J'ai un monteur vidéo. Il n'a jamais ouvert CapCut.

J’habite au rez-de-chaussée.

Pas par hasard. Pas parce que c’était moins cher. Parce que j’ai fait le calcul.

Quatre aller-retours par jour. Appeler l’ascenseur, attendre, monter, redescendre : trois minutes à chaque fois, en étant gentil. Douze minutes par jour. Soixante-treize heures par an.

Presque deux semaines de travail. Passées debout dans une boîte en métal.

Alors quand j’ai cherché un appartement, la question n’était pas la vue. C’était : est-ce que je peux sortir de chez moi sans attendre quoi que ce soit.

Je te raconte ça parce que ce réflexe-là, compter les minutes qui ne servent à rien, c’est ce qui structure tout ce que je fais. Et parce que pendant des mois, j’ai perdu exactement le même nombre d’heures sur quelque chose que je n’avais jamais pensé à compter.

Les 20 € de CapCut n’étaient pas le problème

Je faisais mes vidéos comme tout le monde. CapCut, l’abonnement à une vingtaine d’euros par mois, la timeline, la souris.

Le montage, ça allait. C’est ce qui venait après qui me tuait.

Tu exportes. Tu ouvres TikTok. Tu écris un titre, une description, tu cherches des hashtags. Tu ouvres Instagram. Tu réécris le titre, parce que ce qui marche là-bas n’est pas ce qui marche ici. Tu remets des hashtags. Tu ouvres YouTube. Tu recommences. Une troisième fois.

Même vidéo. Même contenu. Trois fois le même travail administratif.

Prends vingt minutes par plateforme, ce qui est honnête quand tu réfléchis vraiment à ta légende. Trois plateformes, ça fait une heure par vidéo.

Et je publie une vidéo par jour.

Trois cent soixante-cinq heures par an. Neuf semaines de travail. Cinq fois mon ascenseur, pour du copier-coller de hashtags.

Sauf que celui-là, je ne l’avais jamais compté. C’est ça qui est vicieux avec les tâches récurrentes : chaque occurrence est trop petite pour te révolter. Vingt minutes, tu ne vas pas en faire un drame. C’est l’accumulation qui te vole ton année, et l’accumulation, tu ne la sens jamais passer.

Le déclic : et si une vidéo n’était pas un fichier ?

Le vrai problème d’une timeline, c’est qu’elle n’existe que sous ta souris.

Tu ne peux pas la relire. Tu ne peux pas la versionner. Tu ne peux pas demander à quelqu’un d’autre de la reprendre exactement là où tu l’as laissée. Et surtout : tu ne peux pas l’automatiser, parce qu’il n’y a rien à automatiser, il n’y a que des gestes.

Alors j’ai changé de support. Aujourd’hui mes vidéos ne sont pas des projets de montage. Ce sont des pages web.

J’utilise HyperFrames, un moteur open source de HeyGen. Tu écris du HTML, du CSS, un peu de JavaScript, et ça te sort un MP4. Chaque plan est une div, chaque animation une transition, chaque durée un attribut. Le rendu est déterministe : le même code produit exactement la même vidéo, image par image, à chaque fois.

Et à partir du moment où une vidéo est du texte, tout change. Elle se versionne. Elle se relit. Elle se corrige en une ligne.

Et un agent peut la monter.

Ce que mon monteur a dû apprendre

C’est là que ça devient intéressant. Parce qu’une IA qui coupe proprement, ça fait une vidéo horrible.

Voici les règles que j’ai dû lui écrire, une par une, à force de regarder des rendus ratés.

1. Ne coupe pas tous les « euh ».

C’est la première chose que fait un monteur débutant, humain ou pas : supprimer chaque hésitation, chaque respiration, chaque mot en trop. Le résultat est parfaitement fluide et parfaitement inhumain. On sent la machine sans savoir pourquoi.

Donc la consigne est explicite : on en garde. Pas tous, quelques-uns. Ceux qui tombent avant une idée un peu difficile à dire. C’est exactement ce qui fait croire au spectateur qu’il regarde quelqu’un penser.

2. Les sous-titres vivent dans la zone sûre.

Sur un format vertical en 1080×1920, mes sous-titres sont bloqués à 90 pixels des bords et remontés à 510 pixels du bas. Le bas du bloc tombe donc vers 1410 pixels.

Pourquoi si haut ? Parce que le dernier tiers de l’écran ne t’appartient pas. C’est là que la plateforme colle le pseudo, la légende, les boutons de partage, la musique qui défile. Un sous-titre écrit à 100 pixels du bas est un sous-titre que personne ne lira jamais.

3. Un titre en haut, style POV.

Une ligne, posée dans le premier tiers, jamais collée au bord haut — sinon elle passe sous l’encoche ou l’heure. Elle donne le contexte à quelqu’un qui arrive au milieu de la phrase, et c’est ce qui décide s’il reste.

4. Deux à quatre mots par sous-titre. Jamais plus.

Au-delà, le spectateur se met à lire au lieu d’écouter. Mes sous-titres sont générés mot à mot puis regroupés en petites cues. Sur la dernière vidéo verticale : 44 secondes, 24 sous-titres.

5. Un mot en couleur par phrase, pas trois.

Un mot-clé en ambre au milieu d’un bloc blanc, l’œil l’attrape. Trois mots en ambre, l’œil abandonne.

6. Le mot-clé jamais en fin de cue.

Détail bête, effet réel : le dernier mot d’un sous-titre disparaît à l’instant même où il devrait frapper, parce que la cue suivante arrive. Le mot qui compte se place au milieu.

7. Coupe sur la respiration, pas sur le mot.

Un cut au ras de la syllabe, ça s’entend. On laisse environ 150 millisecondes d’air avant l’attaque du mot suivant. C’est inaudible consciemment et ça change tout inconsciemment.

8. Un silence protégé par vidéo.

Le reste peut être serré au maximum, mais il faut garder un blanc, environ 400 millisecondes, juste avant la punchline. Une vidéo sans respiration n’a pas de punchline : elle a une suite de phrases.

9. Sans bruitages, un montage nerveux a l’air inachevé.

C’est écrit noir sur blanc dans ma méthode : un montage à coupes serrées sans bruitages se lit comme un montage non fini. Un whoosh sur la transition d’intro, un petit clic sur l’apparition d’un élément, et la même image passe d’amateur à propre.

Corollaire : un seul whoosh par vidéo. Le même bruitage six fois, c’est la signature sonore d’un template.

10. Le premier plan doit bouger avant la première seconde.

Un titre qui claque, un zoom, un cut. Peu importe. Ce qui compte, c’est que rien ne soit immobile au moment où le pouce du spectateur hésite.

11. Sur un plan fixe, un zoom lent d’environ 1 % par seconde.

Personne ne le remarque. Tout le monde le ressent. C’est la différence entre un talking-head qu’on regarde et un talking-head qu’on scrolle.

12. Les yeux au tiers haut du cadre.

Pas au centre. C’est le seul recadrage qui sépare un selfie d’un plan.

13. Un hook identique, une légende par plateforme.

C’est le seul endroit où le copier-coller est interdit — et c’est justement celui où je le faisais à la main.

Le piège : rendre à l’aveugle

La règle la plus chère que j’aie apprise n’a rien à voir avec le montage. Elle a à voir avec la patience.

Une vidéo dense met parfois une heure à se rendre. Une heure pendant laquelle tu ne vois rien. Et au bout de l’heure, tu découvres que ta bande-son est muette parce qu’une balise audio n’avait pas d’identifiant, ou qu’un titre parfaitement écrit est caché derrière un plan de coupe.

Donc plus jamais de rendu à l’aveugle. Avant de lancer quoi que ce soit :

• une vérification automatique qui doit renvoyer zéro erreur — c’est elle qui attrape la bande-son muette et le texte masqué ;
• une planche de captures prises à différents instants de la vidéo, que je regarde vraiment, au lieu de faire confiance au code ;
• et tant que je travaille encore l’histoire, un rendu volontairement dégradé à douze images par seconde. Deux fois plus rapide, moche, et parfaitement suffisant pour juger si le récit tient.

On ne juge pas une histoire à sa qualité d’image. C’est en acceptant de regarder des rendus laids que je livre des vidéos propres.

La vidéo qui se démontrait toute seule

La première vraie preuve, c’est un short de 44 secondes.

Je me filme au téléphone, une prise, lumière du jour, et j’explique simplement que cette vidéo va être montée de bout en bout par mon agent. J’énumère : l’intro à ma charte, les sous-titres, les incrustations, l’outro.

Et le montage fait apparaître chaque élément au moment exact où je le prononce.

Je n’ai pas monté cette vidéo. Je l’ai décrite, et elle s’est construite.

Ce que ça donne aujourd’hui

J’envoie un rush. Je récupère une vidéo montée, sous-titrée, habillée, avec le son travaillé. Et la publication part par API, pas par trois onglets ouverts en même temps.

Le format s’adapte à ce que je veux : un motion-design de 28 secondes sans une seule parole, un vertical de 44 secondes face caméra, un récit de quatre minutes avec voix off et musique narrative, ou une reprise de dix secondes sous-titrée.

La vraie leçon n’est pas le temps gagné

Si je m’arrêtais aux heures, je te vendrais un gain de productivité, et ce serait à moitié faux.

Le vrai changement est ailleurs : la méthode s’écrit.

Chaque erreur que je viens de te raconter — les « euh » coupés trop proprement, le sous-titre invisible sous la légende, l’heure de rendu perdue sur une bande-son muette — n’est pas dans ma tête. Elle est dans un fichier, versionnée, à côté du code des vidéos. La règle est écrite une fois, elle s’applique à toutes les suivantes.

Un monteur humain qui part emporte sa méthode. Le mien la laisse dans le dossier, et la prochaine vidéo commence là où la dernière s’est arrêtée.

Je suis descendu vivre au rez-de-chaussée pour soixante-dix heures par an.

Ma chaîne de publication était un deuxième ascenseur. Je ne l’avais simplement jamais vu.

Celui-là monte les vidéos. Un autre démarche des entrepreneurs sur Instagram pendant que je fais mon café. Un troisième passe sa vie sur Reddit et répond à des inconnus qui ne savent pas qu’ils parlent à une machine.

Je raconte chacun d’eux ici, en entier, avec les chiffres et les plantages. Un agent, une histoire, ce qu’il sait vraiment faire.