Créer une vidéo avec l'IA : trois méthodes, les 30 premières secondes et le coût

Réponse courte : Il existe trois façons de créer une vidéo avec l'IA : le texte en vidéo (vous écrivez un prompt, le modèle invente la scène), l'image en vidéo (vous animez une image existante) et la chaîne histoire-film (scénario, personnages, storyboard, clips et son sont produits dans l'ordre). Pour un plan court et unique, les deux premières suffisent ; dès qu'il y a des personnages, du son et plusieurs scènes, la chaîne se dégrade beaucoup moins.

La plupart des premiers essais butent au même endroit : vous écrivez une phrase, un clip impressionnant de cinq secondes arrive ; au deuxième clip, le visage du héros a changé, le texte de l'enseigne n'est plus qu'une suite de lettres absurdes et il n'y a aucun son. Le problème vient rarement de l'outil, presque toujours du choix de la méthode. Ce guide présente les trois méthodes, les cas où chacune convient, les étapes d'une première vidéo de 30 secondes et son coût en jetons et en dollars. Pour une comparaison détaillée du texte en vidéo et de l'image en vidéo, consultez notre article texte en vidéo ou image en vidéo ; nous ne reprenons pas ce détail ici.

Combien existe-t-il de façons de créer une vidéo avec l'IA ?

Il en existe trois, et chacune part d'une entrée différente. En texte en vidéo, vous n'écrivez qu'un prompt ; le modèle invente lui-même le décor, la lumière, le sujet et le mouvement. En image en vidéo, vous fournissez une image de départ que le modèle anime. Dans la chaîne histoire-film, le texte devient un scénario, puis des personnages, des cases de storyboard, des clips et du son ; chaque étape est validée séparément.

• Texte en vidéo : le démarrage le plus rapide. Il convient aux plans sans personnage récurrent : plan d'ouverture, paysage, phénomène météo, mouvement abstrait. Son point faible est l'absence de mémoire : lancez deux fois le même prompt, vous obtenez deux mondes différents.
• Image en vidéo : la composition et le sujet sont fixés d'avance ; le modèle n'ajoute que le mouvement et la caméra. C'est la bonne porte d'entrée pour tout plan où doivent apparaître un produit, une personne ou un dessin précis. Le mouvement reste toutefois limité par les bords de l'image.
• Chaîne histoire-film : pour les projets à plusieurs scènes, avec personnages et narration. Les clips sont produits un à un en image en vidéo, mais tous s'appuient sur les mêmes fiches de personnage et le même guide de style ; les visages ne dérivent donc pas d'une scène à l'autre.

Les trois méthodes ne s'excluent pas. Un court métrage bien construit génère souvent l'ouverture à partir du texte, les scènes avec personnages à partir d'images, puis assemble le tout dans une seule chaîne. Notre article sur ce que fait réellement un studio de cinéma IA explique pourquoi cet ordre réduit le gaspillage.

Quelle méthode pour quel projet ?

Trois questions suffisent pour décider : y a-t-il à l'écran un personnage ou un produit récurrent, combien de secondes durera la vidéo, faut-il du son et de la parole ? Sans sujet récurrent et pour moins de 10 secondes, le texte en vidéo suffit. Si le sujet est défini, choisissez l'image en vidéo. Avec plusieurs scènes, des personnages et du son, utilisez la chaîne histoire-film.

Comment réaliser votre première vidéo de 30 secondes, étape par étape ?

30 secondes, c'est six scènes de cinq secondes. Écrivez d'abord le texte scène par scène, vérifiez chaque scène avec une image de brouillon bon marché, animez les images retenues, puis ajoutez le son et la musique et assemblez le tout. Cet ordre n'envoie à l'étape vidéo, la plus coûteuse, que des images validées, ce qui réduit les régénérations et les jetons gaspillés.

1. Formulez l'objectif en une phrase. Par exemple : « Montrer l'ouverture matinale de notre café dans une ambiance chaleureuse. » Sans objectif clair, le choix des scènes devient aléatoire.
2. Découpez le texte en six scènes. Chaque scène porte un lieu, une action et une image. « Elle était heureuse » ne se filme pas ; « elle tient la tasse à deux mains et sourit » se filme.
3. Décrivez le personnage une seule fois, avec des détails concrets. Une description comme « barista aux cheveux bruns courts, tablier vert » est le point d'ancrage de toutes les scènes suivantes.
4. Générez les cases du storyboard au niveau Brouillon. Composition, cadrage et lumière se décident ici, là où l'erreur coûte peu. Corrigez le texte des images ratées.
5. Animez les images retenues. Pour des scènes courtes et peu animées, le niveau Standard suffit souvent ; ne passez à un niveau supérieur que l'ouverture ou le plan où l'émotion bascule.
6. Ajoutez la voix et la musique. Gardez des phrases de narration courtes. Si un personnage parle, la synchronisation labiale est une étape à part.
7. Assemblez et exportez. Choisissez le 9:16 pour les plateformes de vidéo verticale, le 16:9 horizontal pour un site web ; le 1080p suffit pour la plupart des usages.

Ce parcours est décrit écran par écran dans le guide de votre premier film. Un petit calcul : à 24 images par seconde, la norme du cinéma depuis la fin des années 1920, 30 secondes représentent 720 images. Chaque seconde ayant un prix, limiter la durée à ce dont l'histoire a vraiment besoin est l'économie la plus directe.

Comment écrire un bon prompt vidéo ?

Un bon prompt décrit la prise de vue comme le ferait un directeur de la photographie : sujet, action, caméra, lumière et style, dans cet ordre. En image en vidéo, en revanche, vous ne redécrivez pas le sujet ; vous n'écrivez que ce qui change : le mouvement, le déplacement de la caméra, l'expression. Redécrire le sujet invite le modèle à le redessiner, et le personnage dérive.

Un exemple en texte en vidéo : « Un petit café dans la lumière du matin, une barista en tablier vert remplit une tasse au comptoir, la caméra glisse lentement de droite à gauche, faible profondeur de champ, ton documentaire, aucun texte à l'écran. » Le prompt image en vidéo du même plan ne décrit que le mouvement : « La barista soulève la tasse et la tend vers la caméra, la caméra se rapproche légèrement, la vapeur monte. »

• Placez la phrase de style tout au début ; les modèles accordent plus de poids au début du prompt.
• Demandez une seule action par plan. « Il court, tombe, se relève et rit », ce sont quatre scènes distinctes.
• Utilisez des indications de position comme « à gauche » ou « à l'arrière-plan » si nécessaire, sans les considérer comme garanties ; les modèles ignorent souvent les consignes spatiales.
• Écrivez les consignes négatives (« pas de texte, pas de cadre, pas de logo ») à la toute fin.
• N'essayez pas de générer par le prompt un texte qui doit être lisible à l'écran ; ajoutez-le comme calque de texte au montage.

Combien coûte une vidéo réalisée avec l'IA ?

L'essentiel du coût vient des clips vidéo ; le scénario, le storyboard et la musique pèsent peu à côté. Le prix d'un clip dépend de deux choses : le niveau de qualité et le nombre de secondes. En octobre 2026, dans la grille tarifaire de Yeşilçam, un clip Brouillon de 5 secondes coûte 122 501 jetons et un clip Standard de même durée 166 251 jetons.

La colonne en dollars est calculée à partir du crédit mensuel du forfait Basic : 30 $ pour 5 millions de jetons, soit environ 6 $ le million. Sans forfait, avec le pack ponctuel Starter, 1 million de jetons coûte 9 $. Avec le forfait Pro, chaque opération débite 20 % de jetons en moins grâce au multiplicateur ×0,8.

Exemple de budget pour 30 secondes

Pour une vidéo de 30 secondes en six scènes, au niveau Standard, sans narration mais avec musique, les postes de la grille s'additionnent ainsi selon le parcours par défaut de la chaîne :

• Six cases de storyboard : 6 × 4 376 = 26 256 jetons
• Six images clés : 6 × 11 667 = 70 002 jetons
• Six clips Standard de 5 secondes : 6 × 166 251 = 997 506 jetons
• Un morceau de musique : 29 167 jetons
• Assemblage du film 5 834 jetons, rendu 1080p 202 jetons

Total : 1 128 967 jetons, soit environ 6,77 $ au tarif Basic. Le crédit mensuel de 5 millions de jetons du forfait Basic couvre quatre vidéos de ce type, pas une cinquième. Si vous produisez les clips au niveau Brouillon, le total descend à 866 467 jetons (environ 5,20 $) ; avec le forfait Pro, la version Standard débite 903 174 jetons. Ajouter des fiches de personnage (fiche de base : 160 417 jetons) ou la synchronisation labiale d'un personnage qui parle (29 167 jetons par réplique) augmente la facture. Vous trouverez le budget d'un film plus long dans le guide durée et coût, et la structure des coûts du secteur dans notre article sur l'anatomie des coûts.

Peut-on créer une vidéo avec l'IA gratuitement ?

En partie. Les forfaits gratuits servent à essayer, pas à produire régulièrement. En octobre 2026, le forfait Free de Yeşilçam offre 250 000 jetons par mois, mais chaque opération est facturée avec un multiplicateur ×1,3. Un clip Brouillon de 5 secondes y coûte 122 501 × 1,3 = 159 251 jetons. Le crédit mensuel suffit donc pour un seul clip de 5 secondes, pas pour un deuxième.

Le forfait Free donne accès aux niveaux Brouillon et Standard, les niveaux Cinéma y sont fermés, et les vidéos comme les images portent un petit filigrane dans le coin inférieur droit. Trois images Brouillon par mois sont gratuites ; c'est assez pour tester une composition et un style. La voie la plus propre consiste à utiliser le forfait gratuit pour caler le style et l'histoire, puis à produire la version finale avec un abonnement ; les différences sont détaillées dans le guide des forfaits et du filigrane. Face à un service qui promet du « totalement gratuit et illimité », lisez aussi attentivement la limite de qualité, le filigrane et les conditions d'usage commercial.

Où les modèles vidéo échouent-ils ?

Les faiblesses connues des modèles vidéo se concentrent sur quelques points : le texte à l'écran, les mains, la continuité des personnages d'une scène à l'autre, la durée maximale courte et les mouvements rapides ou complexes. La plupart viennent du fait que le modèle génère chaque clip par un calcul de probabilités indépendant. C'est pourquoi la solution se trouve généralement dans la méthode de travail plutôt que dans le prompt.

Nous avons expliqué en détail pourquoi la continuité des personnages est difficile et quelles techniques fonctionnent dans notre article sur les personnages cohérents.

Comment choisir parmi les sites de création vidéo par IA ?

Déterminez d'abord la catégorie que vous cherchez : les générateurs de clips isolés, les outils de vidéos avec présentateur parlant (avatar), les outils de montage à modèles et les chaînes histoire-film font des métiers différents. Vérifiez ensuite si le prix est affiché avant la génération, si une génération ratée est remboursée et si la voix en français est prise en charge.

• Le prix est-il visible avant la génération, ou le découvrez-vous en fin de mois ?
• Une génération ratée est-elle remboursée automatiquement ?
• Choisissez-vous le niveau de qualité par scène ou par projet ?
• Existe-t-il un outil qui maintient le personnage d'une scène à l'autre (planche de référence, fiche de personnage) ?
• L'interface et la narration existent-elles en français, et avez-vous testé la prononciation sur un exemple ?
• Quels sont le filigrane et la limite d'usage commercial du forfait gratuit ?
• Les formats et ratios de sortie (MP4, 9:16, 16:9) correspondent-ils à votre usage ?

Certains assistants conversationnels peuvent se connecter à un modèle vidéo et produire de courts clips ; la plupart sont toutefois plus performants pour écrire des prompts, des scénarios et des découpages. Écrire le scénario avec un assistant et produire dans un studio vidéo est une répartition du travail courante et raisonnable.

Comment fonctionne la chaîne histoire-film de Yeşilçam Studio ?

Yeşilçam Studio transforme une histoire écrite en film, étape par étape, et affiche le coût en jetons de chaque étape avant que vous ne le validiez. Vous collez l'histoire ; viennent ensuite le scénario découpé en scènes, les fiches de personnage, le storyboard scène par scène, l'image et la vidéo, et enfin la voix, la synchronisation labiale, la musique et l'assemblage.

1. Vous collez une histoire ou un texte ; l'étape scénario le découpe en scènes accompagnées d'un résumé et d'indications de dialogue. Cette étape est du texte : la relire et la corriger coûte peu.
2. Les fiches de personnage sont créées : visage, costume et voix cohérents. La fiche de base coûte 160 417 jetons, la fiche complète 291 667 jetons.
3. Chaque scène reçoit une case de storyboard (4 376 jetons par scène). Changer une image ratée ici coûte bien moins cher que dans un clip terminé.
4. Les images retenues deviennent des images clés (11 667 jetons) puis des clips au niveau choisi : Brouillon, Standard, Cinéma ou Cinéma Pro.
5. Les répliques sont dites avec la voix du personnage ; la synchronisation labiale (29 167 jetons) et un morceau de musique adapté à la durée du film (29 167 jetons) sont ajoutés.
6. Le film est assemblé (5 834 jetons) puis rendu en 720p, 1080p ou 4K (100, 202 ou 601 jetons) ; il se télécharge en MP4, WebP ou GIF.

Vous choisissez le niveau par scène, pas pour tout le film. En octobre 2026, un clip Cinéma de 8 secondes coûte 350 001 jetons et un clip Cinéma Pro de même durée 933 335 jetons. Réserver le niveau le plus cher à l'ouverture et à un ou deux plans où l'émotion bascule protège donc le budget ; nous détaillons ce choix dans notre article Brouillon, Standard, Cinéma. Les générations ratées sont remboursées automatiquement et la grille à jour se trouve toujours sur la page des tarifs. Si vous voulez une histoire courte et animée pour les réseaux sociaux, Inkmation, dans le même studio, produit aux formats de 11 plateformes.

Que la vidéo IA ne résout-elle pas ?

La vidéo IA excelle à montrer ce qui n'existe pas, mais elle est faible pour documenter ce qui existe. Si vous devez montrer votre véritable usine, votre équipe, la vraie texture de votre produit ou un événement, la caméra et une équipe de tournage restent la bonne voie ; l'image générée ne peut que les imiter.

• Valeur documentaire : reportage, interview, témoignage client, usage réel du produit. Ici, l'image générée réduit la confiance.
• Personnes réelles et connues : générer le visage ou la voix d'une personne sans son autorisation présente un risque juridique et éthique. Selon le lieu de diffusion, vous devrez peut-être aussi indiquer clairement que le contenu a été produit par IA.
• Jeu long et subtil : un long plan-séquence, une expression faciale nuancée, un long dialogue entre deux personnages poussent les modèles actuels à leurs limites.
• Cahier des charges de diffusion : la diffusion télévisée ou la projection en salle exigent des normes de couleur, de son et de livraison ; ce travail demande une équipe de postproduction.
• Émotion d'un film de marque : pour un film de marque destiné à servir des années, l'expérience du réalisateur, des comédiens et du directeur de la photographie fait la différence.

Même dans ces cas, utiliser l'IA au stade de l'idée a de la valeur : avec un storyboard et une animatique sommaire, vous apportez à l'agence ou à l'équipe un brief bien plus clair. Notre article sur l'importance toujours actuelle du storyboard décrit cette étape intermédiaire.

Questions fréquentes

Combien de scènes compte une vidéo IA d'une minute ? Le plus souvent 6 à 8. Les clips Brouillon et Standard durent 5 ou 10 secondes, les clips Cinéma 4, 6 ou 8 secondes : un objectif de 60 secondes tombe donc dans cette fourchette. Une histoire de quatre minutes représente environ 30 scènes.

Combien de temps faut-il pour générer un clip vidéo ? Aux niveaux rapides, un clip de 5 ou 10 secondes est généralement prêt en quelques minutes ; les niveaux cinématographiques sont plus lents. La durée totale du film dépend du nombre de scènes. Pendant la génération, vous pouvez suivre la file d'attente et continuer à travailler sur les autres scènes.

Puis-je utiliser une vidéo réalisée avec l'IA pour un projet commercial ? Avec les forfaits Basic et Pro, les sorties sont sans filigrane et utilisables pour des projets clients, des publicités et des publications ; le forfait Free ajoute un petit filigrane. Un contenu évoquant une personne réelle, une autre marque ou un personnage protégé exige une autorisation distincte ; les détails figurent dans les conditions d'utilisation.

Peut-on faire une vidéo IA avec une voix off en turc ? Oui. Yeşilçam fonctionne en six langues ; il donne voix à la narration en turc et aux répliques des personnages, et la synchronisation labiale s'ajoute comme étape distincte pour les personnages qui parlent. Écrire les nombres, les sigles et les noms propres étrangers tels qu'ils se prononcent améliore nettement la prononciation.

Faut-il partir du texte ou d'une image ? Si une personne, un produit ou un dessin précis doit apparaître à l'écran, partez d'une image, car la composition vient de votre image. Sans sujet récurrent, par exemple pour un paysage ou un plan d'ouverture, le texte en vidéo est plus rapide et ne demande aucune préparation.