Comment écrire un prompt vidéo IA qui marche du premier coup

Bonjour, je suis Hugo, content lead chez Flami. Depuis un an, j'ai écrit plus de prompts vidéo que je ne saurais compter. La majorité est partie direct à la corbeille. Ce texte n'est donc pas une liste de formules magiques qui font obéir un modèle. Ça n'existe pas. C'est plutôt comment j'ai arrêté de cramer des crédits pour rien et commencé à obtenir un clip exploitable dès le premier ou le deuxième essai.

Voici l'idée centrale, si vous voulez vous arrêter là : un modèle ne devine pas ce que vous avez en tête. Il comble les trous que vous avez laissés. Et il les comble avec la moyenne de tout ce qu'il a déjà vu : fond plat, lumière uniforme, mouvement sans caractère. Plus vous laissez de place à son jugement, plus le résultat ressemble à n'importe quoi. Un prompt n'est pas une formule. C'est une consigne donnée à un opérateur qui vous prend au mot.

Avant d'écrire la moindre ligne

Pas du texte. Une image, dans votre tête.

Avant d'ouvrir le champ de saisie, je me décris une scène à voix haute. Ce qu'il y a au centre, ce qu'il y a autour, d'où vient la lumière, ce qui bouge. Si je n'arrive pas à formuler la scène moi-même, le modèle n'a aucune chance de l'assembler non plus. Ça paraît évident, pourtant c'est là que la plupart des prompts échouent. Quelqu'un tape « jolie vidéo d'une cafetière » et s'attend à de la magie.

Où est posée cette cafetière ? Sur un plan de travail, en studio, sur fond blanc ? La lumière vient-elle du soleil du matin par une fenêtre, ou d'un éclairage studio ? Est-elle immobile, ou en train de fonctionner, avec un filet de café qui coule dans une tasse ? La caméra est-elle fixe, ou tourne-t-elle autour de l'objet ? Ce sont ces réponses qui construisent le prompt.

Six éléments qu'aucun prompt ne devrait oublier

Je garde six catégories en tête. Pas besoin de toutes les détailler à chaque fois, mais quand un résultat part en vrille, c'est presque toujours parce que l'une d'elles a été zappée.

D'abord, le sujet. Ce qu'il y a dans le cadre, précisément. Pas « le produit », mais « une doudoune kaki avec une capuche surdimensionnée bordée de fausse fourrure ».

Ensuite, le décor. L'endroit où ça se passe. Une rue enneigée, un studio minimaliste, une table en bois près d'une fenêtre.

Troisième point, la lumière. C'est souvent ce qui fait toute la différence, et c'est ce que presque tout le monde oublie. Lumière douce et diffuse, contre-jour marqué, teinte chaude de coucher de soleil, néon froid. La lumière décide, à elle seule, si un plan a l'air cheap ou haut de gamme.

Le mouvement de caméra. Travelling avant lent, rotation à 360 degrés, panoramique latéral, trépied fixe. Sans précision, la caméra reste souvent plantée là, et le clip ressemble à une photo qui bouge un peu.

L'action. Ce qui se passe pendant ces quelques secondes. C'est là que les gens se sabotent le plus. « Le mannequin se tient debout » contre « le mannequin ajuste sa capuche, pivote d'un quart de tour, regarde l'objectif ». La deuxième version respire vraiment.

Et enfin, l'ambiance et le style. Cinématographique, cosy et fait maison, énergie publicitaire rapide, documentaire. Ça fixe le ton général.

Résumé simple : qui est dans le cadre, où il se tient, comment il est éclairé. Puis caméra et action. L'ambiance, je la verrouille en dernier, une fois le reste posé. L'ordre compte peu, mais aucune des six questions ne devrait rester sans réponse. Le trou que vous laissez, le modèle le remplit à sa façon, et rarement bien.

Un vrai prompt, avant et après

Voici un exemple concret tiré de mes propres tests. Produit : un sac à dos en cuir.

❌ Avant : « vidéo d'un sac à dos en cuir pour une pub »

Ce que j'ai obtenu : le sac flottant dans le vide sur fond gris, une légère oscillation, une lumière plate. Techniquement une vidéo. Fonctionnellement, bon pour la poubelle.

✅ Après : « Un sac à dos en cuir marron posé sur une table en bois près d'une fenêtre, lumière douce du matin venant de la gauche, on voit la texture du cuir et les coutures. La caméra tourne lentement autour du sac, plans serrés sur la fermeture éclair et les pièces métalliques. Sensation chaude et haut de gamme, comme une pub de grande marque. »

Le coût en crédits est identique. L'écart de qualité, lui, ne l'est pas. L'un est prêt pour une fiche produit, l'autre est bon à jeter. Et ce n'est même pas le plafond de ce qu'on peut détailler, j'y reviens tout de suite.

Les prompts longs gagnent, pas les courts

Je m'y suis moi-même trompé longtemps, et je tiens à corriger le tir parce que le mythe inverse circule partout. Beaucoup pensent qu'un prompt doit rester court sous peine de perdre le modèle. Dans mon expérience, c'est l'inverse : plus la scène est décrite avec précision, plus le résultat colle à ce que j'avais en tête, et moins le modèle improvise de son côté.

Un prompt court n'est pas « efficace et sobre ». C'est « plein de trous que le modèle comble avec quelque chose de moyen ». Et moyen, c'est exactement ce résultat gris et terne que personne ne veut. Un prompt détaillé de 150 à 200 mots, découpé seconde par seconde, bat systématiquement un prompt court dans mon expérience.

Voici un exemple concret du niveau de détail visé : une pub UGC pour un blender, découpée seconde par seconde, avec dialogue.

« Vidéo verticale style UGC, 15 secondes, esthétique filmée au smartphone. Une femme teste et met en avant un blender, pas une recette de cuisine, juste un vrai enthousiasme pour le produit.
0 à 2 s, accroche : elle tient la base graphite du blender près de la caméra à deux mains, les yeux grands ouverts, elle parle direct à l'objectif : « Ce blender a changé mes matins. »
2 à 5 s : elle passe un doigt sur le corps mat, appuie sur la molette unique, la tourne lentement, des points lumineux cuivrés s'allument autour. Elle incline la tête, impressionnée : « Une seule molette. C'est tout ce qu'il faut. »
5 à 8 s : elle soulève le bol en verre transparent, tape dessus avec un doigt plié, un son plein, montre les lames par-dessous : « Du verre, pas du plastique. On voit tout à l'intérieur. »
8 à 11 s : elle clipse le bol sur la base, met des fruits, appuie sur la molette, le blender démarre instantanément. Elle recule, montre l'appareil d'un geste : « Vous entendez comme c'est silencieux ? »
11 à 13 s : elle verse un smoothie, lève le verre vers la lumière, couleur riche, texture lisse : « Premier essai. Pas un morceau. »
13 à 15 s : elle prend une gorgée, regarde le blender, puis la caméra, et hoche la tête : « Ouais. Ça valait le coup. »
Style : avis UGC brut, vertical 9:16, lumière naturelle chaude, plan de travail propre, blender toujours visible, léger tremblement de caméra à la main, pas de texte à l'écran. »

Ça fait plus de deux cents mots, et chacun travaille pour le résultat. On voit la personne, ses gestes placés sur une timeline, le dialogue, la texture, la lumière, le comportement de la caméra. Le modèle n'a quasiment rien à inventer, puisque tout est écrit. C'est ce genre de prompt qui sort bon dès le premier ou le deuxième essai, pas au vingtième.

Toutes les vidéos n'ont pas besoin de ce niveau de détail. Un simple plan tournant autour d'un produit tient très bien en trois lignes. Mais quand vous voulez quelque chose de réellement marquant, c'est ce niveau qu'il faut viser.

Le prompt négatif : ce qu'il faut exclure

Tous les modèles ne le proposent pas, mais là où il existe, ça vaut le coup de s'en servir. C'est une liste de tout ce qui ne doit pas apparaître dans le cadre.

J'exclus presque toujours : les mains et doigts en trop, le texte déformé sur un emballage, le scintillement, le flou, les filigranes, cet aspect de peau cireuse et plastique. Pour les produits, j'ajoute « pas de logos étrangers », parce que l'IA adore coller une marque inventée sur le t-shirt d'un mannequin, et c'est exactement le genre de détail qui fait rejeter une fiche produit lors d'une vérification sur une marketplace.

Une réserve toutefois : un prompt négatif n'est pas une solution miracle. Si le prompt principal est confus, lister des exclusions ne réparera rien. Il faut d'abord corriger la partie positive.

Chaque modèle attend un prompt légèrement différent

Celle-là aussi, je l'ai apprise à la dure, après avoir écrit le même prompt pour chaque modèle bien trop longtemps.

Veo 3.1 de Google comprend bien le langage cinématographique. On peut lui écrire comme une feuille de plan de tournage : « contre-jour », « faible profondeur de champ », « objectif 50 mm ». Il génère aussi un son natif, donc ça vaut le coup d'intégrer des indications sonores dans le prompt : « on entend le tissu froisser », « bruit de rue en fond ». J'en parle plus en détail dans ce test.

Kling 3.0 excelle sur le mouvement et le texte posé sur un emballage. Il aide d'écrire les changements de plan clairement : « plan serré, puis plan moyen, puis plan large ». Il gère jusqu'à six images clés dans une seule génération, ce qui vaut le coup d'exploiter. Détail complet sur Kling ici.

Hailuo est le bon choix quand un visage doit réellement jouer. On écrit l'émotion directement : « un petit sourire, puis la surprise ». Wan 2.7 gère la physique mieux que tout le reste : si un produit doit fonctionner de façon crédible, blender qui tourne vraiment, perceuse qui perce réellement, il vaut mieux détailler la mécanique.

Runway est une bête complètement différente, pensée plutôt pour retoucher une vidéo existante. Là, le prompt est une instruction de modification : retirer cet objet, changer le fond, ajouter une lumière de coucher de soleil. J'ai écrit un article séparé sur Aleph.

Pas besoin de retenir tout ça par cœur. Gardez juste en tête que la même phrase ne produit pas le même résultat selon le modèle, et parfois un mauvais résultat n'est pas un mauvais prompt, c'est juste le mauvais modèle pour la tâche.

10 modèles de prompts à réutiliser

Ce sont des points de départ. Remplacez par votre produit et ajustez. Je les ai regroupés par catégories qui reviennent le plus souvent côté vendeurs.

1. Rotation produit (universel). « [Produit] sur [surface/fond], [type de lumière]. La caméra fait une rotation lente à 360 degrés, avec des plans serrés sur le détail. Ambiance studio propre. »
2. Démonstration de fonction (outils, électronique). « [Produit] en action : [action précise]. La caméra reste serrée sur le processus, le résultat est visible. Rythme énergique, netteté sur la fonction. »
3. Lifestyle (vêtements, beauté, accessoires). « Une personne utilise [produit] dans [cadre quotidien], lumière naturelle, gestes spontanés. Ambiance chaleureuse et quotidienne, caméra suit l'action sans rigidité. »
4. Unboxing (électronique, kits). « Des mains ouvrent la boîte du [produit], sortent le contenu, montrent ce qui est inclus. Plans en plongée et plans serrés. Fond propre, lumière douce. »
5. Macro texture (tissu, nourriture, matériaux). « Gros plan extrême sur [produit], texture et détail visibles. Mouvement de caméra lent, lumière latérale douce qui souligne la surface. »
6. Avant/après (cosmétiques, produits ménagers, soin de la peau). « [Produit] appliqué sur [surface/peau], résultat avant et après visible. Cadre propre, lumière homogène, focus sur le changement. »
7. Mise en avant mannequin (vêtements, chaussures). « Un mannequin portant [article] se retourne, montre la coupe, plans serrés sur les détails. Lumière studio ou extérieure, mouvement assuré. »
8. Effet appétissant (nourriture, boissons). « [Plat/boisson], présentation appétissante, [vapeur/gouttes/éclaboussures], lumière chaude. Mouvement de caméra lent, couleurs riches et saturées. »
9. Scène d'intérieur (déco, maison). « [Produit] dans un intérieur réaliste de type [pièce], lumière naturelle venant d'une fenêtre. La caméra avance lentement dans la pièce, ambiance cosy. »
10. Pub haute énergie (sport, gadgets, accessoires auto). « [Produit] utilisé, montage rapide entre plusieurs angles, mouvement énergique. Lumière contrastée, sensation de vitesse. »

J'ai réécrit chacun de ces modèles au moins vingt fois pour l'adapter à mes propres besoins. Prenez-les comme un point de départ, pas comme une règle gravée dans le marbre.

Les erreurs qui grillent des crédits pour rien

Ce n'est pas la longueur, c'est le fouillis. J'ai longtemps cru qu'un prompt trop long était le problème. En réalité, le vrai problème, c'est le désordre, pas le nombre de mots. Deux cents mots centrés sur une seule scène fonctionnent très bien. Mais entassez trois scènes sans lien, cinq ambiances et un changement de lieu dans un seul prompt, et le modèle s'étouffe. Décrivez une scène en profondeur, n'essayez pas de faire tenir toute une série dans un seul clip.

Les contradictions internes au prompt. « Caméra fixe » juste à côté de « rotation dynamique ». Le modèle choisira l'un des deux, ou produira un mélange bancal. Relisez-vous et repérez les incohérences.

Les abstractions au lieu d'une image. Des mots comme « premium », « qualité », « émotion » ne veulent rien dire pour un modèle. Il faut les traduire en quelque chose de visuel : premium devient lumière douce, texture à l'allure chère, caméra qui ne se presse pas.

Et celle que j'ai moi-même ignorée bien trop longtemps : ne pas abandonner après un mauvais résultat. Un prompt se construit par itérations, ce n'est pas un coup de dés unique. Générez, regardez ce qui cloche, changez une seule variable, relancez. N'allez pas tout réécrire d'un coup, sinon vous ne saurez jamais quel changement a réellement réglé le problème.

Où tester tout ça

Chaque modèle cité ici vit dans Flami sous une seule et même formule d'abonnement. C'est pratique, parce que vous pouvez faire tourner exactement le même prompt dans Veo, Kling et Wan, et observer en direct à quel point chacun interprète vos mots différemment. C'est à peu près comme ça que je choisis le modèle pour une nouvelle catégorie de produit.

Et si écrire un prompt de zéro n'est pas votre truc, le mode « Vidéo depuis une fiche produit » permet de coller le lien d'une annonce et de choisir un modèle déjà prêt. Le prompt est déjà écrit et testé, vous récupérez juste le clip. Mais si vous voulez garder la main et défendre votre propre idée de plan, prenez le temps de l'écrire vous-même. Ça en vaut la peine.

Essayer maintenant → flami.pro

FAQ

C'est quoi, un prompt vidéo IA ? C'est la description textuelle du clip que vous attendez d'un modèle : ce qu'il y a dans le cadre, l'allure de la lumière, le mouvement de caméra, ce qui se passe. En gros, une consigne donnée au modèle.

Un prompt doit faire combien de mots ? Le plus détaillé possible. Un prompt court finit comblé par des choix génériques et plats. Pour un résultat vraiment solide, un prompt de 150 à 200 mots, découpé seconde par seconde, avec dialogue et détails précis, c'est tout à fait normal. Le vrai risque, c'est de mélanger plusieurs scènes dans un seul prompt, pas la longueur en soi.

Un prompt sans vocabulaire technique, mais avec chaque détail écrit, ça fonctionne ? Oui, et même mieux. Être précis aide toujours plus que d'employer du jargon, donc des descriptions simples passent très bien à condition d'écrire chaque détail qui compte pour vous.

Pourquoi le modèle ne fait pas ce que j'ai demandé ? Trois coupables habituels : le prompt reste trop abstrait, il contient des contradictions, ou le modèle choisi n'est pas le bon pour la tâche. Commencez par transformer les mots abstraits en description visuelle concrète.

C'est quoi un prompt négatif ? Une liste de ce qui ne doit pas apparaître dans le cadre : doigts en trop, texte déformé, logos étrangers, scintillement. Tous les modèles ne le proposent pas, mais là où il existe, ça aide à nettoyer le résultat.

Sources

1. Flami : test de Veo 3.1
2. Flami : test de Kling 3.0
3. Flami : Runway Aleph, un éditeur vidéo sous stéroïdes