Blog
La plupart des « guides d'invite de l'IA » sont rédigés par des personnes qui ont généré peut-être dix vidéos. Ils vous disent d'être précis. Ils vous disent d'ajouter "Cinematic 4K". Ensuite, ils vous laissent bloqué au moment où votre sujet se transforme en un croquis de Cronenberg lors de la troisième tentative.
Par Gürsu Yaman · Fondateur, muvi.video ·
La plupart des « guides d'invite de l'IA » sont rédigés par des personnes qui ont généré peut-être dix vidéos. Ils vous disent d'être précis. Ils vous disent d'ajouter "Cinematic 4K". Ensuite, ils vous laissent bloqué au moment où votre sujet se transforme en un croquis de Cronenberg lors de la troisième tentative.
Une invite vidéo IA fonctionnelle fait quatre choses à la fois. Il nomme un sujet clair. Cela place ce sujet dans une scène avec une vraie géographie. Il indique à la caméra quoi faire. Et cela spécifie une ambiance ou un style auquel le modèle peut s'accrocher. Sautez n'importe lequel d'entre eux et vous espérez. Frappez les quatre et vous dirigez.
Ce guide est la version longue. Nous allons décomposer l'anatomie d'une bonne invite, les modèles qui fonctionnent dans Veo 3.1, Seedance 2.0 et Kling 3.0, les erreurs qui détruisent vos sorties, la boucle d'itération qui se compose réellement et les modèles que vous pouvez créer pour les courts métrages TikTok, les photos de héros de produits, les scènes de dialogue et le B-roll. Pas de superflu, pas de « déverrouillage de la créativité », pas de faux exemples. Exactement ce que nous avons appris en expédiant des milliers de clips IA.
Si vous êtes nouveau, commencez par comment créer des vidéos IA. Si vous souhaitez des recommandations de plate-forme, consultez notre liste des meilleurs générateurs vidéo IA. Sinon, allons-y.
Bouton CTA : > Essayez muvi.video gratuitement
Chaque bonne invite vidéo IA est construite à partir des six mêmes ingrédients. Vous pouvez en déposer un de temps en temps, mais les invites les plus fortes les incluent toutes et les classent à peu près dans cet ordre :
1. Sujet, qui ou quoi est dans le cadre 2. Scène, où ils se trouvent, ce qui les entoure, la géographie 3. Action / Mouvement, que se passe-t-il, qui bouge, comment 4. Caméra, angle, distance, mouvement, objectif 5. Éclairage, direction, couleur, ambiance 6. Style, référence visuelle ou signal esthétique
Voici une invite faible : "Un chef qui cuisine."
Voici la même idée construite à partir des six ingrédients :
"Un chef d'âge moyen vêtu d'un tablier bleu marine usé se tient devant une cuisinière en acier inoxydable dans un izakaya de Tokyo faiblement éclairé. Il retourne un petit morceau de poisson dans une poêle en fonte fumante ; le poisson s'incline une fois et atterrit à plat. Gros plan moyen à hauteur de poitrine, la caméra pousse lentement sur la poêle. La lumière chaude du tungstène venant d'en haut se mélange à la lueur bleue froide d'une fenêtre derrière lui. Objectif cinématographique, anamorphique, léger grain de film. "
La première version fait tout deviner au modèle. La seconde indique exactement où placer la caméra, comment le chef est éclairé et à quoi ressemble l'action, battement par battement. Des modèles comme Veo 3.1 ne récompensent pas les absurdités verbeuses, mais ils récompensent ce type de spécificité à plusieurs niveaux.
La règle empirique des 30 à 80 mots
Visez 30 à 80 mots pour la plupart des photos. En dessous de 30, vous êtes sous-dirigé. Au-dessus de 100, vous commencez à ressentir une fatigue rapide, les modèles abandonnent les éléments que vous avez écrits plus tard dans la phrase. Si votre scène a vraiment besoin de plus, divisez-la en deux clips et assemblez-les.
Certaines structures promptes se généralisent. Ils travaillent sur Veo 3.1, ils travaillent sur Seedance 2.0, ils travaillent sur Kling 3.0. Mémorisez-les et vous disposerez d’un échafaudage pour 80 % des plans dont vous aurez besoin d’écrire.
La valeur par défaut polyvalente. Utilisez-le lorsque vous ne savez pas par où commencer.
"Un labrador noir (sujet) sprinte dans une ruelle pavée humide (action + décor), travelling bas de côté au niveau du sol (caméra), reflets néon sur les flaques d'eau, palette de couleurs cyberpunk maussade (style)."
Idéal lorsque vous souhaitez que la caméra fasse un travail de narration.
"Grande prise de vue aérienne d'un village de montagne enneigé endormi à l'aube. La caméra descend lentement et avance à travers la rue principale, révélant finalement une seule fenêtre éclairée où un boulanger pétrit la pâte. Lumière rose tendre du lever du soleil, douces chutes de neige. "
La formule moment dialogue/personnage. Fort de Veo 3.1, il gère bien les scènes multi-temps et génère nativement de l'audio ambiant et des dialogues parallèlement à la vidéo (selon la documentation produit de Google, vérifiez sur la plateforme).
"Gros plan sur une femme lisant une lettre sur une table de cuisine en bois. Elle finit de lire, expire et ses yeux se lèvent. Lumière chaude de l'après-midi à travers une fenêtre derrière elle. Caméra statique, objectif 35 mm, faible profondeur de champ. "
Le cheval de bataille du commerce électronique. Fonctionne aussi bien comme invite texte-vidéo que comme invite image-vidéo avec une photo du produit jointe.
"Prise de vue en studio d'un étui pour écouteurs sans fil noir mat sur un socle en béton poli. Le boîtier pivote lentement de 90 degrés tandis que la caméra orbite dans la direction opposée. Lumière douce des touches en haut à gauche, lumière subtile du bord par derrière, atténuation profonde des ombres. Esthétique propre, minimale et haut de gamme. "
Pour les plans de coupe et les plans d'ambiance qui complètent un montage plus long.
"Plan macro d'un expresso remplissant lentement une petite tasse en céramique blanche. De la vapeur s'enroule vers le haut. Lumière chaude du matin depuis la fenêtre de gauche. Faible profondeur de champ, léger grain de film, pas de musique. "
Quand vous ne voulez pas de photoréalisme.
"Animation 2D dessinée à la main, style Studio Ghibli. Une jeune fille en imperméable jaune saute dans une flaque d'eau dans une rue pluvieuse d'un village. L'eau éclabousse au ralenti. Fonds aquarelles doux, palette pastel sourde, texture douce peinte à la main. "
Pour Veo 3.1 et tout modèle qui fait de l'audio natif.
"Deux amis sont assis l'un en face de l'autre dans un stand de restaurant. Celui de gauche dit : « Tout ira bien » doucement. L'autre hoche la tête mais ne parle pas. Lumière douce et chaude au plafond. Caméra statique moyenne à deux plans. Bruit ambiant du restaurant, faible bavardage, cliquetis de couverts lointains. "
Choisissez un modèle, remplissez les espaces, générez. Itérez à partir de là.
Les modèles se généralisent. Mais chaque modèle a sa propre personnalité, et les motivations qui le poussent vers un grand travail diffèrent. Voici ce que nous avons appris de l’utilisation quotidienne intensive des trois.
Veo 3.1 a été formé sur de nombreuses images tournées par des professionnels et cela se voit. Lorsque vous écrivez en termes cinématographiques «objectif anamorphique», «mise au point en rack», «dolly in», «éclairage principal à 3/4», «faible profondeur de champ», Veo traduit cela étonnamment littéralement. C'est également le seul modèle grand public qui gère bien l'audio natif, donc si votre plan a une conception sonore (dialogue, ambiance, SFX), Veo est celui qu'il vous faut. Résistez à l'envie de surcharger l'invite d'adjectifs, Veo préfère une direction structurée et spécifique à un mur d'ambiances. Pour une analyse approfondie de Veo 3.1, consultez notre guide complet Veo 3.1.
Seedance 2.0 prend en charge n'importe quelle durée de clip entière de 4 à 15 secondes, la plage la plus large du catalogue muvi.video. Lorsqu'une scène nécessite un arc de mouvement soutenu que le plafond de 8 secondes du Veo 3.1 ne peut pas adapter, Seedance est la solution. Il prend également en charge six formats d'image (1:1, 9:16, 16:9, 4:3, 3:4, 21:9) par rapport au 16:9/9:16 de Veo uniquement, donc pour les formats verticaux plus, carrés ou ultra-larges, il offre une plus grande marge de composition. La résolution est limitée à 720p (1440p sur la variante Start/End Frame), alors réservez Seedance aux scènes où la durée et la flexibilité du rapport hauteur/largeur comptent plus que la fidélité au niveau des pixels. La variante Omni-Reference accepte jusqu'à neuf références d'image, trois vidéo et trois références audio, utiles pour la continuité des personnages à travers une série de clips.
Kling est rapide, ce qui signifie qu'il est parfait pour l'itération. Mais c'est pire que Veo ou Seedance lorsque les invites deviennent longues ou techniques. Réduisez le vocabulaire cinématographique, limitez vos invites à moins de 50 mots et appuyez-vous sur des descriptions visuelles simples. Kling brille particulièrement sur les sujets humains, les visages expressifs et les clips rapides au format social. Si votre invite nécessite trois virgules pour décrire l'éclairage, vous écrivez pour Veo, pas pour Kling. Trois variantes sont disponibles : Text-to-Video, Image-to-Video et Kling O3.
Un raccourci : prototypez votre cliché sur Kling car c'est bon marché et rapide. Une fois le cadrage et le mouvement corrects, régénérez la version finale sur Veo 3.1 en utilisant l'invite que vous avez maintenant affinée. Le flux de travail à deux modèles vous fait gagner des heures.
Ce sont les modèles que nous voyons à maintes reprises dans les invites qui ne fonctionnent pas. Chacun est livré avec une mauvaise version et une réécriture.
Mauvais : "Une personne marchant dans une rue."
Correction : "Une femme d'une trentaine d'années vêtue d'un long trench-coat beige marche dans une rue étroite de Paris, les mains dans les poches."
Le modèle a besoin d'un visage à rendre. "Une personne" ne lui donne rien, elle choisira ce que suggère la moyenne de l'ensemble de données, et la moyenne est rarement intéressante.
Mauvais : "Un chien qui court dans un parc."
Correction : "Un golden retriever court du côté gauche du cadre vers la droite, à travers une large pelouse tachetée de soleil parsemée de feuilles d'automne, de grands arbres en arrière-plan."
Si le modèle ne sait pas où se trouve le sujet dans l'espace, le sujet finit par flotter. Donnez à la caméra une idée de la situation des choses les unes par rapport aux autres.
Mauvais : "La voiture s'éloigne."
Correction : "La voiture rouge s'éloigne de la caméra, accélérant au loin, la route s'incurvant légèrement vers la droite."
« S'éloigner » est ambigu. Vers la caméra ? Loin de là ? De côté? Indiquez au modèle le vecteur.
Mauvais : "Une vidéo magnifique, cinématographique, époustouflante et professionnelle d'un coucher de soleil."
Correction : "Une large photo statique du soleil se couchant derrière une rangée de pins sur une colline, le ciel passant de l'or au magenta foncé, time-lapse, 4K."
L'empilement d'adjectifs n'ajoute pas d'informations. Les mannequins ne peuvent pas distinguer « beau » de « magnifique ». Ils peuvent distinguer un plan large d’un gros plan.
Mauvais : "Anime photoréaliste dans un style documentaire noir des années 1950."
Correction : Choisissez-en un. Noir photoréaliste. Ou un anime inspiré du noir. Ne mélangez pas des esthétiques incompatibles, le modèle les fait la moyenne et vous obtenez de la boue visuelle.
Mauvais : "Une photo verticale de style TikTok, mais générée en 16:9, puis recadrée."
Correction : Générez dans le format d'image dans lequel vous publierez. Le modèle compose la photo pour la toile que vous lui donnez. Une photo 16:9 recadrée à 9:16 fait toujours perdre le sujet.
Mauvais : "Une scène de café." (sur Veo 3.1)
Correction : "Une scène de café. Bavardage ambiant, machine à expresso sifflant en arrière-plan, jazz doux jouant bas."
Veo 3.1 génère de l'audio, que vous le dirigiez ou non. Si vous ne le précisez pas, vous obtiendrez un lit ambiant générique. Passez deux secondes à lui dire à quoi ressemble la pièce.
Personne n’écrit une bonne invite du premier coup. Les créateurs qui obtiennent constamment de bons résultats ne sont pas plus talentueux, ils itèrent avec discipline. Voici la boucle qui fonctionne.
Utilisez l'un des modèles de la section 3. Ne pas encore optimiser. Réduisez simplement les six ingrédients.
Utilisez Kling 2.0 ou un autre modèle rapide. Vous n'essayez pas de produire le clip final, vous testez si le modèle a compris la scène.
Regardez le résultat et demandez : qu'est-ce qui s'est mal passé dans le modèle ? Était-ce le sujet ? La caméra bouge ? L'éclairage ? Soyez précis. "Ce n'est pas ce que je voulais" n'est pas un diagnostic.
C’est la discipline que la plupart des gens évitent. Si la caméra était erronée, modifiez uniquement la ligne de caméra. Si l'éclairage était erroné, changez uniquement la ligne d'éclairage. Si vous réécrivez l'intégralité de l'invite, vous ne pouvez pas savoir quelle modification a résolu le problème et vous ferez à nouveau la même erreur au prochain plan.
Enregistrez les invites qui fonctionnent dans un document, organisées par type, photos de produits, scènes de dialogue, paysages, moments de personnages. Lorsqu'un plan similaire apparaît plus tard, vous partez d'un échafaudage connu plutôt que de zéro. Après quelques semaines, vous disposerez d’une bibliothèque d’invites qui fera le gros du travail à votre place.
Une fois qu'une invite produit de bons résultats fiables sur le modèle rapide, régénérez la version finale sur Veo 3.1 Standard avec la même invite. La cinématographie reste la même ; la qualité de la production saute.
Cette boucle semble lente. Ce n'est pas le cas. Une fois que vous avez effectué trois ou quatre itérations dans un projet, c'est plus rapide que de deviner, et la qualité s'accroît car votre échafaudage s'améliore chaque semaine.
Différents livrables, différents échafaudages d’invite. Copiez-les, modifiez les parenthèses.
"[Le sujet dans une tenue intéressante] effectue [une seule action claire] dans [un cadre urbain ou naturel reconnaissable]. Cadrage vertical de style téléphone, ambiance énergique, lumière du jour vive, [palette de couleurs tendance]. Mouvement rapide, pas de ralenti. "
Remarques : les modèles verticaux composent mieux lorsque vous nommez explicitement le format. Gardez les actions simples, les clips verticaux n'ont pas de place pour les scènes à plusieurs temps.
"Plan large cinématographique de [sujet] dans [environnement]. Caméra lentement [pousser / reculer / orbite]. Lumière dorée de l'heure, objectif anamorphique, faible profondeur de champ, 4K. Conception sonore ambiante subtile. "
Remarques : 16:9 est l'endroit où Veo 3.1 brille. Utilisez ce format pour les ouvertures, les photos de héros et le B-roll.
"Prise de vue en studio de [produit] sur [surface]. Le produit [tourne / soulève / s'allume] lentement. Lumière douce de [direction], lumière du bord par derrière, atténuation profonde des ombres. Esthétique haut de gamme et minimale, personne, arrière-plan propre. "
Remarques : référencez l'image à la vidéo ici pour des photos précises de la marque. Verrouillez l'arrière-plan, les environnements simples et occupés détournent l'attention du produit.
"[Deux plans ou gros plan] de [Personnage A] et [Personnage B] dans [paramètre]. Le personnage A dit « [ligne] ». Personnage B [réaction]. [Éclairage]. Caméra statique, objectif 35 mm. Ambiante [ton de la pièce]."
Remarques : Veo 3.1 uniquement. D'autres modèles simulent mal le dialogue. Gardez les lignes courtes, les lignes longues ne sont pas synchronisées.
"Macro/gros plan de [objet ou détail texturé]. Subtil [mouvement : vapeur, ondulation, scintillement, balancement]. [Heure du jour]. Faible profondeur de champ. Pas de musique, ambiance uniquement."
Remarques : les clips courts semblent plus nets. N'étirez pas un plan B-roll au-delà de 5 secondes, l'IA commence à inventer le mouvement.
Vous trouverez ci-dessous cinq invites que nous avons testées sur muvi.video en utilisant Veo 3.1, Seedance 2.0 et Kling 3.0. Les descriptions de sortie sont qualitatives, votre génération variera en fonction de la version du modèle, de la nuance de l'invite et de la date. Considérez-les donc comme une illustration du type de sortie produite par l'invite, et non comme des résultats garantis.
"Grande photo aérienne d'un lac alpin vitreux au lever du soleil, brume dérivant bas sur l'eau, sommets enneigés reflétés à la surface. La caméra recule lentement et s'incline pour révéler la chaîne de montagnes. Lumière bleue douce et froide se déplaçant vers le rose chaud. Cinématographique 4K, anamorphique, pas de musique, vent ambiant. "
Type de résultat : une prise de vue de paysage cinématographique épurée. Le retrait et l'inclinaison vers le haut s'exécutent généralement bien sur Veo. Le mouvement de la brume semble naturel.
"Rotation lente à 360 degrés. Éclairage de studio, surface en béton poli, touche programmable en haut à gauche, bord subtil par derrière. Aucun mouvement de caméra, cadre central du produit." (Ci-joint : photo du produit d'une montre)
Type de résultat : une rotation fiable des héros du commerce électronique. Kling gère proprement les rotations courtes lorsque l'invite est courte.
"Une jeune femme vêtue d'un long manteau rouge traverse une place enneigée la nuit, la neige tombe abondamment. Elle s'arrête, lève les yeux et sourit. Lumière douce et chaude d'un réverbère, fond bleu froid. Travelling moyen depuis le côté, puis elle se tourne et l'appareil photo tient. Objectif 35 mm, faible profondeur de champ. "
Type de résultat : Moment de caractère multi-temps. Le plafond de clip de 8 secondes de Veo 3.1 s'adapte à la séquence « marcher, s'arrêter, lever les yeux, sourire » avec de la place pour faire atterrir chaque battement, et l'audio ambiant natif (légères chutes de neige, ton de la ville lointaine) s'imprime à côté de la vidéo sans passe de partition séparée.
"Photo macro de chocolat noir fondu versé lentement sur une fraise fraîche sur du marbre blanc. Lumière chaude au plafond, légère montée de vapeur. Faible profondeur de champ, reflet brillant sur le chocolat. Son de versement subtil, pas de musique. "
Type de résultat : Shot de nourriture croustillante. Le mouvement de coulée et la surface réfléchissante du chocolat sont là où le moteur physique de Veo 3.1 porte ses fruits.
"Animation 2D peinte à la main, style aquarelle. Un petit renard entre prudemment dans une clairière dans une forêt profonde au crépuscule. Des lucioles dérivent autour de lui. Palette sourde, contours doux, texture douce dessinée à la main, vent ambiant et insectes lointains. "
Type de résultat : un clip stylisé avec un travail de lignes cohérent. Kling 3.0 gère l'esthétique du mouvement stylisé, la texture aquarelle peinte à la main atterrit de manière plus fiable ici que sur les modèles photoréalistes.
Remarque sur la reproductibilité : les modèles vidéo IA changent fréquemment et la même invite exécutée sur le même modèle à six mois d'intervalle peut produire un résultat sensiblement différent. Traitez les invites comme des échafaudages et non comme des recettes exactes.
Q1 : Dois-je écrire des invites vidéo IA de la même manière que j'écris des invites à mi-parcours ? Non. Les invites Midjourney fonctionnent sous forme de listes de balises séparées par des virgules ("femme, manteau rouge, cinématique, 4k, --ar 16:9"). Les modèles vidéo fonctionnent bien mieux avec des phrases complètes décrivant l’action, le mouvement et le temps. Écrire une vidéo vous demande la façon dont vous décrivez un plan à un directeur de la photographie, et non la façon dont vous marqueriez une image fixe.
Q2 : Pourquoi mon invite produit-elle des résultats différents à chaque génération ? Les modèles vidéo IA utilisent des graines aléatoires, de sorte que chaque génération est un nouveau lancer de dés avec votre invite comme contrainte. Même la même invite exécutée deux fois produira des résultats différents. La plupart des plates-formes vous permettent de verrouiller une graine si vous avez besoin de reproductibilité, ce qui est utile lorsque vous souhaitez tester des changements rapides sans que le bruit de la graine ne vous gêne.
Q3 : Quelle doit être la durée d'une invite vidéo IA ? 30 à 80 mots constituent la solution idéale pour la plupart des modèles. Moins de 30 ans et vous êtes sous-dirigé, le modèle comble les lacunes avec des valeurs par défaut génériques. Au-dessus de 100 et vous rencontrez une fatigue rapide, où le modèle commence à ignorer les éléments (généralement ceux que vous avez écrits en dernier). Pour Kling 3.0, restez plus proche de 30 à 50 mots. Pour Veo 3.1 et Seedance 2.0, vous pouvez pousser vers 80.
Q4 : Dois-je inclure la langue de la caméra dans mes invites ? Oui, surtout sur Veo 3.1. « Dolly in », « mise au point en rack », « faible angle », « objectif 35 mm », « anamorphique », tout cela se traduit par le comportement réel de la caméra que le modèle peut restituer. Kling est moins sensible au vocabulaire cinématographique, donc chez Kling, tenez-vous-en à des descriptions plus simples comme « la caméra se déplace lentement vers le sujet ».
Q5 : Les invites négatives fonctionnent-elles sur les modèles vidéo IA ? Parfois. Veo 3.1 et Seedance 2.0 répondent à une simple négation (« pas de personne en arrière-plan », « pas de texte à l'écran », « pas de musique »). Ils ne répondent pas de manière fiable à une négation abstraite comme « pas flou » ou « pas d'artefacts », celles-ci sont ambitieuses et non orientables. Utilisez les négatifs avec parcimonie et pour des choses spécifiques que vous pouvez nommer.
Q6 : Puis-je réutiliser la même invite sur différents modèles ? Surtout, oui. Les modèles de la section 3 sont indépendants du modèle. Mais vous obtiendrez de meilleurs résultats si vous ajustez par modèle, supprimez le vocabulaire cinématographique pour Kling 3.0, penchez-vous sur la flexibilité de la durée et du rapport hauteur/largeur pour Seedance 2.0, ajoutez la direction audio et les termes cinématographiques pour Veo 3.1. Même échafaudage, modifications légères.
Q7 : Existe-t-il une « bonne » manière de combiner les invites texte-vidéo et image-vidéo ? Pour l'image vers la vidéo, l'invite n'a qu'à décrire le mouvement souhaité, l'identité visuelle est déjà dans l'image. Gardez les invites image à vidéo courtes (10 à 30 mots) et concentrées sur ce qui doit changer ou bouger. De longues invites descriptives lors de la conversion image-vidéo peuvent combattre l'image de référence et produire des résultats confus.
Les créateurs qui obtiennent une sortie vidéo IA fiable et de qualité n’écrivent pas d’invites magiques. Ils utilisent les mêmes six ingrédients, la même poignée de modèles et une discipline consistant à modifier une variable à la fois. C'est ça. Une fois que vous avez constitué une bibliothèque d'invites personnelle, quelques dizaines d'échafaudages organisés par type de plan, vous arrêtez de repartir de zéro et la qualité de votre sortie s'améliore de semaine en semaine.
Ouvrez muvi.video, choisissez un modèle, rédigez une invite en utilisant l'un des modèles ci-dessus et itérez. Le premier ne sera pas parfait. Le dixième sera génial. Le centième sera dans votre bibliothèque et vous ne l'écrirez plus jamais à partir de zéro.
Bouton CTA : > Commencer à créer des vidéos IA
Dernière mise à jour : mai 2026. Nous mettons à jour ce guide à mesure que les modèles changent et que nous apprenons de nouveaux modèles issus du travail de production.
La plupart des « guides d'invite de l'IA » sont rédigés par des personnes qui ont généré peut-être dix vidéos. Ils vous disent d'être précis. Ils vous disent d'ajouter "Cinematic 4K". Ensuite, ils vous laissent bloqué au moment où votre sujet se transforme en un croquis de Cronenberg lors de la troisième tentative.