, ils réagissent donc bien au langage réel de la caméra.
L'éclairage offre le plus d'effet par mot de tous les calques du prompt. «Lumière sodium chaude», «léger contre-jour sur l'épaule», «lumière du jour diffuse et couverte», et «ombre dure sur la moitié du visage» changent chacun tout le registre émotionnel d'une prise pour environ quatre mots. Si vous n'ajoutez qu'un seul calque à un prompt existant, choisissez celui-ci.
Calques empilés, dans l'ordre :
Une femme d'environ 30-35 ans, vêtue d'un imperméable bleu marine patiné, marche d'un pas vif dans une ruelle étroite de Tokyo, les épaules rentrées contre la pluie, passant devant des évents de vapeur et des enseignes peintes à la main. La caméra la suit latéralement au niveau des yeux. L'asphalte mouillé reflète la lumière chaude des réverbères au sodium, ombres profondes entre les devantures.
Sujet, action, environnement, caméra, lumière. Ça se lit comme un réalisateur qui briefe une équipe, ce qui est à peu près le bon modèle mental.
Un cadre 9:16 n'est pas un 16:9 tourné sur le côté, et les prompts qui l'ignorent produisent des clips qui fonctionnent techniquement mais semblent faux dans un fil.
Exploitez la hauteur. Les cadres verticaux sont généreux pour les plans en pied et étroits pour les compositions horizontales larges. Demandez «plan en pied, à hauteur des yeux» et vous obtenez tout le sujet confortablement. Demandez un panorama horizontal et vous n'obtiendrez qu'une fine tranche.
Privilégiez les mouvements verticaux de caméra. Incliner vers le haut d'un bâtiment, descendre la grue vers un sujet, et les travellings avant fonctionnent naturellement dans un cadre haut. Les longs panoramiques horizontaux paraissent étouffés, car le cadre ne peut pas montrer assez de ce que vous balayez.
Faites attention à ce qui se trouve en haut du cadre. Sur TikTok, Reels et Shorts, le bas de l'écran est couvert par la zone de sous-titres et la description, et le bord droit contient les boutons d'engagement. Les propres sous-titres de ClipPilot s'affichent au centre vertical quand ils sont activés. Il reste donc le tiers supérieur comme l'endroit le plus fiable pour tout élément qui doit rester visible, placer le sujet là le protège des deux.
Ouvrez sur du mouvement. Les algorithmes de fil pèsent lourdement les premières secondes, et un clip qui démarre sur une image d'établissement statique a passé son instant le plus précieux sur rien. Mettez le mouvement dès le début. «Zoom instantané en recul depuis un gros plan macro pour révéler la skyline néon tandis qu'une voiture volante coupe devant l'objectif» attire l'attention là où «la caméra avance lentement dans une ville néon» n'en attire pas.
Il vaut la peine de clarifier la répartition des tâches, car cela change ce que vous devez écrire.
Vous n'avez pas besoin de prompt pour les sous-titres, la voix off, la musique ou les transitions entre clips. Ce sont des réglages sur la page de création, pas du texte de prompt. Demander «texte à l'écran disant X» dans un prompt vidéo produit souvent des lettrages IA brouillés au lieu d'un sous-titre propre, laissez cela au système de sous-titres.
Vous n'avez pas non plus besoin d'écrire une liste de plans. ClipPilot divise votre script ou idée en scènes et génère un clip pour chacune, donc un seul prompt devient une vidéo multi-scènes. Cela mérite qu'on le comprenne en soi, et c'est couvert dans comment ClipPilot transforme une idée en vidéo complète.
Avant de générer, relisez votre prompt et vérifiez :
Cinq fois sur six, c'est généralement la différence entre des séquences que vous publiez et des séquences que vous régénérez.
Vous écrivez un seul script. ClipPilot le découpe en scènes, crée un prompt pour chacune, génère les clips et synchronise les coupes sur la narration. Comment ça marche et comment rédiger pour ça.
Choisir une niche, écrire des scripts qui retiennent l'attention, adopter un format répétable, et combien ça coûte réellement par mois.
Générez des vidéos TikTok et Reels à partir d'une idée. Choisissez un format viral, indiquez le sujet, et obtenez une vidéo verticale finale avec son en quelques minutes.