Vous tapez « un chat qui fait du skate en ville », vous cliquez sur générer, et vous récupérez huit secondes de bouillie où le félin a cinq pattes et où la planche traverse le trottoir. J’y suis passé, des dizaines de fois.

Le problème vient rarement du modèle. Sur Seedance, Kling ou Veo, la même scène peut donner un plan digne d’une pub ou un cauchemar visuel selon la façon dont vous formulez votre demande. Sur une génération vidéo, le prompt pèse au moins 80 % du résultat. Le reste, c’est du réglage.

Dans ce guide, je vous donne la méthode que j’utilise au quotidien : les 7 briques d’un prompt vidéo, mon modèle à copier-coller, trois exemples complets, la façon de gérer les prompts négatifs, et la technique pour enchaîner plusieurs plans sans que votre personnage change de visage entre deux scènes. C’est parti.

Pourquoi vos vidéos IA ratent (et ce que le modèle comprend vraiment)

Un modèle vidéo ne devine rien. Chaque information que vous ne donnez pas, il la remplit avec sa moyenne statistique : une lumière plate, un cadrage centré, un mouvement de caméra générique et un rythme mou. « Un chat qui fait du skate » ne contient aucune indication de plan, d’objectif, d’heure de la journée ou d’intention. Le modèle invente donc tout, et vous récupérez la version la plus banale possible de votre idée.

Deuxième piège : un prompt vidéo n’est pas un prompt image. Sur Midjourney, vous décrivez un instant figé. En vidéo, vous décrivez trois choses en plus : ce qui bouge dans le cadre, ce que fait la caméra, et ce qu’on entend. Ces trois dimensions sont précisément celles que la plupart des gens oublient, et ce sont celles qui séparent un plan pro d’un rendu amateur.

Dernier point à intégrer avant d’écrire quoi que ce soit : la plupart des modèles génèrent des clips de 5 à 20 secondes. Vous n’écrivez pas un scénario, vous écrivez un plan. Une action, une intention, un mouvement de caméra. Dès que vous empilez trois actions dans huit secondes, le modèle en survole une, en rate une autre et vous rend une vidéo confuse.

Tous les modèles ne lisent pas votre prompt de la même façon

Avant même de rédiger, sachez pour qui vous écrivez. Seedance encaisse très bien les entrées multiples (image de style, vidéo de référence, piste audio). Kling excelle sur la préservation du texte à l’écran, ce qui en fait un bon choix pour les visuels e-commerce. Veo répond particulièrement bien aux indications techniques de caméra. J’ai détaillé les points forts de chacun dans mon classement des meilleurs modèles de génération vidéo IA, ça vaut le coup d’y jeter un œil avant de choisir.

En pratique, le seul moyen de savoir lequel comprend le mieux votre idée, c’est de lancer le même prompt sur deux ou trois d’entre eux. Sauf que multiplier les abonnements pour comparer, ça devient vite absurde. Je passe donc par une plateforme qui les regroupe. EaseMate AI fonctionne comme ça : tout se passe dans le navigateur, sans rien installer, et vous choisissez le moteur dans un menu déroulant (Seedance 2.0, Sora 2, Kling, Wan 2.7, Hailuo, Runway et quelques autres). Vous écrivez votre idée, une fonction d’amélioration la reformule si besoin, puis vous réglez le format, la qualité et la durée avant de lancer la génération. La vidéo se télécharge sans filigrane, prête à publier sur TikTok, Instagram ou YouTube.

Au-delà de la fonction pour générer des vidéo avec l’IA, la plateforme propose aussi l’image vers vidéo, l’édition, l’animation d’images fixes et les avatars parlants. Pratique quand on veut rester sur un seul outil au lieu d’en jongler cinq. Si votre besoin porte surtout sur le post-traitement, j’ai comparé les solutions dédiées dans ma sélection d’outils IA de montage vidéo.

Le moteur choisi, il reste le plus important : ce que vous écrivez dedans. Et là, la méthode est la même partout.

Les 7 briques d’un prompt vidéo qui tient la route

Cette structure vient des recommandations des éditeurs eux-mêmes. Le guide de prompting officiel de Sora 2 conseille de raisonner comme un storyboard : un réglage caméra, une action principale, une recette de lumière. Google recommande la même logique sur Veo. Voici les sept blocs, dans l’ordre où je les écris.

1. Le sujet, décrit comme un casting

Qui ou quoi est à l’image, avec des attributs visuels précis : âge approximatif, morphologie, vêtements, matière, couleur, état. « Une femme » devient « une femme d’une quarantaine d’années, cheveux bruns attachés, veste en jean délavée, mains tachées de peinture ». Plus le sujet est ancré physiquement, moins le modèle part en roue libre d’une image à l’autre.

2. Une seule action, découpée dans le temps

Un verbe principal, et éventuellement deux ou trois temps forts qui s’enchaînent naturellement. « Elle pose son pinceau, recule d’un pas et observe la toile » fonctionne. « Elle peint, répond au téléphone, ouvre la fenêtre et sort » ne fonctionnera jamais en huit secondes. Si vous avez besoin de plusieurs actions, vous avez besoin de plusieurs plans.

3. Le décor, l’heure et la météo

Le lieu, l’époque, le moment de la journée, la météo, ce qu’on voit à l’arrière-plan. Ces détails ne servent pas seulement à habiller l’image : ils déterminent la lumière, les couleurs et l’atmosphère de tout le plan. « Un atelier d’artiste en fin d’après-midi, poutres apparentes, poussière en suspension, fenêtre orientée ouest » raconte déjà à peu près tout au modèle.

4. La caméra : un plan, un angle, un mouvement

C’est la brique la plus rentable, et celle que presque personne ne renseigne. Précisez trois choses : la valeur de plan (gros plan, plan taille, plan large), l’angle (hauteur d’yeux, contre-plongée, vue de dessus) et un seul mouvement (travelling avant lent, panoramique gauche-droite, caméra fixe sur trépied). Vous pouvez y ajouter une focale : un 35 mm ouvre l’espace, un 85 mm écrase l’arrière-plan et isole le sujet.

La règle qui change tout : un mouvement de caméra par plan. Un travelling avant qui se transforme en panoramique puis en plongée, c’est le meilleur moyen d’obtenir une vidéo qui tremble et se déforme.

5. La lumière et l’ambiance

Nommez la source lumineuse et sa direction : lumière rasante de fin de journée par la fenêtre, néon bleu au-dessus du comptoir, contre-jour doux, éclairage de studio à trois points. Ajoutez la palette (tons chauds ocre et ambre, dominante froide désaturée) et le ton émotionnel recherché. C’est ce bloc qui fait passer une vidéo de « clip IA » à « image qui a été éclairée par quelqu’un ».

6. Le style et le rendu

Documentaire, publicité, cinéma argentique, animation 2D, capture smartphone sur le vif. Précisez la texture si elle compte : grain 16 mm, rendu numérique net, aspect vertical façon réseaux sociaux. Attention à ne pas empiler cinq références de style contradictoires, le modèle fera une moyenne et vous n’aurez aucune des cinq.

7. Le son, les dialogues et le silence

Les modèles récents génèrent l’audio en même temps que l’image. Décrivez donc l’ambiance sonore (bruit de pluie sur la verrière, brouhaha lointain d’un café) et, si vous voulez une réplique, gardez-la courte et attribuée : une phrase de dix mots maximum par personnage. Les dialogues longs partent systématiquement en synchronisation labiale approximative. Et si vous ne voulez pas de musique, dites-le, sinon vous récupérerez la nappe de piano générique par défaut.

Mon modèle de prompt à copier-coller

Voici la trame que je garde dans mes notes. Je la remplis bloc par bloc, puis je la relis en supprimant tout ce qui est vague.

[SUJET] : qui, avec 3 à 5 attributs visuels précis.
[ACTION] : un verbe principal, 1 à 3 temps forts.
[DÉCOR] : lieu, moment de la journée, météo, arrière-plan.
[CAMÉRA] : valeur de plan + angle + un seul mouvement + focale.
[LUMIÈRE] : source, direction, palette, ambiance.
[STYLE] : référence esthétique et texture.
[AUDIO] : ambiance sonore, réplique courte, ou silence.

Regardez la différence sur un même sujet.

Le prompt qui rate : « une barista qui prépare un café dans un coffee shop ».

Le prompt qui marche : « Une barista d’une trentaine d’années, tablier vert foncé, avant-bras tatoués, verse lentement le lait en dessinant une rosetta à la surface d’un cappuccino. Coffee shop de quartier en début de matinée, vitrine embuée, banquettes en cuir brun à l’arrière-plan flou. Gros plan sur la tasse, caméra à hauteur du comptoir, léger travelling avant, focale 50 mm. Lumière naturelle rasante venant de la vitrine, tons chauds et ambrés. Style publicité alimentaire, rendu net, faible profondeur de champ. Ambiance sonore : machine à expresso, cuillère contre la porcelaine, aucune musique. »

Même modèle, même durée, même nombre de crédits dépensés. Seul le niveau de précision change.

Par ailleurs, j’ai créé un générateur de prompt si vous avez besoin de construire des instructions précises et qui respectent vos besoins.

Trois exemples complets selon votre objectif

Pour une pub produit : « Une paire de baskets blanches en cuir posée sur un socle en béton brut, rotation lente de l’objet sur lui-même. Studio fond gris neutre, aucun autre élément dans le cadre. Plan serré, caméra à hauteur du produit, travelling circulaire lent, focale 85 mm. Éclairage studio trois points, reflet net sur le cuir, ombre portée douce. Style publicité premium, rendu ultra net, image léchée. Ambiance sonore : léger souffle sourd, pas de voix. »

Pour un plan cinématique : « Un homme en manteau long marche seul sur un quai de gare désert, sa valise à la main, il ralentit et tourne la tête vers la voie. Gare de province à l’aube, brume au sol, panneaux d’affichage éteints. Plan large, caméra fixe légèrement en contre-plongée, focale 35 mm. Lumière bleutée de l’aube, halos orangés des lampadaires, palette froide désaturée. Style cinéma, grain argentique léger. Ambiance sonore : écho de pas sur le béton, annonce lointaine inintelligible. »

Pour un format vertical façon UGC : « Une femme d’environ 25 ans, sweat gris, cheveux détachés, parle face caméra en tenant son téléphone à bout de bras, expression enthousiaste, léger mouvement de main. Salon lumineux, canapé beige et plante verte derrière elle. Plan poitrine vertical 9:16, caméra tenue à la main avec micro-tremblements, focale courte. Lumière du jour venant de la gauche, tons naturels. Style capture smartphone authentique, pas de correction colorimétrique. Elle dit : « Franchement, je ne pensais pas que ça marcherait aussi bien. » »

Les prompts négatifs : dire ce que vous ne voulez pas

Il existe un piège classique : écrire « pas de voiture rouge » dans le prompt principal. Certains modèles ne traitent pas la négation et retiennent surtout les mots « voiture rouge ». Résultat, vous obtenez exactement ce que vous vouliez éviter.

La bonne pratique dépend de l’outil. Kling propose un champ « prompt négatif » séparé : vous y mettez une simple liste de mots-clés (visage déformé, mains à six doigts, texte à l’écran, filigrane, flou, saccades). Runway n’a pas de champ dédié : il faut alors formuler l’exclusion en langage naturel dans le prompt, ou mieux, la retourner en formulation positive.

C’est d’ailleurs mon réflexe par défaut : au lieu de « pas d’arrière-plan chargé », j’écris « arrière-plan uni, un seul objet dans le cadre ». Une consigne positive est toujours mieux comprise qu’une interdiction. Les négatifs, je les garde pour les défauts techniques récurrents : membres déformés, texte parasite, artefacts de compression.

Enchaîner plusieurs plans sans perdre la cohérence

C’est là que la plupart des projets s’effondrent : votre personnage change de visage, de tenue et parfois de sexe entre le plan 1 et le plan 2. Trois techniques limitent la casse.

Répétez la description du sujet au mot près. Pas de synonyme, pas de reformulation « pour varier ». Copiez-collez le même bloc [SUJET] dans chaque prompt, et ne faites varier que l’action et la caméra. C’est bête, mais c’est ce qui fonctionne le mieux.

Partez d’une image plutôt que d’un texte. En image-to-video, vous fixez le visage, la tenue et le décor dès le départ. Je génère souvent mon personnage avec un générateur d’images, puis j’utilise cette image comme point de départ de chaque plan. La cohérence est incomparable.

Utilisez les références du modèle. Les versions récentes acceptent plusieurs images de référence par génération, justement pour verrouiller l’identité des personnages sur une séquence entière. Certaines proposent même un mode multi-plans où vous décrivez chaque plan (durée, cadrage, action) dans une seule session.

Les 6 erreurs qui gâchent une génération

• Empiler les actions. Trois actions dans huit secondes, le modèle en bâcle deux.
• Multiplier les mouvements de caméra. Un seul par plan, sinon l’image se déforme.
• Rester dans le vague. « Magnifique », « incroyable », « cinématique » ne veulent rien dire pour un modèle. Une focale, une source de lumière et une valeur de plan, si.
• Écrire un pavé de 400 mots. Passé un certain volume, les consignes se diluent et les premières lignes prennent le dessus. Visez 60 à 120 mots, denses et ordonnés.
• Formuler en négatif dans le prompt principal. Utilisez le champ dédié quand il existe, sinon retournez la phrase en consigne positive.
• Écrire des dialogues trop longs. Une réplique de dix mots passe. Un paragraphe entier finit en bouillie labiale.

Ce que je retiens

Le prompt vidéo parfait n’a rien de mystérieux : c’est une fiche technique de tournage écrite en quelques lignes. Un sujet précis, une action, un décor, une caméra, une lumière, un style, un son. Sept blocs, 60 à 120 mots, un seul plan à la fois.

Mon conseil pour progresser vite : gardez un fichier avec vos prompts qui ont bien fonctionné, et notez à chaque fois le modèle utilisé. Au bout de vingt générations, vous aurez votre propre bibliothèque de formulations, et vous cesserez de brûler des crédits sur des essais approximatifs. C’est là que la génération vidéo devient réellement rentable.