Tu as généré ta première vidéo IA, tu as regardé le résultat, et tu as eu ce petit moment de gêne : le personnage bouge bizarrement, la caméra part n'importe où, l'émotion que tu avais en tête n'est nulle part. Ce n'est pas le modèle qui est mauvais. C'est le prompt vidéo IA qui ne lui a pas donné assez d'informations pour comprendre ce que tu voulais.
C'est la différence la plus sous-estimée entre les comptes qui sortent une vidéo propre par jour et ceux qui brûlent quarante générations pour un seul plan utilisable. Les deux paient le même abonnement. Mais l'un écrit trois lignes vagues et espère, l'autre écrit une instruction qui ne laisse presque aucune place à l'interprétation.
Un modèle de génération vidéo ne « comprend » pas ton intention narrative. Il ne sait pas que ta Fraise est triste parce qu'elle vient de perdre son ami. Il lit une description, il en extrait des indices visuels, et il fabrique quelques secondes de mouvement à partir de ça. Si tu écris « une fraise triste », il va te sortir une fraise, éventuellement triste, dans un décor tiré au sort, avec une caméra qui fait ce qu'elle veut.
La bonne nouvelle, c'est que ce n'est pas un talent mystérieux. Écrire un bon prompt, c'est une compétence mécanique, avec des briques identifiables, un ordre logique et des erreurs récurrentes qu'on peut lister. Une fois que tu as la structure en tête, tu la réutilises sur chaque scène, et ton taux de générations exploitables passe de « une sur dix » à « trois sur quatre ».
Dans cet article, je décortique la structure complète d'un prompt vidéo IA : les six briques indispensables, comment décrire un mouvement pour qu'il soit vraiment exécuté, comment gérer le dialogue et le son, les cinq erreurs qui ruinent une génération, et un exemple complet analysé ligne par ligne.
Ce qu'un prompt vidéo IA fait réellement (et ce qu'il ne fait pas)
Premier réflexe à corriger : un prompt vidéo n'est pas un scénario. Tu ne racontes pas une histoire au modèle, tu lui décris un seul plan, généralement entre 5 et 10 secondes. C'est l'équivalent d'une fiche technique donnée à un cadreur, pas d'un pitch donné à un producteur.
Concrètement, ça veut dire qu'un prompt ne peut contenir qu'une seule action principale. « Elle entre dans la pièce, voit la lettre, la lit et se met à pleurer » — c'est quatre plans, pas un. Le modèle va essayer de tout comprimer, rater les transitions, et te sortir une bouillie. Découpe : un plan = une action + une réaction, maximum.
Deuxième chose, et c'est la plus frustrante quand on débute : la continuité entre deux plans n'est jamais automatique. Si tu ne redécris pas ton personnage à l'identique dans chaque prompt, il changera de couleur, de taille, de tenue. Les modèles ne gardent pas de mémoire entre deux générations. La cohérence, c'est toi qui la portes, en copiant-collant la même fiche de description à chaque fois.
Les 6 briques d'un prompt vidéo IA qui marche
Voici la structure que je réutilise sur chaque plan. L'ordre compte : les modèles pondèrent davantage ce qui arrive en début de prompt, donc le sujet et son action passent avant le décor et les détails d'ambiance.
- 1. Le sujet, décrit précisément. Espèce, taille, proportions, tenue, couleurs. C'est le bloc que tu figes une fois pour toutes et que tu recopies à l'identique. Exemple : « personnage à tête de fraise, corps humain d'enfant, peau du fruit rouge mate avec petites graines jaunes, yeux ronds expressifs, salopette en jean bleu délavé ».
- 2. L'action, au présent, une seule. « s'assoit lentement sur le banc et baisse la tête ». Verbe concret, adverbe de rythme, point final.
- 3. L'émotion traduite en signes physiques. Sourcils, bouche, épaules, mains, direction du regard. Jamais l'adjectif seul.
- 4. Le décor et le cadre. Lieu, éléments visibles, profondeur de champ, ce qu'on voit derrière. Deux ou trois éléments suffisent — au-delà, le modèle sature et commence à halluciner.
- 5. La lumière. Source, direction, température, intensité. « Lumière rasante dorée de fin d'après-midi venant de la gauche » vaut dix fois « joli éclairage ».
- 6. La caméra. Type de plan, focale approximative, mouvement. « Plan taille, léger travelling avant, caméra à hauteur du personnage. »
Ajoute en fin de prompt un petit bloc de style constant : rendu 3D cartoon, textures propres, format vertical 9:16. Ce bloc-là ne change jamais d'une vidéo à l'autre, c'est ta signature visuelle.
Si tu ne veux pas écrire ces six briques à la main pour chaque plan, c'est exactement ce que FruitStory fait à ta place : tu donnes l'histoire, il génère les prompts structurés et les vidéos qui vont avec.
Écrire le mouvement : le vrai levier d'un prompt vidéo IA
C'est là que 90 % des gens perdent leurs générations. Une image fixe se décrit bien avec des adjectifs. Une vidéo, non : il lui faut des verbes de trajectoire.
Compare « le personnage est triste devant la fenêtre » et « le personnage tourne lentement la tête vers la fenêtre, ses épaules retombent, il expire ». Le premier décrit un état — le modèle va produire un plan quasi immobile, parfois avec des artefacts parce qu'il ne sait pas quoi animer. Le second décrit une trajectoire, avec un début et une fin, et le modèle a de quoi remplir ses secondes.
Deuxième levier : le rythme. Les mots « lentement », « d'un coup », « progressivement », « en hésitant » sont interprétés de façon très fiable par les modèles récents. Ils changent réellement la vitesse d'exécution. Utilise-les systématiquement, un par action.
Troisième levier : ne fais pas bouger le personnage et la caméra dans des directions opposées sur un même plan. Si ton sujet avance vers la droite pendant que la caméra fait un panoramique vers la gauche, le modèle produit presque toujours une déformation. Une chose bouge par plan — le personnage ou la caméra, rarement les deux fort.
Enfin, méfie-toi des mains. Les mains restent la zone la plus fragile de la génération vidéo. Si ton action ne nécessite pas de doigts précis, évite « attrape », « tient délicatement », « pointe du doigt ». Préfère des gestes larges : « pose la main à plat sur la table », « serre les bras contre lui ».
Le dialogue et le son dans le prompt
Si ton modèle génère aussi l'audio, le dialogue se traite comme une brique à part, placée après l'action et clairement délimitée. Deux règles qui changent tout.
D'abord, précise la langue explicitement. Beaucoup de modèles ont un biais anglophone très fort : sans instruction, ton personnage parlera anglais ou avec un accent bizarre. Écris noir sur blanc « dialogue en français, voix d'enfant douce, accent français neutre » et répète l'instruction si le résultat dérape.
Ensuite, garde les répliques très courtes. Sur un plan de 6 secondes, tu as la place pour une phrase, pas trois. Si le texte est trop long, le modèle accélère la diction et le résultat sonne artificiel. Une réplique = une idée = maximum une dizaine de mots.
Pour l'ambiance sonore, décris deux couches maximum : un fond (« pluie légère sur la vitre ») et éventuellement un détail (« craquement du bois »). Au-delà, la piste devient un magma. Et laisse toujours un silence à la fin du plan : c'est ce blanc qui te permettra de coller le plan suivant sans coupure abrupte.
Les 5 erreurs qui ruinent un prompt
- Trop d'actions dans un seul plan. Le symptôme : le personnage fait tout à moitié. Le correctif : découpe en deux prompts.
- Des adjectifs abstraits à la place de signes physiques. « Émouvant », « épique », « nostalgique » ne produisent rien de fiable. Traduis en corps et en lumière.
- Un décor surchargé. Chaque élément supplémentaire est une chance de plus de générer une aberration. Trois éléments visibles, pas quinze.
- Aucune instruction de caméra. Sans consigne, le modèle choisit — et il choisit souvent un mouvement flottant qui donne le mal de mer. Impose toujours un cadre et un mouvement.
- Une description du personnage qui change entre deux plans. Même une virgule déplacée peut suffire à changer une nuance de couleur. Copie-colle, ne réécris pas.
Adapter ton prompt vidéo IA au format TikTok
Le format vertical impose ses propres contraintes, et elles doivent apparaître dans le prompt. Précise « cadrage vertical 9:16, sujet centré, tête dans le tiers supérieur ». Sans ça, tu obtiens des plans où le personnage a le crâne coupé ou se retrouve minuscule au milieu de l'image.
Pense aussi aux zones mortes : l'interface TikTok mange environ 15 % en bas (légende, boutons) et une bande en haut. Tout ce qui est important — le visage, l'expression, le sous-titre — doit vivre dans la moitié centrale. Écris-le dans ton prompt : « espace libre en bas du cadre ».
Enfin, la première seconde. Sur TikTok, elle décide de tout. Ton premier plan ne doit pas être une mise en place : il doit être l'action la plus forte de la vidéo. Écris ce prompt-là en premier, soigne-le deux fois plus que les autres, et n'hésite pas à le régénérer jusqu'à ce qu'il soit net. Les plans suivants peuvent être imparfaits, celui-là non.
Un exemple complet, décortiqué
Voici un prompt qui coche les six briques, avec le rôle de chaque segment :
« Personnage à tête d'orange, corps humain d'enfant de 8 ans, écorce orange légèrement texturée, yeux ronds noirs expressifs, petit t-shirt blanc et short bleu (brique 1 — sujet figé) — il pousse lentement la porte d'un vieux frigo et s'arrête net (brique 2 — une action, un rythme) — sourcils qui se relèvent, bouche entrouverte, mains qui retombent le long du corps (brique 3 — émotion en signes physiques) — cuisine modeste la nuit, table en bois au premier plan flou, reste de la pièce dans l'ombre (brique 4 — décor minimal) — seule source de lumière : l'intérieur du frigo, blanc froid, qui éclaire son visage par en dessous (brique 5 — lumière motivée) — plan poitrine, caméra fixe légèrement en contre-plongée, très léger travelling avant (brique 6 — caméra) — rendu 3D cartoon, textures propres, format vertical 9:16, espace libre en bas du cadre. »
Remarque ce qui n'y est pas : aucun adjectif abstrait, aucune deuxième action, aucun décor à rallonge. C'est le test ultime : si tu ne peux pas dessiner ton prompt à la main, le modèle ne pourra pas le générer non plus.
Conclusion
Un bon prompt vidéo IA, ce n'est pas une formule magique ni une liste de mots-clés secrets. C'est une description assez précise pour qu'un inconnu puisse dessiner ta scène sans te poser de question. Six briques, un ordre stable, une action par plan, des émotions traduites en corps et en lumière.
Commence par figer ton bloc personnage et ton bloc style : ce sont eux qui feront que tes vidéos se ressemblent d'un jour à l'autre, et c'est cette régularité que l'algorithme comme ton audience finissent par reconnaître. Le reste — décor, lumière, caméra — change à chaque plan, mais toujours dans le même ordre.
Et si écrire six briques par plan te semble long, c'est aussi pour ça que FruitStory existe : tu racontes l'histoire en une phrase, il s'occupe de la structure. Dans les deux cas, le principe reste le même — plus tu es précis, moins tu regénères.
FAQ
Quelle longueur doit faire un prompt vidéo ?
Entre 40 et 90 mots pour un plan de 5 à 10 secondes. En dessous, tu laisses trop de décisions au modèle. Au-dessus, les instructions de fin de prompt commencent à être ignorées et les détails se contredisent. Si ton prompt dépasse 100 mots, c'est généralement le signe que tu essaies de faire tenir deux plans en un.
Prompt image ou prompt vidéo : quelle différence ?
Un prompt image décrit un état figé : composition, lumière, expression. Un prompt vidéo doit en plus décrire une trajectoire — ce qui change entre la première et la dernière image. C'est pour ça qu'un prompt image recopié tel quel dans un générateur vidéo donne souvent un plan presque immobile. Beaucoup de créateurs travaillent en deux temps : ils génèrent une image de référence bien cadrée, puis l'animent avec un prompt vidéo court centré sur le seul mouvement.
Faut-il écrire ses prompts en anglais ou en français ?
Les descriptions visuelles passent bien dans les deux langues sur les modèles récents, avec un léger avantage à l'anglais sur les termes techniques de cinéma (« low angle shot », « rim light »). En revanche, le dialogue doit impérativement être écrit dans la langue que tu veux entendre, avec une instruction explicite du type « dialogue en français ». Un mix des deux — consignes techniques en anglais, répliques en français — fonctionne très bien.
Comment garder le même personnage sur plusieurs vidéos ?
En figeant un bloc de description que tu recopies mot pour mot dans chaque prompt, sans jamais le reformuler. Complète-le avec une image de référence quand ton outil le permet : c'est ce qui donne les meilleurs résultats de cohérence. Note ce bloc quelque part et traite-le comme la fiche d'identité officielle du personnage.
Faut-il préciser la caméra dans chaque prompt ?
Oui, sans exception. C'est l'instruction avec le meilleur rapport effort/résultat. Trois informations suffisent : le type de plan (gros plan, plan taille, plan large), la hauteur (à hauteur d'yeux, contre-plongée, plongée) et le mouvement (fixe, léger travelling avant, panoramique lent). Sans ça, le modèle improvise et le rendu paraît amateur.
Générateur automatique ou prompts écrits à la main : que choisir ?
À la main, tu gardes le contrôle total et tu peux obtenir des plans très spécifiques — mais c'est lent, et publier tous les jours devient difficile. Un générateur qui construit les prompts pour toi te fait perdre un peu de finesse et t'en fait gagner beaucoup en régularité. Si ton objectif est de tester des formats et de poster souvent, l'automatique gagne largement ; si tu prépares une vidéo signature, écris-la toi-même.
Comment tester si mon prompt est bon avant de générer ?
Fais le test du dessin : lis ton prompt à voix haute et demande-toi si quelqu'un qui ne connaît rien à ton projet pourrait en faire un croquis fidèle. Chaque endroit où il devrait deviner est un endroit où le modèle va improviser. Précise ces points-là, et seulement ceux-là.
