Guide des prompts vidéo IA : comment les écrire vraiment

Ce qui rend un prompt vidéo IA efficace

Un prompt pour la génération vidéo par intelligence artificielle fonctionne lorsqu'il décrit ce qui se passe, pas seulement ce que l'on voit. Les modèles vidéo comme Sora, Kling, Runway Gen-3, Veo et Pika réagissent aux phrases contenant quatre éléments : un sujet clair, une action précise, un mouvement de caméra défini et un style visuel reconnaissable. En négliger un seul produit des clips génériques, flous ou incohérents.

La règle de base : plus le mouvement est décrit avec précision, plus le résultat est stable. Un modèle vidéo n'interprète pas l'atmosphère comme un modèle de texte : il interprète les verbes, les directions et les vitesses.

La structure du prompt en 5 blocs

Un prompt vidéo efficace suit presque toujours cet ordre, car les modèles accordent plus de poids aux premiers mots :

1. Sujet : qui ou quoi apparaît, avec des détails physiques concrets (« une femme d'une trentaine d'années aux cheveux roux et un manteau beige »).
2. Action : un seul mouvement principal par clip (« elle marche lentement vers la caméra »). Les actions multiples dans un seul prompt génèrent des artefacts.
3. Caméra : type de cadrage et mouvement (voir la section suivante).
4. Environnement et lumière : lieu, heure de la journée, type d'éclairage (« rue mouillée au coucher du soleil, lumière chaude rasante »).
5. Style : esthétique de référence (« cinéma 35mm », « documentaire », « anime des années 90 »).

Écrivez le prompt comme un clap de tournage : sujet, action, caméra, lumière, objectif. Si un réalisateur ne pourrait pas tourner la scène telle qu'elle est décrite, le modèle ne la générera pas correctement.

Le langage de la caméra : le vocabulaire qui compte vraiment

Le mouvement de caméra est le bloc où la plupart des prompts échouent. Utilisez la terminologie du cinéma, car les modèles sont entraînés sur des données avec ces étiquettes :

Ajoutez toujours la vitesse : « slow », « gentle », « fast » sont des mots que les modèles respectent. Un « dolly-in » sans adjectif produit souvent un mouvement trop brusque pour un clip de 5 à 10 secondes.

Différences entre les modèles : comment adapter le même prompt

Il n'existe pas de prompt universel. Chaque modèle a ses biais et sa syntaxe préférée :

• Sora et Veo : préfèrent des prompts descriptifs longs, presque des paragraphes narratifs. Ils gèrent bien les détails de lumière et d'atmosphère.
• Runway Gen-3 : fonctionne mieux avec des prompts plus épurés, sujet + action + caméra. Des descriptions trop longues diluent l'action.
• Kling : très sensible aux verbes de mouvement et aux expressions faciales ; excellent pour les actions physiques complexes.
• Pika et modèles légers : mieux vaut un seul concept fort par clip, sans subordonnées complexes.

La bonne stratégie consiste à écrire un prompt master neutre, puis à l'adapter : pour Sora, développez-le en narration ; pour Runway, réduisez-le à l'essentiel. Testez le même concept sur deux modèles avant d'abandonner une idée : souvent, le prompt n'est pas mauvais, il est juste incompatible avec ce modèle.

Workflow pratique : du concept au clip exploitable

1. Définissez une seule action par clip : 5 à 10 secondes de vidéo ne supportent qu'un seul mouvement. Si plusieurs actions sont nécessaires, prévoyez plusieurs clips.
2. Écrivez le prompt master avec les 5 blocs dans l'ordre.
3. Générez 3-4 variantes sans modifier le prompt : évaluez la variance naturelle du modèle avant de corriger.
4. Diagnostiquez par symptôme : sujet déformé → simplifiez l'action ; caméra aléatoire → utilisez « static shot » ; style incohérent → ajoutez des références explicites (« shot on 35mm film, shallow depth of field »).
5. Itérez un seul bloc à la fois : changez la caméra, ou la lumière, ou l'action. Tout modifier en même temps rend impossible de savoir ce qui a amélioré ou dégradé le résultat.
6. Fixez le seed lorsque le modèle le permet, pour maintenir la cohérence entre les itérations.

Erreurs courantes à éviter

• Prompts négatifs trop longs : mieux vaut un bref « no text, no distortion » que des listes de dix exclusions.
• Actions composées : « elle se lève, prend la tasse et sourit » génère presque toujours des membres incorrects. Découpez en trois clips.
• Physique impossible : les modèles ont des difficultés avec les liquides, les mains qui manipulent des objets et les reflets complexes. Décrivez des actions que la physique du dataset supporte.
• Texte à l'écran : demander des titres ou des écritures dans la vidéo produit presque toujours des caractères illisibles. Ajoutez le texte en post-production.
• Ignorer la première image : quand le modèle le permet, utilisez une image de départ (image-to-video). Une bonne première image réduit de moitié le travail de prompt.

Ce qu'il faut retenir

Un prompt vidéo IA efficace n'est pas de la poésie : c'est une spécification technique. Sujet, action unique, caméra explicite, lumière et style : ces cinq blocs, dans le bon ordre, valent plus que n'importe quel adjectif évocateur. Itérez un bloc à la fois, adaptez la longueur du prompt au modèle que vous utilisez et exploitez l'image-to-video chaque fois que possible. Qui maîtrise le langage de la caméra et le diagnostic par symptômes produit des clips exploitables en 2-3 itérations au lieu de dix.