Rédiger un excellent prompt vidéo IA ne consiste pas à utiliser plus de mots, mais les bons. Cet article détaille les éléments précis qui contrôlent le mouvement, le comportement de la caméra, l’éclairage et le timing dans une vidéo générée par IA. Exemples concrets, conseils propres à chaque modèle et une structure que vous pouvez appliquer immédiatement.
La différence entre une vidéo IA oubliable et une vidéo qui arrête le défilement tient souvent à quelques dizaines de mots. Pas des milliers. Pas même des centaines. Les mots de votre prompt déterminent le mouvement, le comportement de la caméra, l’ambiance et l’enchaînement temporel, et la plupart des gens se contentent de décrire une scène sans réfléchir à aucun de ces éléments.
Ce n’est pas une critique. C’est ainsi que commence la plupart des gens. Vous tapez ce que vous voyez dans votre tête, vous lancez la génération et vous obtenez quelque chose qui ressemble à une photo qui aurait décidé de bouger. Le sujet est correct, mais la vidéo paraît statique, aléatoire ou fausse. Le problème ne vient pas du modèle. Il vient de l’instruction.
Voyons ci-dessous ce qui distingue un prompt qui produit une vidéo IA cinématographique d’un prompt qui produit une boucle confuse de pixels.
La génération d’images et la génération de vidéos sont des tâches fondamentalement différentes, mais beaucoup d’utilisateurs rédigent leurs prompts vidéo comme leurs prompts d’image. Un prompt d’image décrit un état. Un prompt vidéo doit décrire un changement dans le temps.
Lorsque vous tapez « une femme qui marche dans une forêt », un modèle vidéo doit déduire :
Un modèle comme Seedance 2.0 ou Veo 3 fera de son mieux pour répondre à toutes ces questions, mais « faire de son mieux » n’est pas la même chose que ce que vous avez en tête. Les prompts courts confient le contrôle au modèle. Les prompts détaillés vous le confient à vous.
💡 Le principe essentiel : chaque élément que vous laissez indéfini dans un prompt vidéo est une décision que vous confiez à l’IA. Soyez intentionnel dans le choix de ce que vous définissez.
Ces cinq composantes ne sont pas des options facultatives. Ce sont les briques d’une vidéo qui se comporte réellement comme vous le souhaitez.
Décrivez le sujet avec précision. Pas seulement qui ou ce qu’il est, mais sa position exacte, sa posture et sa relation avec l’environnement dès la première image.
Faible : « Un homme dans une ville »
Efficace : « Un homme d’âge moyen, vêtu d’un manteau gris, se tient au bord d’un carrefour urbain mouillé par la pluie, la tête légèrement baissée, les mains dans les poches »
La version efficace donne au modèle une image de départ bien définie. Tout le reste s’appuie sur elle.
C’est ce que la vidéo apporte de plus que l’image, et c’est l’élément le plus souvent oublié. Vous devez décrire ce qui bouge, comment il bouge et à quel rythme.
Les directives de mouvement comprennent :
Des modèles comme Kling v2.6 et Wan 2.7 T2V répondent bien à un langage de mouvement explicite. Un mouvement vague produit des résultats incohérents.
Les modèles de vidéo IA génèrent une durée fixe de contenu, généralement de 4 à 10 secondes selon le modèle. Votre prompt doit décrire l’arc de ces secondes, et non pas seulement un instant figé.
Pensez-le comme un mini-scénario : que se passe-t-il au début, au milieu et à la fin de ces secondes ?
Exemple : « La caméra s’ouvre sur un gros plan d’une tasse de café. Pendant les secondes suivantes, elle recule lentement pour révéler un café bondé. Dans la dernière image, le sujet, une femme assise à une table d’angle, se met au point. »
Cela indique au modèle ce qu’il doit privilégier à chaque moment de la génération.
L’éclairage n’est pas seulement visuel. Dans un prompt vidéo, il signale aussi l’ambiance, le moment de la journée et la qualité du mouvement. Les ombres ne bougent pas de la même façon sous une lumière crue de midi que sous un ciel couvert et doux. Précisez :
Indiquez au modèle quel type de caméra capturerait théoriquement cette scène. Cela ancre toute l’esthétique.
Termes utiles : focale de l’objectif (« 35 mm grand angle », « 85 mm portrait »), profondeur de champ (« f/1.8 faible profondeur », « f/11 mise au point profonde »), type de mouvement (« léger tremblement à l’épaule », « stabilisateur fluide », « trépied verrouillé »), et rendu argentique (« Kodak Portra 400 », « grain de 35 mm »).
Toutes les descriptions de mouvement de caméra ne se valent pas. Certaines sont interprétées de manière constante selon les modèles. D’autres sont ambiguës et produisent un comportement aléatoire.
Voici les termes de caméra qui donnent des résultats fiables sur la plupart des plateformes de texte vers vidéo :
| Terme | Ce qu’il fait | Idéal quand |
|---|---|---|
| Travelling avant lent | La caméra avance physiquement vers le sujet | Le sujet est immobile |
| Travelling arrière lent | La caméra recule et révèle l’environnement | Pour donner du contexte ou de l’échelle |
| Panoramique gauche/droite | La caméra pivote horizontalement sur un axe fixe | Pour montrer un espace large |
| Inclinaison haut/bas | La caméra pivote verticalement sur un axe fixe | Pour révéler une hauteur ou une profondeur |
| Plan de suivi | La caméra suit un sujet en mouvement | Le sujet est en mouvement |
| Plan en orbite | La caméra tourne autour d’un sujet | Pour mettre en avant un produit ou un personnage |
| Plan fixe verrouillé | La caméra ne bouge pas | Pour mettre en valeur le mouvement du sujet |
💡 Astuce pro : combinez au maximum un mouvement de sujet et un mouvement de caméra. Plus de deux mouvements simultanés amènent souvent les modèles à n’en retenir qu’un et à ignorer les autres, ou à produire un résultat instable.
Des modèles comme LTX 2 Pro et Hailuo 02 gèrent les instructions de mouvement de caméra avec une régularité particulière. Les deux sont disponibles sur PicassoIA.
C’est la section que la plupart des prompts traitent mal, et la corriger apporte l’amélioration la plus nette dans le résultat vidéo IA.
La génération de vidéos par IA n’est pas un simple rendu d’images fixes. Le modèle génère chaque image en fonction de la probabilité de ce qui vient ensuite. Votre prompt peut influencer ce déroulement temporel en étant structuré de manière chronologique.
Un peintre décrit ce qui est. Un réalisateur décrit ce qui se passe. Ces deux états d’esprit donnent des prompts complètement différents.
État d’esprit du peintre : « Un paysage de montagne avec de la neige et une brume matinale. »
État d’esprit du réalisateur : « Une brume matinale s’accroche à une vallée de montagne. Pendant plusieurs secondes, un rayon de soleil chaud franchit la crête et balaie lentement le fond de la vallée de gauche à droite, tandis que la brume commence à se dissiper. »
La seconde version indique au modèle la causalité et l’enchaînement temporel, et pas seulement l’apparence.
Les mots qui signalent un changement dans le temps incluent :
Ces formulations apprennent au modèle qu’il s’agit d’un événement temporel, et non d’une description statique.
Une erreur courante consiste à décrire deux états incompatibles en même temps. « Un personnage qui court vite pendant que la caméra dérive doucement » produit souvent un résultat instable, car un mouvement rapide du sujet et un mouvement lent de la caméra sont difficiles à harmoniser. Ralentissez le sujet ou adaptez l’énergie de la caméra au rythme du sujet.
L’éclairage est le point où la plupart des prompts restent trop génériques. « Lumière naturelle » ou « éclairage dramatique » n’apprennent presque rien au modèle.
| Formulation | Effet visuel |
|---|---|
| Heure dorée | Tons ambrés chauds, longues ombres horizontales, lumière douce et enveloppante |
| Heure bleue | Palette froide et peu saturée, lueur ambiante du ciel, profondeur d’avant l’aube |
| Ciel couvert diffus | Pas d’ombres dures, exposition uniforme, couleurs atténuées |
| Soleil de midi cru | Contraste élevé, ombres courtes, couleurs saturées |
| Silhouette à contre-jour | Sujet sombre sur fond lumineux, liseré de lumière en contour |
| Lumière volumétrique du matin | Faisceaux de lumière visibles dans l’atmosphère, aspect brumeux |
Ces formulations sont comprises par tous les grands modèles de texte vers vidéo, notamment Pixverse v5, Wan 2.7 I2V et Sora 2.
Ajoutez des éléments atmosphériques après votre description principale de la lumière :
Chacun de ces éléments ajoute du mouvement à la vidéo, au-delà du mouvement principal de votre sujet, et anime le cadre sans exiger une séquence d’action complexe.
Voici une comparaison directe pour voir concrètement l’évolution.
Prompt d’image : « Une femme en robe rouge debout dans un champ de tournesols à l’heure dorée, objectif 85 mm, faible profondeur de champ, Kodak Portra 400. »
Prompt vidéo pour la même scène : « Une femme en robe rouge se tient de dos à la caméra, au milieu d’un vaste champ de tournesols à l’heure dorée. Au fil du plan, elle lève lentement les bras vers l’extérieur, paumes tournées vers le haut, tandis qu’une brise douce commence à traverser les têtes de tournesol autour d’elle. La caméra effectue une lente orbite depuis l’arrière, vers son côté droit, et révèle son profil dans la dernière image. Une lumière latérale chaude venant du soleil bas à droite crée un fort contre-jour le long de sa robe et des tournesols les plus proches. Tourné en 85 mm f/1.8, faible profondeur de champ, grain Kodak Portra 400. »
Le prompt d’image décrit un état. Le prompt vidéo décrit un événement. Chaque phrase supplémentaire contrôle le comportement temporel, et pas seulement l’apparence.
Voici les schémas qui produisent régulièrement des vidéos faibles, avec leurs alternatives corrigées.
Erreur 1 : aucune directive de mouvement
Erreur 2 : indications de style contradictoires
Erreur 3 : trop de sujets
Erreur 4 : aucun état final défini
Erreur 5 : atmosphère générique
Les différents modèles répondent à différents styles de prompts. Voici ce qu’il faut savoir avant de générer.
Le modèle phare de ByteDance répond très bien aux structures de prompts cinématographiques et chronologiques. Sa prise en compte intégrée de l’audio signifie que les prompts atmosphériques décrivant la pluie, le bruit de la foule ou les sons ambiants produisent souvent un son synchronisé. Décrivez l’environnement sonore en détail.
Veo 3.1 de Google gère les scènes complexes à plusieurs éléments mieux que la plupart des modèles. Il tire profit d’un langage de mouvement de caméra explicite et réagit aux termes du langage cinématographique comme « plan d’ensemble », « plan de suivi » et « plan de réaction ». Il est performant pour les séquences narratives.
La version v3 de Kling est optimisée pour un rendu cinématographique en 1080p. Utilisez des descriptions d’éclairage très précises et un mouvement de sujet exact. Il gère particulièrement bien les mouvements lents et délibérés, et peine avec les prompts qui décrivent des mouvements simultanés et chaotiques.
Le modèle 2.7 de Wan gère le texte vers vidéo en 1080p avec une forte cohérence. Il profite de descriptions détaillées de l’environnement et répond bien aux détails architecturaux et naturels. Excellent pour les plans d’ensemble et la narration environnementale.
Le modèle de Lightricks privilégie la vitesse et la sortie en 4K. Utilisez des prompts concis et très précis. Les longs paragraphes diluent le signal. Concentrez-vous sur un sujet, un mouvement, un environnement et une condition d’éclairage.
Ray 2 de Luma excelle particulièrement dans les mouvements fluides et organiques. Les prompts décrivant des phénomènes naturels, comme l’eau, le feu, le vent ou la croissance organique, donnent ici des résultats étonnamment convaincants.
Après des tests sur plusieurs modèles, cette structure de prompt donne des résultats fiables :
[Sujet + position/état de départ] + [ce que fait le sujet pendant le plan] + [mouvement de caméra] + [détails de l’environnement/arrière-plan] + [spécification de l’éclairage] + [détails caméra/objectif] + [atmosphère]
Écrit sous forme de prompt complet :
« Une jeune femme aux cheveux bruns est assise à un bureau en bois, le menton posé sur une main, et regarde par une fenêtre striée de pluie. Au fil du plan, elle expire lentement et ses épaules se détendent, puis elle se penche pour refermer l’écran de son ordinateur portable. La caméra tient un plan américain fixe depuis le côté gauche de la jeune femme. Derrière elle, des gouttes de pluie ruissellent sur la vitre d’une grande fenêtre qui laisse voir un paysage urbain gris et flou. Une lumière de ciel couvert diffuse remplit uniformément le cadre depuis la fenêtre et projette des ombres douces sur la surface du bureau. Tourné en 50 mm f/2.4, grain Kodak Portra 400, une chaleur sonore discrète de l’ambiance de la pièce. »
Ce niveau de précision est accessible pour n’importe quelle scène en deux à trois minutes environ. Ce n’est pas compliqué. Il suffit de penser dans le temps plutôt que de manière statique.
PicassoIA propose plus de 87 modèles de texte vers vidéo réunis en un seul endroit, du générateur gratuit et illimité PicassoIA Video jusqu’à Sora 2 Pro, Gen 4.5, Seedance 2.0 et Kling v2.6.
Commencez par la formule ci-dessus. Choisissez une scène. Rédigez-la en entier en utilisant les cinq éléments. Générez d’abord avec le modèle gratuit pour tester la structure, puis passez au modèle premium de votre choix une fois que le mouvement et le timing vous conviennent.
Le premier résultat ne sera pas parfait. Ce n’est pas le but. L’objectif est de comprendre quel élément ajuster ensuite. La rédaction de prompts pour la vidéo IA est une compétence qui progresse vite, et la boucle de retour sur PicassoIA est assez rapide pour itérer plusieurs fois au cours d’une même session.
Votre meilleur prompt vidéo n’est qu’à une révision d’un prompt médiocre. Les modèles attendent.
Choisissez votre langue
