De tous les ateliers de ce guide, celui-ci est le plus spectaculaire et le plus menteur. Les clips de démonstration qui circulent sont authentiques ; ce qu'on ne vous montre jamais, ce sont les vingt-quatre générations jetées pour chaque plan gardé.
Ce chapitre ouvre l'atelier vidéo avec les vrais chiffres et la vraie méthode, et il produit un livrable : le spot de lancement de Braise, la marque de café de Maya, la torréfactrice du chapitre 1. Au programme : Veo 3.1 en profondeur, hoox pour la pub e-commerce, l'avatar présentateur, et de quoi choisir sans se tromper.
La pub des NBA Finals : 2 000 dollars et un ratio de 1 sur 25
En juin 2025, une pub pour Kalshi passe à la télévision américaine pendant les NBA Finals. Premier spot entièrement généré par IA en diffusion nationale : un moment d'histoire publicitaire, et surtout une comptabilité que son réalisateur, PJ Accetturo, a publiée en détail sur X. La voici, en quatre chiffres.
- 300 à 400 générationsPour quinze plans gardés au montage. Le déchet n'est pas un accident de production : c'est la matière première du métier.
- 2 000 $ de coûts d'IAEnviron, pour un spot diffusé en prime time national. Soit 95 % de moins qu'une production classique.
- 2 à 3 jours de travailÉcriture des prompts, générations, tri, montage : le calendrier entier du spot.
- 1 génération gardée sur 25Le chiffre le plus important du chapitre. Celui qui espère son spot en trois prompts abandonne au bout d'une heure, furieux et un peu plus pauvre ; celui qui budgète le déchet livre. Tout ce chapitre sert à faire de vous le second.
La vidéo générative est diffusable en prime time, mais c'est un métier de déchet assumé : on génère beaucoup, on garde peu, on monte le reste.
Veo 3.1 en août 2026 : trois tiers, huit secondes, l'audio compris
Veo est le modèle vidéo de Google ; sa rupture de mai 2025, c'est l'audio natif synchronisé : dialogues lip-syncés (les lèvres suivent la parole), bruitages et ambiances générés avec l'image dans le même passage. En août 2026, la seule famille vivante est Veo 3.1, en trois tiers — trois versions du même moteur, de la finition chère au brouillon pas cher : Quality, Fast, Lite (Veo 3 et Veo 2 ont fermé le 30 juin 2026). Les specs qui suivent sont relevées en août 2026 sur la doc officielle de l'API Gemini.
- Clips de 4, 6 ou 8 secondesÀ 24 images par seconde, en 16:9 ou 9:16. La brique de base de tout montage.
- 720p par défautLa 1080p et la 4K sont réservées aux clips de 8 secondes, et la 4K n'existe pas en Lite.
- Extension de scène : +7 s par passeJusqu'à 20 fois, soit 148 secondes maximum, en 720p uniquement. La qualité tient bien 4 à 5 extensions avant de se dégrader.
- 3 images de référencePersonnage, produit, décor : elles guident la génération. On y revient, c'est le cœur de la cohérence.
- Première et dernière imageDonnez deux photos, Veo interpole : il construit le mouvement qui mène de l'une à l'autre.
| Tier Veo 3.1 | Prix et rôle (relevé en août 2026, doc de l'API Gemini) |
|---|---|
| Quality | 0,40 $ la seconde, soit 3,20 $ le clip de 8 s. La passe finale, jamais l'itération. |
| Fast | 0,10 $ la seconde en 720p, 0,12 $ en 1080p, soit 0,80 à 0,96 $ le clip. Le tier de travail. |
| Lite | 0,05 à 0,08 $ la seconde, pas de 4K ni d'extension. Les brouillons et le volume. |
Écrire un prompt vidéo : la formule officielle en cinq blocs
Un prompt vidéo n'est pas un prompt d'image qui bouge. La formule officielle de Google tient en cinq blocs, dans un ordre précis, et la caméra ouvre le bal parce que c'est elle qui fait le professionnel. Les voici, illustrés par le plan d'ouverture du spot Braise.
- [Cinématographie] La caméra d'abordDolly (travelling avant), tracking shot (la caméra suit le sujet), slow pan (panoramique lent), low angle (contre-plongée), shallow depth of field (arrière-plan fondu) : ce vocabulaire de directeur photo n'est pas du snobisme, c'est l'interface de pilotage du modèle. Le mouvement de caméra est la première information que Veo lit, et celle qu'il respecte le mieux.
- [Sujet] Quantifié, adjectivéPaquet noir mat, logo orange braise, grains au pied, vapeur derrière : chaque nom porte un adjectif concret. Ce qui n'est pas décrit sera comblé par du vraisemblable.
- [Action] Un mouvement par planCe que le sujet fait pendant les 8 secondes. Dans le plan Braise, l'action est minimale, la vapeur monte, la caméra avance : un plan porte une action, pas trois.
- [Contexte] La lumière fait le réalismeL'établi en noyer, la lumière latérale d'atelier, les poussières en suspension : c'est la lumière qui rend l'image crédible, pas le mot « cinematic ».
- [Style et ambiance] Un parti prisFilm 35 mm, léger grain : une référence précise vieillit mieux qu'un empilement de qualificatifs.
Le tout s'écrit en anglais, où Veo est nettement plus fiable. Le plan d'ouverture du spot Braise, tel que je l'écris :
« Slow dolly-in, shallow depth of field. A matte black coffee bag with an ember-orange logo stands on a walnut workbench, whole beans scattered at its base, steam rising from a ceramic cup behind it. Warm side light from a workshop window, dust motes in the air. Artisan aesthetic, shot on 35 mm film, slightly grainy. A woman's voice, warm and low: this batch, we roasted it slower. SFX: gentle crackle of cooling beans. Ambient noise: the low hum of a roastery. No subtitles, no captions, no text on screen. »
L'audio se prompte aussi, en trois couches
Puis vient ce que presque tout le monde oublie : l'audio ne s'improvise pas, il s'écrit dans le prompt, en trois couches explicites. Relisez la fin du prompt Braise, les trois y sont.
- Couche 1 · Le dialogueLa réplique s'introduit aux deux-points, sans guillemets : « A woman's voice, warm and low: this batch, we roasted it slower ».
- Couche 2 · Les effets (SFX)Les sons de l'action : « SFX: gentle crackle of cooling beans ».
- Couche 3 · L'ambianceLe fond sonore continu : « Ambient noise: the low hum of a roastery ». Une couche vide, et Veo invente à votre place, parfois des rires de studio.
- Bonus · Le découpage au temps près (timestamp prompting)Pour le multi-plans dans une seule génération, on horodate le clip : [00:00-00:02] plan moyen, [00:02-00:05] contrechamp, [00:05-00:08] plan large.
La cohérence : braise-hero-01.png entre en scène
Le problème numéro un de la vidéo générative multi-plans : le produit change subtilement d'un plan à l'autre. Le logo dérive, la teinte glisse, et l'œil du spectateur le sent avant de le comprendre. Veo 3.1 y répond avec Ingredients to Video : jusqu'à trois images de référence (personnage, produit, décor) maintenues à travers les plans. L'image la plus identitaire se place en premier, les styles des références restent homogènes, et on ne change qu'une variable à la fois.
C'est ici que Maya récolte ce qu'elle a semé. Au chapitre 6, nous avons créé la photo héros du paquet Braise et je vous ai fait ranger le fichier dans assets/refs/ sous le nom braise-hero-01.png, sans autre explication. C'était pour aujourd'hui : cette image est l'ingredient de chaque plan du spot. Le même fichier canonique, câblé dans chaque prompt, et le paquet reste identique du premier au dernier plan.
Deuxième levier, cumulable : la fiche produit redonnée mot pour mot dans chaque prompt (« matte black bag, ember-orange logo »), comme si Veo n'avait aucune mémoire, parce qu'il n'en a aucune.
Le sandwich de frames, mon geste préféré
Et puis il y a le geste que j'utilise sur presque tous mes plans produit : le sandwich de frames — la frame, c'est une image de la pellicule —, la version praticien du Frames to Video officiel. Trois gestes.
- Générer la frame 0Dans Nano Banana ou ChatGPT, parfois meilleur sur le rendu précis : l'image fixe s'itère vite et ne coûte presque rien.
- Générer la dernière frameDe la même façon. Je reprends ainsi le contrôle des deux extrémités du plan, là où l'itération est rapide et bon marché.
- Laisser Veo construire entreLe modèle reçoit les deux images et n'a plus qu'à interpoler le mouvement. En général, ça fonctionne très bien.
Le plan final du spot Braise, où la tasse fumante rejoint le paquet, est fabriqué exactement comme ça : deux images en tranches de pain, huit secondes de Veo au milieu.
La cohérence est une propriété du workflow, pas du modèle.
Le spot de 40 secondes, du script au montage
Un spot ne se génère pas, il se fabrique. La méthode qui suit est celle du réalisateur de la pub Kalshi, transposée au lancement de Braise : penser en plans, générer en lots, monter ensuite. Quarante secondes, cinq plans de huit secondes, et un budget connu avant la première génération.
- Le script en plansLe spot s'écrit comme une shot list, pas comme un paragraphe : cinq plans de 8 secondes, chacun avec sa fonction (accroche, produit, geste, preuve, appel).
- La shot list en prompts autonomesClaude convertit le script : chaque prompt redécrit tout (produit, lumière, style, trois couches d'audio), comme si Veo découvrait la marque à chaque plan. C'est le prix de la cohérence.
- Premier lot en FastCinq plans, deux variantes chacun, par lots de cinq maximum : dix clips en 720p à trier.
- Tri et re-promptsOn garde, on note ce qui cloche, on réécrit les prompts faibles (le prompt, pas la relance). Deuxième lot Fast sur les plans à reprendre.
- Montage à blancLes clips gagnants s'assemblent avec la voix off (ElevenLabs, chapitre 8) : le rythme se juge monté, jamais clip par clip.
- Finalisation QualityLes cinq prompts validés se régénèrent en Quality 1080p, deux prises chacun. Le spot est prêt, et la facture se lit ci-dessous.
| Poste du spot Braise | Coût API (relevé en août 2026) |
|---|---|
| Premier lot Fast · 10 clips 720p | 8 $, à 0,10 $ la seconde |
| Deuxième lot Fast · plans repris | Environ 8 $ |
| Passe Quality 1080p · 2 prises par plan | 32 $, à 0,40 $ la seconde |
| Total · une trentaine de générations, 5 plans gardés | Autour de 48 $ |
Un ratio d'environ 1 sur 6, parce qu'un spot social pardonne plus qu'un prime time ; visez la qualité broadcast et vous retrouverez le 1 sur 25 de Kalshi, avec un budget de 1 000 à 2 000 $. Dans mon studio, c'est l'agent qui orchestre tout le pipeline — il passe par l'API Gemini : une clé configurée une fois, facturée à la seconde générée, là où l'application Flow consomme les crédits de l'abonnement :
❯ claude ❯ Lis briefs/spot-lancement.md et découpe-le en 5 ❯ prompts Veo autonomes : chaque prompt redécrit tout, ❯ produit, lumière, style, audio compris. ❯ Réf : assets/refs/braise-hero-01.png en ingredient. · Claude lit le brief et la fiche produit... Shot list écrite : prompts/spot/01.md à 05.md. La fiche produit est reprise mot pour mot par plan. ❯ Lance les 5 plans en Fast 720p, 2 variantes par plan. · Claude appelle l'API Gemini, lot de 5... 10 clips reçus. Coût : 8,00 $. Tout est téléchargé dans sorties/spot/ : Veo efface ses serveurs sous 2 jours.
Huit dollars de cimetière
Le lot arrive. Maya ouvre sorties/spot/, et voici ce que huit dollars achètent réellement en vidéo générative :
- Plan 2, variante ALe paquet fond sur lui-même comme une bougie, logo compris.
- Plan 3, les deux variantesLa vapeur sort du logo, pas de la tasse.
- Plan 4, variante BUne main à six doigts traverse le champ pour saisir le paquet.
- Plan 5, variante ALa voix dit « roasted gently » là où le script disait « roasted it slower ».
Sept clips sur dix partent à la corbeille. C'est le seul moment du guide où Maya envisage sérieusement de fermer le terminal — et le moment le plus important du chapitre, parce que le premier lot d'un spot ressemble toujours à ça.
La méthode la rattrape à l'étape 4 : on ne relance rien, on note ce qui cloche plan par plan, on réécrit les prompts fautifs, et le deuxième lot Fast ne repart que sur les plans à reprendre. Le deuxième lot rattrape l'essentiel ; la passe Quality n'embarque que du validé. Relisez le premier encadré du chapitre : celui qui budgète le déchet livre. Maya vient de payer 8 $ pour comprendre la phrase ; le réalisateur de Kalshi en avait payé 2 000.
hoox.video : l'URL de la fiche produit devient une pub
Le spot de marque est monté, mais Maya voit déjà le chantier d'après : des pubs produit pour Meta, vingt accroches à tester, trois formats. Refaire vingt fois le travail du spot n'est pas un travail pour Veo, c'est un travail pour une usine — et c'est exactement ce que vend hoox.
Changement complet de philosophie, donc. hoox est une startup parisienne (fondée par Maxime Jegat) qui ne vend pas un modèle mais un résultat : là où les modèles génératifs raisonnent en clips de 8 secondes, hoox raisonne en publicité finie. Sous le capot, la plateforme fait tourner Kling, Veo 3.1 ou Seedance, facturés en crédits. Le pipeline, de l'URL à la pub :
- Coller l'URL de la fiche produithoox aspire (scrape) les images et la description : le brief, c'est la fiche.
- Le script s'écrit, orienté conversionAccroche, démonstration, appel à l'action : la grammaire de la pub, pas celle du film.
- Un avatar UGC prend le produit en mainUGC, pour user generated content : le contenu façon créateur. L'avatar est choisi pour être capable de tenir le produit face caméra, comme le ferait un vrai créateur.
- L'habillage completVoix, b-rolls, sous-titres, musique et appel à l'action.
- Une vidéo d'une à cinq minutesLivrée en deux minutes environ, prête à partir en campagne.
| Offre hoox | Prix et contenu (relevé en août 2026) |
|---|---|
| Start · 39 $ par mois | L'offre d'entrée : 200 crédits, vidéos d'une minute, 5 avatars personnalisés. Pro (79 $) ajoute le clonage vocal, l'API et le serveur MCP — le pont vers Claude Code. |
| Le piège de crédits | 16 crédits pour 30 secondes d'avatar Premium, 46 en Ultra, 150 pour un plan Veo 3.1 : les 200 crédits de Start font une poignée de vidéos, pas une campagne. |
| Pour Maya | Start à 39 $, les mois de campagne produit seulement : l'abonnement se coupe et se reprend. |
Détail qui compte pour les lecteurs de ce guide : le serveur MCP (dès le plan Pro) permet de piloter hoox depuis Claude Code, et l'académie gratuite en français y consacre un module.
L'honnêteté maintenant. hoox annonce un ROAS moyen de 4,0 (4 € générés pour 1 € de pub dépensé), un CPA — le coût par vente — en baisse de 45 % et environ 0,35 $ la vidéo : chiffres maison, sans audit tiers, comme le cas client Cheerz (brief le lundi, neuf vidéos en trois langues le vendredi). Les avis indépendants se comptent sur les doigts d'une main, les micro-expressions des avatars restent artificielles, les b-rolls de stock tombent parfois à côté.
Mon verdict : un pari français prometteur pour le volume publicitaire e-commerce, pas l'outil du film de marque. Le spot de Braise reste chez Veo ; les vingt accroches de Maya ont leur candidat.
L'avatar présentateur : HeyGen quand une personne parle à la caméra
Troisième famille, souvent confondue avec les deux autres : l'avatar parlant. HeyGen et Synthesia — le second pensé pour la formation interne des grandes entreprises — produisent des vidéos où un présentateur réaliste parle face caméra, avec un usage roi : la formation, les démos produit et le marketing localisé. On tourne une fois, on double en trente langues avec la synchronisation labiale, et c'est un problème que ni Veo ni hoox ne résolvent aussi bien. Pour un studio indépendant, le dossier HeyGen tient en trois points.
- Avatar V · le jumeau numériqueCréé à partir d'une quinzaine de secondes de vidéo, avec un cadre que je trouve exemplaire : consentement filmé et test de vivacité obligatoires avant toute création.
- Plus de 175 languesLa traduction avec synchronisation labiale : vos lèvres suivent, même en japonais.
- L'offre d'entrée et son piègePlan gratuit à 3 vidéos d'une minute par mois, Creator à 29 $ (600 crédits), Pro à 49 $ (1 000 crédits, export 4K), relevés sur la page de tarifs. Mais les Avatar IV et V coûtent 20 crédits la minute (3 pour l'ancien Avatar III) et la traduction lip-sync 5 : les 600 crédits de Creator fondent en une demi-heure d'avatar dernière génération.
L'avatar quand une personne parle à la caméra, Veo quand on filme un monde, hoox quand c'est de l'UGC e-commerce en volume.
Le spot de Braise filme un monde (un atelier, des grains, de la vapeur) ; le jour où Maya voudra présenter sa méthode de torréfaction en cinq langues, c'est un avatar qu'il lui faudra.
Quel outil pour quelle vidéo : les verdicts d'août 2026
Les comparatifs publiés en 2026 et mes propres tests convergent, à condition de raisonner par cas d'usage et non par classement absolu. Les challengers bougent vite (Seedance 2.x de ByteDance vers 0,14 $ la seconde, Hailuo en champion du prix plancher), mais pour un studio de contenu, cinq outils couvrent l'essentiel du terrain, et un sixième sort du jeu.
| Outil | Verdict (relevé en août 2026) |
|---|---|
| Veo 3.1 (Google) | La meilleure qualité globale : rendu proche du stock footage haut de gamme, physique des tissus et des cheveux, audio natif synchronisé. Dès 0,05 $ la seconde en Lite. |
| Runway | Le choix des marketeurs : références d'images, consistance des personnages, éditeur pensé pour le contenu de marque, et un rôle d'agrégateur (Veo, Kling, Seedance intégrés). De 12 à 76 $ par mois. |
| Kling 3.0 (Kuaishou) | Le meilleur rapport qualité prix : environ 0,10 $ la seconde en API, 4K natif, multi-plans de 15 secondes. Vigilance : les conditions concèdent à Kling une licence perpétuelle sur les contenus. |
| hoox | L'e-commerce clé en main : de l'URL produit à la vidéo UGC montée, avatar compris. De 39 à 149 $ par mois. |
| HeyGen | L'avatar présentateur : jumeau numérique depuis 15 secondes de vidéo, traduction lip-sync en plus de 175 langues. De 29 à 49 $ par mois en individuel. |
| Sora 2 (OpenAI) | Déprécié : application fermée en avril 2026, API coupée en septembre 2026. À ne plus recommander, ni utiliser dans un nouveau workflow. |
Les erreurs qui coûtent
Ce qui brûle le budget
- « Itérer en Quality : 3,20 $ le clip de 8 s, la facture s'envole avant le premier plan gardé »
- « Tout raconter en un seul clip de 8 secondes »
- « Laisser l'audio vide : Veo invente une ambiance, parfois des rires de studio »
- « Relancer le même prompt en espérant une variante : Veo est quasi déterministe »
Ce qui le préserve
- « Brouillons en Fast ou Lite, passe Quality réservée aux plans déjà validés »
- « Penser en plans de 4 à 8 secondes, monter ensuite »
- « Trois couches d'audio explicites dans chaque prompt : dialogue, SFX, ambiance »
- « Changer le prompt, une seule variable à la fois »
Quatre erreurs qui se paient en dollars ou en heures. Le grief de la communauté date du lancement de Veo 3 en 2025, quand la seconde coûtait 0,75 $ : « 6 $ les 8 secondes, c'est 360 $ la minute ». Le tarif Quality a presque été divisé par deux depuis, la parade est restée la même.
Questions fréquentes sur la vidéo générative
Comment faire une vidéo avec Veo 3 ?
En août 2026, Veo 3.1 s'utilise via l'application Flow de Google (50 crédits gratuits par jour, abonnement AI Pro à 19,99 $ par mois) ou via l'API Gemini pour l'automatisation. La méthode : écrire un prompt structuré (cinématographie, sujet, action, contexte, style, plus l'audio en trois couches), générer des clips de 4 à 8 secondes en tier Fast, garder les meilleurs, régénérer les plans validés en Quality, puis monter. Une vidéo longue est un montage de plans courts, pas une génération unique.
Combien coûte une vidéo IA ?
Chiffres relevés en août 2026 sur l'API Gemini : un clip Veo de 8 secondes coûte 0,40 à 0,64 $ en Lite, 0,80 à 0,96 $ en Fast et 3,20 $ en Quality. Le vrai coût est celui de l'itération : un spot social de 40 secondes revient à environ 48 $ d'API en comptant les générations rejetées, et une pub de niveau broadcast comme celle de Kalshi a coûté environ 2 000 $ pour un ratio d'une génération gardée sur vingt-cinq. Budgétez le déchet, pas le clip.
Qu'est-ce que hoox.video ?
hoox est une plateforme française qui transforme l'URL d'une fiche produit en vidéo publicitaire UGC : script orienté conversion, avatar qui tient le produit, voix, b-rolls, sous-titres et musique, pour des vidéos d'une à cinq minutes. Trois offres relevées en août 2026 : 39, 79 et 149 $ par mois, l'API et le serveur MCP (pilotable depuis Claude Code) à partir du plan Pro. Ses chiffres de performance sont des claims maison sans audit tiers ; l'outil vise le volume publicitaire e-commerce, pas le film de marque.
Les vidéos IA sont-elles autorisées en pub ?
Oui : la pub Kalshi est passée en télévision nationale américaine dès juin 2025. Mais le cadre s'est durci : depuis août 2026, l'AI Act européen impose la transparence sur le contenu synthétique, YouTube exige la divulgation pour le contenu réaliste généré, et le clonage d'une voix ou d'un visage réclame un consentement écrit. À noter aussi : les vidéos Veo portent un marquage SynthID indélébile, et le droit d'auteur d'une œuvre purement générée reste incertain.
La suiteLe spot est monté à blanc : cinq plans cohérents, le paquet identique du premier au dernier. Il n'y manque que l'essentiel — la voix qui portera la marque, la signature sonore qui restera dans l'oreille. Au chapitre 8, on règle les curseurs : diriger une lecture au tag près, cloner la voix de Maya, composer le jingle de Braise. Le spot va parler.
La suite par email
Recevez les prochains chapitres.
Les guides s'écrivent chapitre par chapitre et se révisent quand les outils bougent. Laissez votre email : un message à chaque publication ou révision majeure, rien d'autre.
Uniquement les publications des guides. Désinscription sur simple réponse.
Pour votre équipe
Ce guide existe aussi en formation.
Le guide donne la méthode, la formation l'installe : une à deux journées avec votre équipe, sur vos projets réels, avec un plan d'outillage à la fin.
Discutons de votre équipeDavid Silvera
Développeur mobile & web freelance · 15 ans · Android, iOS, React Native, Next.js
Ce guide est tiré de ma pratique : les vidéos, les visuels, la musique et les articles de mes projets sortent du pipeline qu'il enseigne, ce site compris. J'accompagne aussi les équipes qui veulent monter en compétence : audit de pratique, formation, mise en place d'outillage.