Une collection pratique de prompts Veo 3.1 testés pour la production de vidéos cinématographiques. Des scènes de poursuite dramatiques aux portraits à l’heure dorée, ces structures de prompt détaillent comment décrire précisément la scène, l’éclairage, les angles de caméra et le son pour obtenir, de façon constante, des vidéos IA dignes du cinéma.
La plupart des gens tapent une seule phrase dans Veo 3.1 et se demandent pourquoi le résultat ressemble à un économiseur d’écran. La différence entre des clips IA oubliables et une vidéo vraiment cinématographique tient à un seul facteur : la précision avec laquelle vous décrivez le monde que vous voulez voir. Il ne s’agit pas de mots-clés magiques. Il s’agit de penser comme un directeur de la photographie et de traduire cette réflexion dans un langage auquel le modèle répond réellement.
Veo 3 a introduit la génération audio synchronisée, mais Veo 3.1 est allé plus loin. Le modèle lit désormais les indications sonores directement dans le prompt, et non plus comme un paramètre séparé. Si votre prompt indique « la pluie tambourine sur un toit en métal », le modèle génère ce son en même temps que l’image. Cela change fondamentalement la façon d’écrire un prompt : le son fait désormais partie de la description de la scène, et non d’un simple ajout après coup.
Là où des modèles antérieurs comme Veo 2 peinaient avec le mouvement des tissus, la surface de l’eau et les micro-expressions du visage en mouvement, Veo 3.1 les restitue avec une fidélité nettement supérieure. La récompense pour des prompts détaillés est désormais proportionnellement plus élevée. Le modèle est capable de traiter des descriptions denses et superposées, et de les honorer.
Les prompts courts produisent des clips génériques. Un prompt de 60 mots surpasse largement un prompt de 10 mots en matière de qualité cinématographique. Ce n’est pas une bizarrerie. C’est la manière dont le modèle a été entraîné. La précision est le facteur qui sépare un clip de qualité cinéma d’un contenu qui paraît généré par IA.
Chaque prompt Veo 3.1 de haute qualité contient cinq couches distinctes. Il suffit qu’il en manque une pour que le résultat tende généralement vers le générique.
Commencez par désigner qui ou quoi se trouve dans le cadre et ce qu’il fait exactement. Des sujets vagues donnent des vidéos vagues. « Une femme marche » n’est pas un sujet avec une intention. « Une femme d’une trentaine d’années, vêtue d’une veste en toile usée, traverse une gare de Tokyo bondée à l’heure de pointe, les yeux parcourant les tableaux des départs » donne au modèle de quoi générer une image.
Ce qu’il faut inclure :
Le monde derrière votre sujet n’est pas un simple décor. Il porte l’ambiance, le moment et le contexte. Décrivez-le avec précision : ville ou campagne, moment de la journée, conditions météo, et ce qui se trouve au premier plan par rapport à l’arrière-plan.
C’est la couche la plus souvent négligée, et cela se voit. Précisez :
Veo 3.1 répond aux indications de caméra lorsqu’elles sont formulées comme le ferait un directeur de la photographie, et non sous forme de description informelle.
| Terme de caméra | Ce qu’il produit à l’image |
|---|---|
low angle, 24mm | Rend les sujets imposants, met en valeur le ciel |
eye level, 85mm | Portrait naturel, légère compression de l’arrière-plan |
overhead, wide | Établit l’échelle, supprime le contexte du sol |
dutch angle, 35mm | Ajoute de la tension et de la désorientation |
tracking shot, handheld | Introduit du mouvement et du réalisme |
Indiquez au modèle la vitesse à laquelle le monde se déplace. « Ralenti » est vague. « Tourné à 120 i/s, lu à 24 i/s » est précis. Précisez si la caméra bouge, si les sujets bougent, et à quelle allure relative.
Ces prompts sont structurés pour un usage direct dans Veo 3.1. Chacun suit la structure en cinq couches décrite ci-dessus.
Prompt 1 : La poursuite nocturne
Un homme dans la mi-trentaine sprinte dans une ruelle étroite et détrempée par la pluie, la nuit, filmé à hauteur de chevilles selon un angle de travelling bas. Des lampes à vapeur de sodium projettent des flaques ambrées sur des pavés mouillés. Flou de bougé sur ses jambes, visage net et mâchoire serrée. Les murs de brique montrent du mortier vieilli et des traces d’eau. Le bruit de pas qui claquent sur la pierre mouillée, une radio de police lointaine. 35 mm f/1.4, Kodak Portra 800, faible profondeur de champ. Pas de musique, uniquement l’ambiance sonore.
Prompt 2 : La dernière conversation
Un homme et une femme sont assis aux deux extrémités d’une table usée de diner, en milieu d’après-midi. La lumière de la fenêtre, venant de la gauche, projette sur le formica une ombre douce en forme de grille. Il la regarde sans parler, une tasse en céramique entre les deux mains. Elle baisse les yeux vers son café, puis les relève. La vapeur monte entre eux. Le bruit étouffé de la circulation dehors, une machine à café lointaine. 50 mm f/2 à hauteur des yeux en position assise, grain chaud, reportage sur le vif.
Prompt 3 : La décision
Gros plan de mains marquées agrippant un volant en cuir. La pluie trace des diagonales sur le pare-brise. Les instruments du tableau de bord brillent d’ambre dans le flou périphérique. Les jointures sont blanches. Un tatouage de boussole sur le poignet droit intérieur. Le bruit d’une forte pluie sur le verre, les essuie-glaces à cadence lente. Macro 100 mm depuis le siège passager, angle descendant de 45 degrés, Kodak Vision3, flou de bougé naturel sur l’arrière-plan.
Prompt 4 : Autoroute avant l’aube
Plan aérien d’une route de terre isolée traversant un champ de blé du Montana avant l’aube. La route file jusqu’au point de fuite, à l’horizon gauche. Un seul camion, un phare allumé, est stationné au bord de la route. Ciel bleu marine tirant sur le violet, Vénus brillante près de l’horizon. Rosée sur chaque tige de blé, en net premier plan. Le bruit du vent sur l’herbe ouverte, le ralenti lointain d’un moteur de camion. Drone à 40 pieds, 24 mm grand angle, brume naturelle, Kodak Ektar 100.
Prompt 5 : Forêt à l’aube
Un homme, de dos à la caméra, se tient dans une forêt ancienne du nord-ouest Pacifique à l’aube. D’énormes troncs de douglas disparaissent vers le haut dans une canopée épaisse. Des faisceaux volumétriques de lumière du matin percent au-dessus, accrochant une brume tourbillonnante à mi-hauteur. Il est immobile, le regard levé. Des cris d’oiseaux au loin dans la canopée, un pic épeiche isolé. 35 mm f/2 depuis la hauteur du genou, couleur naturelle, Kodak Portra 400, grande profondeur de champ.
Prompt 6 : Lever de soleil au rivage
Une femme marche pieds nus dans une eau de ressac qui lui arrive aux chevilles, au lever du soleil, filmée à hauteur de taille en panoramique lent. À contre-jour dans le soleil levant rose-doré, sa silhouette est sombre, bordée d’une lumière chaude. Une robe en lin blanc attrape le vent. Chaque goutte d’eau capte la lumière du soleil en l’air à chaque pas. Le bruit des vagues qui se brisent, du vent et de lointains oiseaux de mer. 70 mm f/2.8 avec un filtre brume quart noir, Fujifilm Pro 400H, diffusion des embruns dans l’air du premier plan.
Prompt 7 : Le gros plan
Gros plan extrême du visage d’une jeune femme à l’heure dorée, peau couverte de taches de rousseur, yeux gris-vert pâle. Lumière volumétrique douce venant de la gauche. Une seule larme se forme dans le coin intérieur de l’œil gauche. Des mèches de cheveux glissent sur son front dans une légère brise. Arrière-plan au bokeh d’automne peu prononcé, dans les tons ambrés. Pas de dialogue, uniquement le vent ambiant et le léger bruissement de feuilles sèches. 85 mm f/1.2, RAW, Fujifilm Eterna 500, sans maquillage.
Prompt 8 : Le témoin
Plan poitrine serré d’un homme âgé assis près d’une fenêtre, dans la soixante-dizaine, visage profondément ridé tourné de profil vers la lumière extérieure. Des particules de poussière flottent dans un rayon de lumière de l’après-midi venant de la gauche. Ses mains sont jointes sur la table, immobiles. Il ne parle pas. Le tic-tac d’une horloge quelque part dans la pièce, une voiture qui passe lentement dehors. 85 mm f/2 à hauteur des yeux, Kodak Portra 160, couleur chaude de fin d’après-midi.
Prompt 9 : Perspective depuis le toit
Plan large en plongée depuis le toit d’un immeuble de New York, à trente étages de hauteur, regardant une rue mouillée par la pluie. Des traînées lumineuses de taxis jaunes strient le cadre en contrebas. Un seul verre de whisky est net sur le rebord du toit, au tout premier plan. Toute la ville est en bokeh flou derrière lui. Le bruit lointain des sirènes, de la pluie et de la circulation, depuis le bas. 28 mm f/2, Kodak Ektar 100, uniquement la lumière nocturne disponible.
Prompt 10 : La chambre de 3 h du matin
Plan large d’intérieur d’une chambre d’appartement dépouillée à 3 h du matin, éclairée uniquement par la lueur de l’écran d’un ordinateur portable. Une jeune femme est assise en tailleur sur le lit, à l’arrière-plan, le visage à moitié dans une lumière bleu pâle. Premier plan net : draps défaits, une tasse à café, un livre de poche corné. La ville brille d’ambre à travers la fenêtre derrière elle. Silence, puis le bruit lointain de la ville, en contrebas. 24 mm f/1.4, lumière disponible, grain ISO élevé, palette ambiante froide.
Prompt 11 : Le bar vide
Plan large de l’intérieur d’un bar vide à 3 h du matin. Des enseignes de bière au néon projettent du rouge et du bleu sur des rangées de chaises renversées sur les tables. Un seul barman essuie le comptoir sans lever les yeux. Pluie sur les vitres. Le bruit d’un juke-box qui joue la fin d’une chanson, puis la salle qui se tait. 28 mm f/2.8, lumière disponible, sur le vif, grain ISO élevé, Kodak Vision3.
Prompt 12 : Quai de gare de minuit
Une femme se tient seule sur un quai de gare désert, la nuit, éclairée par un seul tube fluorescent au plafond qui scintille légèrement. Elle tient un petit sac et observe l’extrémité de la voie. Le vent traverse le quai, soulevant un gobelet en carton posé sur le béton. Le bruit lointain des roues de train sur les rails métalliques, le bourdonnement du tube fluorescent au-dessus. 50 mm f/1.8, à hauteur des yeux, lumière disponible, dominante froide.
Prompt 13 : Après la pluie
Plan large d’une place de ville européenne à l’aube, après une forte pluie nocturne. Les pavés reflètent la lumière grise et pâle du petit matin, les flaques retiennent le premier bleu du ciel. Une silhouette isolée traverse tout à gauche, au second plan. Le bruit de l’eau qui goutte, une cloche d’église lointaine, un seul pigeon. Caméra statique verrouillée, 35 mm f/4, Kodak Portra 160, lumière diffuse de ciel couvert.
Prompt 14 : L’attente
Un homme d’une cinquantaine d’années est assis sur un banc en bois dans un couloir d’hôpital, en manteau, mains entre les genoux, fixant le sol. L’éclairage fluorescent au plafond fait paraître les murs d’un beige institutionnel. Le couloir s’étire jusqu’à une paire de portes battantes, très loin derrière lui. Le bruit lointain d’un système de sonorisation, de petits pas dans le couloir, le ronronnement de la ventilation. 50 mm f/2 à hauteur des yeux en position assise, caméra statique, étalonnage chaud pour contrebalancer le cadre institutionnel.
Prompt 15 : L’arrivée à l’aube
Depuis le siège passager, regard à travers un pare-brise sur une petite ville côtière qui apparaît au bord d’une falaise à la première lumière. La route descend en virages, chacun révélant davantage de mer en contrebas. La brume stagne dans les vallées entre les promontoires. Pas de dialogue. Le bruit du moteur, du vent, et les premiers sons lointains de la mer qui gagnent en intensité. 28 mm f/2, lumière naturelle de l’aube, Fujifilm Pro 400H, pas de musique.
Veo 3.1 génère le son à partir de votre description textuelle, en même temps que la vidéo. C’est un changement important par rapport aux modèles qui produisent des clips muets par défaut.
Décrivez le son de la même façon que la lumière : avec précision, sa source et sa distance.
💡 Écrivez le son du plus lointain au plus proche. Commencez par la couche sonore la plus distante et allez vers ce qui est le plus proche de la caméra. C’est ainsi que l’oreille humaine perçoit l’espace, et le modèle en tient compte.
Si votre scène comporte des personnages, vous pouvez suggérer la parole sans écrire de script. « Elle parle doucement, mots inaudibles, expression concentrée » indique au modèle de produire le schéma visuel de la parole sans générer de mots qui pourraient mal s’afficher.
Veo 3.1 Lite est optimisé pour la vitesse, au prix d’une fidélité audio moindre. Pour les scènes purement visuelles, il tient très bien la route. Pour les prompts où l’audio est déterminant, utilisez Veo 3.1 ou Veo 3.1 Fast.
Veo 3.1 répond aux indications de mouvement de caméra lorsqu’elles sont formulées avec le vocabulaire de production, et non sous forme de description informelle.
Ce sont les trois mouvements les plus fidèlement restitués. Formulez-les comme « travelling lent vers le sujet » ou « panoramique lent vers la gauche révélant l’arrière-plan ». Évitez les termes vagues comme « la caméra tourne autour de la scène ».
Formulations efficaces pour les mouvements de caméra :
slow dolly in toward face, ending in close-upgentle pan left following the subject at walking pacetilt up from hands to face over 3 secondstracking shot from behind, matching subject's running pacestatic wide locked-off shot, no camera movementPréciser « caméra à l’épaule » ajoute un mouvement organique subtil au cadre. Préciser « sur trépied, statique » demande au modèle de produire une composition verrouillée et stable. Les deux sont valables au cinéma. Le choix dépend de l’ambiance que vous voulez créer.
Pour obtenir un ralenti, indiquez la fréquence d’images effective. « Tourné à 120 i/s, lu à 24 i/s » produit un résultat plus convaincant que la simple mention « ralenti ».
Toutes les approches ne fonctionnent pas. Voici les façons les plus courantes de se mettre soi-même en échec avec un résultat médiocre :
| Ce que vous écrivez | Pourquoi cela échoue |
|---|---|
| « Vidéo cinématographique d’un beau coucher de soleil » | Pas de sujet, pas d’action, pas de précision sur l’éclairage |
| « Images d’aspect professionnel de... » | Ne dit rien d’exploitable au modèle |
| « Une scène comme dans un film » | Référence vague sans aucun descripteur concret |
| « Rendez-le dramatique » | Aucune description physique de ce que signifie « dramatique » |
| « Vidéo de haute qualité, réaliste » | Les demandes de qualité ne remplacent pas la description de la scène |
💡 Chaque mot de votre prompt doit décrire quelque chose de physique ou de sensoriel : une texture, un mouvement, un son, une couleur, une direction. Les mots de qualité abstraits sont invisibles pour le modèle.
PicassoIA propose trois versions de Veo 3.1, chacune avec un compromis différent entre vitesse et qualité.
Sujet, environnement, éclairage, caméra, mouvement. Les cinq couches doivent toutes être présentes avant l’envoi. Si une couche manque, le modèle la remplit avec une valeur générique par défaut.
Modifiez une seule couche à la fois entre deux essais. Si la composition de la scène est juste mais que l’éclairage est plat, ne revoyez que le descripteur d’éclairage. Tout changer d’un coup rend impossible de diagnostiquer ce qui fonctionnait.
Veo 3.1 Fast vaut la peine d’être utilisé pour vos deux ou trois premières variantes. Une fois que la scène vous semble juste, lancez le même prompt avec Veo 3.1 pour la version finale.
La bibliothèque de modèles vidéo de PicassoIA comprend de solides alternatives à Veo 3.1. Voici où se situe chacun sur l’échelle de la qualité cinématographique.
Kling v3 Video gère très bien les scènes au ralenti et les mouvements de personnages avec une grande fidélité. Cependant, Veo 3.1 prend l’avantage sur l’audio natif et sur la cohérence entre le prompt et le résultat pour les scènes complexes à plusieurs couches. Si l’audio est essentiel à votre scène, Veo 3.1 l’emporte. Pour un travail purement visuel en ralenti ou d’action, Kling v3 est une alternative légitime.
Sora 2 produit une cohérence spatiale impressionnante, en particulier dans les scènes architecturales et urbaines. Sa force réside dans le maintien de positions d’objets stables sur des clips plus longs. Veo 3.1 tend à produire des esthétiques plus chaudes et plus proches du film lorsque vous incluez des références à des pellicules dans vos prompts.
Seedance 2.0 fournit une sortie en 1080p avec audio intégré, à une vitesse compétitive. Pour les contenus au rythme soutenu où le délai de livraison compte, c’est une option pratique. Veo 3.1 garde l’avantage pour les prompts qui exigent une interprétation précise de l’éclairage et un grain cinématographique.
| Modèle | Audio | Idéal pour | Sortie |
|---|---|---|---|
| Veo 3.1 | Natif | Esthétique de film, scènes avec audio | 1080p |
| Kling v3 Video | Optionnel | Ralenti, action de personnages | 1080p |
| Sora 2 | Synchronisé | Scènes urbaines et architecturales | HD |
| Seedance 2.0 | Intégré | Itération rapide, contenus généraux | 1080p |
| Veo 3.1 Fast | Natif | Prototypage rapide | 1080p |
Les 15 prompts ci-dessus ne sont pas des modèles à remplir mécaniquement. Ce sont des exemples d’une manière de voir. La vraie compétence consiste à imaginer une scène dans son ensemble avant de la décrire : la source de lumière et son angle, la texture de chaque surface qu’elle touche, le son qui serait présent, et l’objectif exact qu’un directeur de la photographie choisirait pour raconter cette histoire.
Commencez par une seule scène que vous pouvez imaginer clairement. Rédigez-la en utilisant les cinq couches. Lancez-la avec Veo 3.1 sur PicassoIA, comparez-la avec Veo 3.1 Fast pour la rapidité d’itération, puis changez seulement la couche d’éclairage à votre deuxième essai. Quand le résultat commencera à ressembler à quelque chose que vous auriez vraiment envie de regarder, vous saurez ce qui a changé.
Choisissez votre langue
