On dit souvent que le montage, c’est 80 % du temps de production d’une vidéo. C’est vrai, mais les 20 % restants coûtent cher aussi : se filmer, rater la prise, recommencer, gérer le son, la lumière…
Dans cet article, je vous montre le workflow complet pour créer un short vidéo face caméra avec l’IA, sans jamais allumer la caméra, en un seul jet. Il faudra être tolérant : je vous partage le résultat plus bas, sans retouche.
Avant de passer au concret, un mot sur ce qui a changé ces derniers temps. La performance des LLM a énormément progressé (Opus 5.5, Astra), et avec elle les outils de création et de montage vidéo (avatar, voix, vidéo).
Un exemple ici sur l’évolution sur les dernières années de la vidéo :
Voici les 6 étapes pour créer un short :
Préparer une seule fois son avatar et sa voix clonée
Il y a une préparation unique à faire : créer l’avatar, cloner la voix, installer les outils, ranger les clés API. Ça prend un peu de temps au début mais une fois que c’est fait, vous pouvez vous concentrer sur le reste, à savoir vous donnez un sujet, vous validez quatre décisions, vous récupérez un MP4. Quelques minutes de votre temps.
L’avatar IA sur HeyGen, filmé une seule fois
On se filme d’une traite, 30 secondes minimum, 2 minutes conseillées, sur HeyGen. J’ai gardé un plan gratuit pour cette démo.
Attention à la qualité de votre caméra : j’ai tourné avec celle de mon Mac, en qualité plutôt basse. Pensez aussi au format cible. Le format initial est en paysage, et pour un short en 9:16, HeyGen recadre au centre. Vous perdez alors de la netteté (c’est exactement ce qui nous est arrivé).
J’avais détaillé le sujet des avatars dans ce comparatif des avatars IA, je ne reviens pas dessus.
Cloner sa voix avec ElevenLabs
Le clone vocal intégré à HeyGen est moyen. On passe donc par ElevenLabs, puis on importe l’audio.
Deux façons de cloner :
- Clone instantané : 1 à 2 min d’audio, prêt en quelques minutes. Ressemblance correcte, pas plus. Pour tester.
- Clone professionnel : 30 min d’audio minimum (1 à 2 h conseillées), plusieurs heures d’entraînement, vérification de votre voix en lisant une phrase. C’est celui qu’on a gardé pour le short.
Produire le short : la voix clonée envoyée à HeyGen
Quand la voix clonée est prête, Claude rédige le script puis passe par ElevenLabs pour obtenir un MP3. On envoie directement ce MP3 à HeyGen, qui synchronise les lèvres de l’avatar dessus.
Côté coût, on paie à la minute produite : 48 crédits/min en Avatar V (environ 1,45 $ sur l’offre Creator pour notre short).
Le montage vidéo avec HyperFrames
Ici on utilise HyperFrames, le framework open source de HeyGen. Le principe : on écrit du HTML, on obtient une vidéo. Tout tourne en local, gratuitement, inclus dans votre abonnement Claude Code.
J’en avais parlé en détail dans mon article sur le montage vidéo avec Claude Code.
Le point intéressant : l’agent n’attaque pas le montage directement. Il transcrit l’audio au mot près, puis écrit un plan d’habillage dans un fichier, avec tous les éléments de l’image à l’instant t :
Il nous présente les décisions à trancher, chacune avec sa recommandation. Rien n’est construit, rien n’est payé tant qu’on ne valide pas.
La boucle de vérification avec /goal
On fixe une condition de fin avec la commande /goal. L’agent monte, exporte, prend des captures de son propre rendu, les regarde, repère ce qui cloche et recommence. En autonomie.
Sur notre short, il a détecté que le titre n’apparaissait pas sur la première image et a relancé le rendu tout seul. Il a tourné une petite heure pendant qu’on faisait autre chose.
Pourquoi Claude Code plutôt que le chat pour créer un short ?
Parce que le chat ne prend pas la vidéo en pièce jointe, et Claude ne lit pas une vidéo.
Et c’est tout le problème. Un short n’est pas un texte, c’est une arborescence de fichiers qui dialoguent entre eux. Un MP3 de voix off, un MP4 d’avatar, une transcription horodatée au mot près, un plan d’habillage en Markdown, trois plans de B-roll, des bruitages, et le fichier de montage qui appelle tout ce petit monde.
Chaque piste ci-dessus est un calque HTML, et chaque étape laisse un fichier que la suivante relit. Si on schématise :
Gardez en tête que la vraie valeur n’est plus dans le modèle. Elle est dans le workflow, les skills et la boucle de vérification.
Le short vidéo IA brut, sans retouche
Voici le résultat brut, lancé depuis Claude Code, sans aucune retouche. Un short vertical de 37 secondes, avec sous-titres animés, trois plans de B-roll générés, de la musique et 37 bruitages. Mon visage et ma voix du début à la fin, sans avoir allumé la caméra une seule fois.
Alors oui, c’est un premier jet, avec des limites et des choses qui ne marchent pas bien. Mais honnêtement, à l’écran ça tient. Le fil visuel est cohérent, le rythme est bon. Si vous ne savez pas que c’est généré, pas sûr que vous le voyiez.
Combien coûte un short vidéo IA, et ce qui a raté
Le coût réel du short : 0,37 $ au total.
- B-roll sur fal.ai : 0,36 $, trois plans gardés du premier coup
- Voix ElevenLabs : 0,01 $
- Avatar HeyGen : gratuit dans notre cas, le plan Free offre 3 vidéos (sinon environ 1,45 $)
- Musique et bruitages : 0 €, bibliothèque HeyGen et HyperFrames
- Montage, transcription, détourage : 0 €, tout en local
Ce qui a raté, c’est la qualité de l’avatar. Le plan gratuit de HeyGen refuse le 1080p : on a tourné en 720p avec filigrane, avant d’agrandir en local. Mes avatars étaient filmés à l’horizontale, d’où une perte de netteté au recadrage vertical.
Il y a aussi des améliorations possibles sur la voix. Nous n’avons pas utilisé le dernier modèle d’ElevenLabs, v4, indisponible en clonage de voix au moment du test.
Les limites, aujourd’hui :
- Qualité des vidéos : les avatars décrochent sur les plans longs, et le B-roll généré sent encore l’IA.
- Goût : sans direction artistique ni référence visuelle, on obtient vite du slop. Les one-shots viraux que vous voyez passer reposent tous sur un skill préparé en amont et une idée qui fonctionne.
- Droits : pour cloner une voix ou un visage, il faut un accord écrit précis (support, objectif, durée). Et un contenu 100 % généré n’est pas protégeable aux États-Unis, selon le rapport du Copyright Office de janvier 2025.
- Plateformes : YouTube, TikTok et Instagram imposent la mention du contenu généré par IA, et l’AI Act prévoit des obligations de métadonnées et de mention pour les deepfakes.
Faut-il créer ses shorts vidéo avec l’IA ?
Ce qui m’a frappé en faisant ce test, ce n’est pas la technique. C’est que la compétence rare a changé de place.
Sur les dernières années, savoir monter une vidéo était une barrière. Elle est en train de tomber. Ce qui reste, c’est savoir ce que vous voulez raconter, et savoir le décrire assez précisément pour qu’une machine l’exécute.
Autrement dit, le goût, le point de vue, la direction artistique. Les trucs qu’on ne délègue pas.
Alors testez. Prenez un après-midi pour créer votre avatar et cloner votre voix. Ensuite, chaque short vous coûtera un prompt et quelques minutes d’attention.
