Générer le clip, c’était le plus facile

Il y a quelques semaines, nous expliquions que votre page Instagram n’est pas un site web. Cette fois, nous parlons de l’autre moitié de notre métier : la vidéo.

Cette semaine, nous avons réalisé deux courtes vidéos. La première, un Reel de 24 secondes pour un club de sport, montée à partir de huit vidéos tournées au téléphone et de trois photos. La seconde, un clip pour une chanson originale, avec une danseuse générée par IA. L’un de nous anime aussi une chaîne YouTube, Mira Makes, où certains de ces outils sont testés en public.

Nous pensions que la génération serait le plus dur. Pas du tout : chaque séquence générée arrivait en quelques minutes. Il a ensuite fallu quelques heures de plus, surtout passées en montage : couper, caler sur la musique, corriger de petites erreurs, refaire des versions. Le travail d’un monteur, en somme, avec quelques problèmes inédits en plus.

Monter sur le rythme

Le Reel est monté sur une chanson. Avant de poser le moindre plan, nous avons relevé la grille rythmique du morceau et l’instant de chaque coup de raquette dans le son des vidéos. Chaque coupe tombe sur un temps, et chaque frappe aussi, soulignée par un léger zoom.

Le choix du passage comptait tout autant. Le morceau dure un peu plus de deux minutes. Nous l’avons transcrit en horodatant chaque mot, puis nous avons gardé environ 24 secondes qui s’arrêtent juste après la fin d’une phrase. Enfin, nous avons transcrit la vidéo terminée pour vérifier que la dernière phrase n’était pas tronquée.

Un seul envoi au lieu de onze

Le Reel utilisait onze courts extraits tirés des huit vidéos, et nous voulions les passer en meilleure résolution pour le montage final. Plutôt que d’envoyer onze fichiers, nous avons mis les extraits bout à bout dans un seul fichier de 35 secondes, noté la première image de chacun, fait passer ce fichier dans Topaz en 1080p, puis nous l’avons redécoupé en onze grâce à ces numéros d’image.

Avant de nous fier à ce découpage, nous l’avons testé sur le fichier d’origine. Un extrait redécoupé correspondait à sa source à plus de 50 dB sur un test de similarité, alors qu’une paire volontairement fausse obtenait 17. Le fichier traité est revenu avec les mêmes 1 050 images qu’à l’envoi : les numéros d’image restaient donc valables.

Un défaut d’un quart de seconde, quatre tentatives

Dans le clip, un plan au coucher du soleil montre la danseuse qui s’éloigne. Pendant sept images, soit un peu moins d’un quart de seconde, ses jambes s’inversent.

Harout : Je l’ai repéré à 1:01, puis juste avant 1:19, quand le même plan revient au ralenti. C’est un tout petit défaut, quelques centièmes de seconde, mais la vidéo est meilleure sans.

Il a fallu quatre tentatives pour le corriger. D’abord, nous avons passé deux fois la première seconde, qui était propre. Ensuite, nous avons figé la dernière image propre, mais l’arrêt sur image est sorti vide et a décalé toute la suite ; nous l’avons donc refait à partir d’une image fixe enregistrée. Au ralenti, des images défectueuses se mélangeaient encore, puisqu’un ralenti fond chaque image avec la suivante : nous l’avons arrêté trois images plus tôt. Après chaque tentative, nous avons revérifié ce passage image par image.

Notre premier habillage

Le premier montage du Reel reprenait l’habillage d’une vidéo précédente : les images dans une arche, entourées de cartes.

Harout : En le regardant, j’ai demandé quelque chose de plus créatif qu’un design déjà utilisé. Au minimum, des raquettes et des balles.

Le deuxième montage tournait autour du tennis : images en plein cadre, écran partagé entre l’entraîneur et l’élève, photos posées comme des cartes sur un court dessiné, et une balle géante qui traverse l’écran entre les parties. En haut, nous avions aussi ajouté un tableau de score qui comptait les parties comme dans un match.

Harout : Je ne voyais pas ce que ce score venait faire là, et il cachait parfois la tête des joueurs.

Il est devenu un petit logo accompagné du nom de la partie, placé plus haut.

Obtenir une danse

Pour le premier plan dansé, nous avons décrit les mouvements voulus et donné au modèle (Seedance) six secondes du refrain, qui est rapide. Le résultat était rapide, et quelconque. Le ralentir à 70 % au montage a un peu aidé, et quelques courts passages figurent encore dans la version longue.

L’idée suivante est venue de Harout en relisant : donner la musique au modèle et le laisser danser dessus, plutôt que de lui dicter quoi faire. Nous l’avons essayée avec Wan, sur un passage lent au piano, avec une consigne courte qui lui demandait de danser librement sur la musique, sans liste de mouvements. Le résultat était fluide et gracieux, de même qu’une version ballet obtenue de la même manière. Les deux figurent dans la version longue. La version courte que nous avons publiée ne contient aucune danse.

Un créateur que nous suivons, AI Workflow Pro, faisait le même constat dans une vidéo récente sur le montage de longues vidéos avec l’IA : une consigne souple, qui fixait seulement le style et l’objectif, lui a donné un meilleur montage qu’une consigne détaillée. De notre côté, ce qui ne bougeait pas, c’était le personnage : une seule image de référence de son visage pour toutes les scènes.

Pouvoir refaire chaque version

À la fin, le script de montage du clip avait une option par variante : les scènes ajoutées, les corrections du défaut, le générique de fin, la chanson en entier. N’importe quelle version se refait de zéro en quelques minutes, et nous les avons toutes gardées : six de la version courte, trois de la longue.

À deux reprises, une modification du code a échoué sans arrêter le script, qui a sorti la vidéo inchangée sous un nouveau numéro de version. Les deux fois, l’erreur figurait dans le journal, et nous avons relancé le rendu avant que quiconque regarde la vidéo.

Ce que nous allons essayer

Deux idées tirées de cette même vidéo, et une à nous. Nous n’en avons encore testé aucune.

Faire regarder le montage final par un autre modèle, qui le décrirait comme un spectateur, au lieu de demander au modèle qui l’a fait de noter son propre travail.
Tester un court passage dans le style choisi avant de monter toute la vidéo.
Faire bouger la danseuse à partir d’une vraie vidéo de référence de quelqu’un qui danse. Nous avons voulu vérifier le prix, et le serveur a renvoyé une erreur.

Nous en reparlerons quand ce sera fait.

Envie de voir à quoi pourrait ressembler une courte vidéo pour votre entreprise ? Écrivez-nous sur WhatsApp ou à studio@sociaphase.com.

Sociaphase est un studio créatif et numérique basé à Montréal. Nous réalisons des sites web, de courtes vidéos et des contenus pour les réseaux sociaux des entreprises locales.

Un mot de Harout. Mon métier, c’est le logiciel, et j’ai passé l’essentiel de cette semaine à relire, pas à générer. À la fin, j’ai demandé à Claude Code de réunir tout ce qu’il avait appris en route dans un skill réutilisable, pour que la prochaine vidéo reparte de là où celle-ci s’est arrêtée. Les agents IA n’ont pas remplacé le jugement ; ils ont donné à une petite équipe les moyens d’agir dessus. C’est le sujet sur lequel je vais continuer à écrire.