- 20 minutes de rushes, non coupés
- 3 faux départs et 40 hésitations
- des blancs de 2 secondes
- ton regard qui décroche sur tes notes
- un cadrage approximatif, tu es assis trop à gauche
Guide gratuit · rien à télécharger · rien à donner
Donne ton rush à Claude Code.
Récupère le montage.
Vingt minutes de rushes filmés à l'iPhone, avec les faux départs, les « euh » et les blancs. Ce qui ressort : un 9:16 de 45 secondes, hook incrusté sur les trois premières secondes, sous-titres calés au mot près, incrustations sur ce que la voix nomme, transitions, bruitages, outro de marque. Pas un filtre. Un montage.
Ce guide, c'est la recette entière : les valeurs exactes, l'ordre des étapes, et les douze pièges qui m'ont coûté une nuit chacun. Tu peux le refaire toi-même. C'est même le but de la page.
- Claude Code
- un dossier de skills
- un moteur de rendu en code
- ffmpeg
- 0 € d'abonnement
Aucun email demandé, aucun PDF, aucune séquence de relance. Tout est sur cette page, et elle reste en ligne. Si ça te sert, garde-la.
Le résultat
Ce qui entre,
ce qui sort.
Le rush ne change pas : c'est toujours toi, assis, en train de parler à ton téléphone. Ce qui change, c'est tout ce qui vient se poser dessus — et le temps que ça prend.
- 45 secondes qui tiennent, sans gras
- un hook incrusté sur les 3 premières secondes
- des sous-titres au mot, collés sous le menton
- une incrustation toutes les 6 à 10 secondes
- un cadre qui te suit, dans les zones sûres des trois réseaux
- une musique 18 dB sous ta voix et 10 bruitages placés
D'où viennent les chiffres de cette page. Tout ce que tu vas lire est mesuré sur des vidéos que j'ai réellement montées comme ça : deux shorts de 42 et 44 secondes, et un récit YouTube de 6 min 19. Les valeurs — 236 pixels, −18 LUFS, 450 millisecondes, 7 coupes rejetées sur 10 — ne sont pas des ordres de grandeur. Ce sont les réglages qui tournent.
Le principe
Ton monteur n'est pas un modèle.
C'est un dossier.
C'est le seul truc à comprendre, et il change tout le reste. Les gens essaient de trouver le bon prompt pour monter une vidéo. Ça ne marche pas, parce qu'un montage n'est pas une réponse : c'est une quarantaine de décisions enchaînées, dont la moitié dépendent de ton style à toi.
Ce qui marche, c'est d'écrire ces décisions une fois, dans des fichiers, à côté de tes assets. Claude Code lit le dossier, suit la recette, et produit la même qualité à la vidéo numéro 40 qu'à la numéro 1. Chaque correction que tu fais ne se perd pas : elle s'écrit dans la recette, et elle ne se paie qu'une fois.
mon-atelier-video/
├── AGENT.md ← le routeur. « on te demande X → charge Y »
├── skills/
│ ├── social-short/ ← la recette du 9:16 : hook, cadrage, sous-titres
│ ├── story-long/ ← la grammaire des plans du format long
│ ├── video-tech/ ← le socle : charte, son, rendu, pièges payés
│ └── asset-ingest/ ← normaliser un rush, un b-roll, une capture
├── library/
│ ├── brolls/ ← tes plans réutilisables, chacun avec sa fiche
│ ├── styles/ ← TES styles d'animation, recodés depuis des refs
│ └── scripts/ ← le traqueur de visage, le découpeur de cues
└── ma-video-du-jour/
├── PROJECT.md ← format, durée, statut, angle
├── index.html ← la composition
└── assets/ ← le rush, la musique, les bruitagesLe routeur en tête
Un seul fichier d'entrée qui dit « on te demande un short → charge ces deux recettes ». Sans lui, l'agent lit tout, se noie, et improvise. Avec lui, il charge 400 lignes pertinentes au lieu de 4 000.
Une recette par format
Un short vertical et un récit YouTube n'ont pas la même grammaire. Deux fichiers séparés, plus un socle technique commun — le son, le rendu, la charte — chargé dans tous les cas.
Le savoir vit dans le repo
Pas dans la mémoire de l'agent. Une mémoire d'agent est invisible, non versionnée, non partagée : elle disparaît quand tu changes de machine ou d'outil. Un piège que tu as payé une fois va dans un fichier, et l'historique en garde la trace.
Étape 0
La vidéo n'est pas éditée.
Elle est compilée.
Tant que ton montage vit dans un logiciel à timeline, un agent ne peut rien en faire : il ne peut ni le lire, ni le versionner, ni en changer une valeur. Il peut piloter le logiciel à distance — ça existe, ça marche à peu près — mais tu restes dans un format qu'il ne comprend pas.
La bascule, c'est d'écrire la vidéo en code. Une composition est une page HTML : le DOM déclare le temps, chaque élément porte son instant de départ et sa durée, et un navigateur sans fenêtre en sort un MP4 image par image. Déterministe : deux rendus du même fichier donnent deux fichiers identiques.
<div id="stage" data-composition-id="short"
data-width="1080" data-height="1920">
<!-- piste 0 : le rush. Muet — le son passe par <audio>. -->
<video class="clip" id="rush" src="assets/rush.mp4"
data-start="0" data-duration="42" data-track-index="0"
muted style="transform-origin: 50% 50%"></video>
<!-- piste 9 : le hook, 3 premières secondes -->
<h1 class="clip hook" data-start="0.08" data-duration="2.64"
data-track-index="9">POV : tu montes tes vidéos <span>toi-même</span></h1>
<!-- piste 8 : une cue de sous-titre, calée au mot près -->
<p class="clip cap" data-start="4.12" data-duration="0.86"
data-track-index="8">et là je me suis dit</p>
<!-- piste 11 : la voix — le MÊME fichier que le rush -->
<audio id="voice" src="assets/rush.mp4"
data-start="0" data-duration="42" data-track-index="11"></audio>
</div>L'agent écrit ce qu'il sait déjà écrire
Du HTML, du CSS, un peu de JavaScript. Pas de format propriétaire, pas de plugin, pas de couche de traduction qui perd la moitié de l'intention en route.
Un montage se relit et se diffe
Tu vois exactement ce qui a changé entre deux versions : trois secondes en moins ici, un bruitage déplacé là. Un montage devient un objet qu'on révise, pas un fichier binaire qu'on écrase.
Un style devient un composant
Ton compteur animé, ta carte de fin, ta transition maison : écrits une fois, réutilisés partout, personnalisables par paramètre. C'est là que la bibliothèque de styles prend son sens.
Deux moteurs sérieux, honnêtement. L'un écrit la vidéo en React : écosystème mûr, rendu massivement parallèle dans le cloud, le template devient un vrai produit qu'on fait évoluer. L'autre l'écrit en HTML brut : boucle de création très courte, idéal pour trouver un look vite, moins d'infrastructure à tenir au démarrage. Les deux sont open source. Commence par le second pour trouver ton style, bascule sur le premier le jour où tu vises le volume — les concepts se transposent.
La recette
Sept stations.
Une seule est humaine.
L'ordre n'est pas décoratif. Un point en particulier ne se négocie pas : on resserre le rush avant de transcrire. Couper après, c'est décaler chaque sous-titre de la vidéo, et tu ne t'en aperçois qu'au rendu final.
- 1
Ingérer le rush — avec du gras autour
Normalise le rush à 25 % de plus que la résolution finale. C'est le budget du recadrage : un rush 9:16 dans un cadre 9:16 tient exactement, il n'y a aucune marge pour bouger. Ingéré plus grand, un zoom de 1,25 montre encore des pixels source au 1:1 — recadrage gratuit, zéro perte.
Force une image-clé par seconde à l'encodage. Sans ça, l'encodeur les espace jusqu'à 8 secondes et le moteur n'arrive plus à se positionner : image gelée au milieu d'une phrase.
- 2
Resserrer : les hésitations, les blancs, les faux départs
Un rush brut contient toujours 10 à 20 % de gras. Sur un format où l'audience part à la troisième seconde, c'est la passe qui rapporte le plus. C'est aussi la plus dangereuse — elle a sa section entière plus bas.
On ne coupe rien dans les trois premières secondes, et on ne coupe jamais un silence qui porte. Un blanc avant une chute, c'est du montage, pas du gras.
- 3
Transcrire le rush resserré, mot à mot
Avec les timings par mot, pas par phrase. C'est ce qui permet aux sous-titres de tomber pile, et aux incrustations d'apparaître au moment exact où la voix nomme la chose.
Recale ensuite le texte sur un second modèle : celui qui donne les meilleurs timings se trompe souvent sur les noms propres. On garde les timings de l'un et l'orthographe de l'autre.
- 4
Recadrer : traquer le visage, respecter les zones sûres
Un script de vision locale sort la boîte du visage et des mains image par image. Un second en déduit un cadre par segment. Ça se joue en une transformation sur l'élément vidéo — jamais cuit dans le fichier, sinon tu ne peux plus jamais recadrer autrement.
Bonus : chaque coupe de l'étape 2 laisse un raccord visible sur un plan fixe. On le rend délibéré en changeant de cadre à chaque jointure. Un seul mécanisme, pas deux.
- 5
Habiller : hook, incrustations, chapitres, transitions
La règle d'or, celle qui sépare un sous-titrage d'un montage : si la voix nomme une chose concrète, cette chose est à l'écran au moment où elle est nommée. La voix énumère → trois pastilles qui apparaissent une par une. Elle nomme un concept → une carte illustrée. Elle nomme un produit → une capture du vrai site, pas un logo qui flotte.
Densité visée : une incrustation toutes les 6 à 10 secondes. Rien sous 2 secondes, jamais deux en même temps.
- 6
Mixer : la voix est l'ancre, tout se règle par rapport à elle
Peu de fichiers, beaucoup de placements : sept bruitages suffisent pour trente-six placements à des volumes différents. Quarante fichiers distincts donnent un effet catalogue. Les niveaux se mesurent, ils ne s'entendent pas — la section plus bas donne le barème.
Plus le montage est resserré, plus l'absence de son se voit : une coupe franche muette se lit comme un accident, pas comme une intention.
- 7
Vérifier, rendre, regarder
Validation à zéro erreur, puis une planche contact à des instants choisis — pas au hasard : 0,9 s (le hook est-il lisible ?), 2,6 s (est-il encore là ?), 3,5 s (est-il bien parti ?), puis des instants de sous-titres.
Le contrôle final se fait sur le MP4, pas sur la composition. Une quinzaine d'images extraites, et regardées. C'est ce qui attrape ce que la validation ne voit pas.
La passe la plus rentable · et la plus dangereuse
Couper les « euh »
sans manger la parole.
Tout le monde veut cette fonctionnalité. Presque personne ne dit à quel point elle est piégeuse. Voilà les trois murs, dans l'ordre où on se les prend.
Ton transcript ne contient aucune hésitation
Le modèle de transcription est entraîné à produire du texte propre. Le transcript d'un rush truffé de « euh » n'en contient pas un seul. Tu cherches à couper des choses qui n'existent pas dans tes données.
Ce qui marche : forcer le verbatim avec une amorce truffée d'hésitations, et demander un alignement temporel fin plutôt que l'heuristique par défaut.
Les timings dérivent — jusqu'à un mot entier
Même avec le bon alignement. Et re-transcrire une fenêtre de quatre secondes autour de l'estimation donne des positions tout aussi fausses. C'est ce qui transforme une coupe en mutilation.
Ce qui marche : avant de couper, extraire exactement la portion qu'on s'apprête à retirer et la faire transcrire seule. Une hésitation isolée n'a pas de contenu lexical : le modèle rend du vide. Si la portion rend un vrai mot, la coupe est mal posée — on ne l'applique pas.
Vérifier avec l'amorce réinjecte ce que tu viens d'enlever
L'amorce sert à détecter. S'en servir pour vérifier est un piège : le modèle, amorcé à produire des « euh », en produit — même là où il n'y en a plus. Tu conclus que la coupe a échoué, tu recoupes, et c'est là que tu manges de la parole.
Ce qui marche : le contrôle final se fait sans amorce, sur une passe nue, en comptant les occurrences. Et on itère jusqu'à zéro.
7 / 10
coupes rejetées par le contrôle, sur la passe de référence
Sept passages de parole utile qui partaient à la poubelle, sur dix candidats. Sans ce contrôle, une phrase entière s'est retrouvée réduite à une bouillie qui ressemble à du français et n'en est plus. Le pire : ça ne se voit pas à la lecture du transcript, seulement en écoutant. Si tu ne devais retenir qu'une chose de ce guide, garde celle-là.
Ne laisse pas un trou d'air
Une hésitation est souvent entourée de silence. Retirer juste la voyelle laisse deux secondes de vide. Ramène la pause résiduelle à environ 450 millisecondes.
Fonds chaque jointure
Huit millisecondes de fondu à chaque bout de bloc. Sans ça, vingt-huit coupes donnent vingt-huit claquements.
Le recalage ne doit qu'élargir
Si tu cherches le minimum d'énergie des deux côtés indépendamment, la fenêtre se referme sur le milieu du « euh » et tu en laisses les deux bords. Le début cherche vers l'amont, la fin vers l'aval. Jamais l'inverse.
Garde la liste des coupes
Un petit fichier versionné. C'est ce qui rend la passe rejouable, et ce qui te permet de revenir en arrière sans repartir du rush.
Le cadrage
Où poser le texte,
où laisser le visage.
Sur 1080×1920, l'interface des réseaux mange les bords. Mais la distinction qui manque partout, c'est que la zone où on pose du TEXTE est plus stricte que celle où doit vivre le SUJET. Deux zones différentes, deux jeux de contraintes.
La zone SUJET, réseau par réseau
| Plateforme | haut | bas | gauche / droite |
|---|---|---|---|
| TikTok | 230 | 1651 | 86 / 886 |
| Instagram Reels | 192 | 1690 | 65 / 950 |
| YouTube Shorts | 192 | 1728 | 65 / 950 |
| Instagram Story | 269 | 1613 | 65 / 1015 |
| Intersection — celle qu'on vise | 230 | 1651 | 86 / 886 |
Un seul master part sur les trois réseaux : on cadre pour le plus dur, on ne fait pas trois variantes. L'intersection vaut exactement TikTok, le plus strict des trois sur les quatre côtés.
L'ordre de priorité du solveur
- Dure — le visage entier dans la zone sujet
- Dure — le hook ne mord pas sur le visage
- Dure — le menton laisse la place au bloc de sous-titres
- Molle — le menton aussi bas que possible dans ce qui reste
- Mesurée — les mains, jamais motrices
- Molle — zoom ≤ 1,25, au-delà ça ramollit
Les mains ne pilotent pas le cadre : les faire rentrer voudrait dire descendre le cadre, donc descendre le menton, donc pousser les sous-titres hors zone. Le script les mesure et prévient — « 48 % des mains descendent sous la zone visible ». C'est une consigne de tournage, pas un réglage de montage.
Le plus près possible du visage, jamais dessus
Position = menton + 44 pixels, plafonnée pour rester au-dessus de la borne basse. Un sous-titre 500 pixels sous le menton force l'œil à faire l'aller-retour ; un sous-titre sur le menton cache la bouche, et sur un plan parlé la bouche fait la moitié du travail.
Le critère de découpe est une largeur
Pas un nombre de caractères. Une cue qui déborde passe à deux lignes, et la boîte cesse d'épouser le texte : mesuré, 898 pixels de boîte pour deux lignes contre 752 sur une seule. Fixe un budget en pixels et fais-le respecter par le script.
96 pixels, pas 64
Le hook est 50 % plus gros que les sous-titres. Ce n'est pas décoratif : à l'échelle d'un pouce qui scrolle, c'est la seule chose lisible en 400 millisecondes. Il claque à 0,08 s, il sort à 2,72 s.
Les 3 premières secondes
C'est là que 60 %
de ton audience part.
Autant y mettre le seul effort qui compte. Et surtout : plus d'intro de marque. Une carte de marque en ouverture, c'est deux secondes volées au seul moment où l'audience décide de rester. On ouvre sur le visage qui parle, la marque est portée par le hook, et rappelée à l'outro — qui, elle, reste.
Les cinq règles
- Sept mots maximum, deux lignes. Trois lignes ne se lisent pas, elles se sautent.
- Il promet quelque chose que la vidéo tient. Un hook qui ment fait pire que pas de hook : la rétention s'effondre à trois secondes, et l'algorithme le voit.
- Il ne répète pas les premiers mots de la voix. Sinon c'est une légende, pas un hook. Le hook pose la promesse, la voix commence l'histoire.
- Un seul mot accentué — celui qui porte la tension. Deux mots accentués, plus d'accent.
- Pas de point final, pas d'emoji. C'est ce qui sépare ta charte du TikTok générique.
Les cinq patrons qui marchent
-
POV : <la situation que vit ta cible>POV : tu montes tes vidéos toi-même -
Personne ne te dit que <vérité>Personne ne te dit que l'IA ne closera jamais -
J'ai <action> et <résultat inattendu>J'ai délégué mon montage à une IA -
Arrête de <erreur courante>Arrête de payer un monteur -
<Chiffre> <unité> pour <résultat>42 secondes pour comprendre
Le son
Mesure en LUFS.
Pas à l'oreille.
« La musique couvre ma voix » est le retour le plus fréquent, et le réflexe — baisser la musique — est presque toujours faux. La première chose à faire est de mesurer chaque source. Sur un de mes montages, le coupable n'était pas la musique : deux fichiers de voix sortaient à −33 et −38 LUFS, soit sous les lits musicaux. Baisser la musique n'aurait donné qu'un mix globalement sourd.
Une source livrée par un tiers n'est jamais au bon niveau. On la mesure avant de bâtir quoi que ce soit dessus.
- Voix — toutes, sans exception −18 LUFS l'ancre du mix
- Musique, sans voix par-dessus −28 LUFS ≈ 10 LU sous la voix
- Bruitages −29 à −34 fichier à −22, ramené par le volume du clip
- Musique, sous la voix ≈ −36 LUFS ducking sidechain, ≈ 18 LU sous la voix
Piloté par la voix, cuit dans le fichier
Pas d'enveloppe écrite à la main — elle se décale au premier montage retouché. On construit un bus de voix, la musique est compressée en réaction à ce bus, et on redécoupe. Résultat : 9 à 11 dB de réduction qui suivent exactement la parole, sans rien à maintenir.
Jamais deux musiques qui se superposent
Les lits se succèdent bout à bout, jamais en fondu croisé. Seuls les bruitages ont le droit de se chevaucher, et sur quelques secondes. Contrôle avant rendu : vérifier qu'aucun fichier ne dépasse sa fenêtre — un fichier plus long qui ne serait pas coupé jouerait sous le lit suivant.
Prouve la présence de musique dans un silence de voix
Mesurer le niveau d'une section qui contient de la voix ne prouve rien : la voix suffit à donner un niveau normal. Calcule les intervalles où aucune piste de voix ne joue, et mesure au milieu. Musique présente : −35 à −55 dB. À −91 dB, il n'y a rien.
Le format long
Quatre règles de grammaire,
et ta vidéo arrête de faire amateur.
Un short se monte sur un seul plan. Un récit de six minutes, non : il lui faut plusieurs valeurs de plan, et surtout une raison de couper de l'une à l'autre. Ces quatre règles-là sont la raison. Elles s'appliquent par défaut, sans qu'on ait à les redemander à chaque vidéo.
R1
Le regard décide de ce qu'on voit
Il regarde la caméra → on montre son visage, il s'adresse au spectateur, on ne le couvre pas. Son regard descend sur ses notes → on montre autre chose : le graphique, la capture, le b-roll dont il parle à cet instant. C'est la règle la plus rentable du lot : un regard baissé filmé en plein cadre fait amateur, alors que c'est exactement l'endroit où poser l'illustration.
R2
Une scène s'ouvre au plan le plus large
Début de vidéo, début de chaque nouvelle scène : le large pose le lieu pendant 2 à 3 secondes, puis on coupe au plan normal pour le reste. Le large situe, le normal raconte. Tenir le large plus longtemps endort ; l'omettre désoriente.
R3
Une émotion nommée se voit sur le corps
Quand la voix nomme une émotion — « je stressais », « j'étais épuisé » — on coupe sur le gros plan du signe physique, synchro sur le mot. Pas deux secondes après : sur le mot. Durée 1,5 à 2,5 s. En dessous ça clignote, au-dessus on quitte le récit.
R4
Une insistance se joue au zoom
Quand il répète, quand il insiste, le plan ne reste pas fixe : punch-in lent sur l'insistance, ou dézoom pour ouvrir juste après. Le mouvement dit « écoute ça » sans ajouter un mot à l'écran. À doser : au-delà d'un toutes les 30 secondes, l'effet meurt et la vidéo tangue.
// Punch-in : on entre vite, on TIENT sur l'insistance, on relâche doucement.
const punch = (sel, t, hold = 2.2, to = 1.14) => {
tl.to(sel, { scale: to, duration: 0.45, ease: "power2.out" }, t);
tl.to(sel, { scale: 1, duration: 0.55, ease: "power2.inOut" }, t + hold);
};
// Dézoom d'ouverture — pour une révélation.
const pullback = (sel, t, d = 1.6, from = 1.16) =>
tl.fromTo(sel, { scale: from }, { scale: 1, duration: d, ease: "power2.out" }, t);
punch("#scene3", 78.4); // il répète « personne ne répond. PERSONNE. »
pullback("#scene5", 132.0); // ouverture de la scène de résolutionRepère les regards en une commande
Une vignette par seconde, en planche contact. Chaque tuile vaut une seconde : tu notes les intervalles où le regard descend, et tu ne gardes que ceux d'au moins 1,5 seconde. Un coup d'œil rapide n'est pas un plan de coupe.
Les chapitres viennent du script, pas du rush
Une scène = un bloc du script. Elle ouvre au plan large, se raconte au plan normal, se referme sur un insert. Le carton de chapitre se pose sur la respiration entre deux blocs — c'est aussi là que la détection de silence te donne les points de coupe.
L'audio vient d'une seule source, en continu
Le plan parlé principal porte la voix sur toute la durée ; les autres plans sont muets et ne font que remplacer l'image. C'est ce qui te permet de couper librement sans jamais casser la parole.
Tu peux monter avant d'avoir tourné
Écris le script, estime sa durée parlée à ton débit réel, et monte toute la vidéo sur ces durées : transitions, incrustations, bruitages. Quand le vrai rush arrive, tu remplaces le bloc de sous-titres et tu ajustes. C'est ce qui supprime l'attente entre l'idée et la mise en ligne.
Le style
Ne prends pas de template.
Vole un style, puis rends-le tien.
C'est le conseil le plus contre-intuitif de la page, et j'y tiens. À l'ère où tout le monde a le même générateur, un template — même joli — te range immédiatement dans la case « fait à l'IA ». Les animations génériques ne sont pas moches ; elles sont reconnaissables, et c'est pire.
Or, coder un style personnalisé n'a jamais été aussi facile. C'est exactement ce que l'agent fait bien : tu lui montres une référence, il te la recode, tu itères. Trente minutes pour un style qui n'appartient qu'à toi — et qui te resservira sur les cent prochaines vidéos.
- 1
Chasse tes références là où elles sont bonnes
YouTube, Instagram, Pinterest. Pas les « templates IA » : les vraies vidéos de gens qui font ça bien. Quand un truc t'arrête, tu captures l'écran et tu notes la seconde. Constitue-toi un dossier de dix références avant d'écrire une ligne.
- 2
Fais décrire avant de faire coder
Demande d'abord une description précise : ce qui bouge, ce qui reste, le timing, la courbe d'accélération, la typo, les couleurs. Un agent qui a nommé ce qu'il voit le reproduit dix fois mieux qu'un agent à qui on dit « fais pareil ».
- 3
Recode-le à TA charte, pas à celle de la référence
Le principe se vole, les couleurs et la typo restent les tiennes. C'est cette substitution qui transforme un plagiat en style. Si tu n'as pas encore de charte : deux couleurs, une police de titre, une police de corps. Ça suffit pour être cohérent.
- 4
Demande trois variantes, choisis-en une
C'est là que le rapport qualité/effort explose. Générer trois versions coûte le même temps qu'une, et tu juges sur pièces au lieu de décrire dans le vide. Fais-toi rendre une image de chacune à l'instant le plus caractéristique, et tranche à l'œil.
- 5
Range la gagnante dans ta bibliothèque, avec sa fiche
Le composant, plus un fichier qui dit d'où vient l'idée, ce qu'il prend en paramètre, et où il a déjà servi. C'est ce qui fait qu'à la dixième vidéo, l'agent réutilise au lieu de réinventer — et que ton style se durcit au lieu de dériver.
Voilà une capture d'un compteur animé que j'aime (ref.png) et
le lien de la vidéo d'origine.
1. Décris précisément ce qui se passe : timing, easing, ce qui bouge, ce qui
reste, la typo, les couleurs.
2. Recode-le en HTML/CSS/JS dans library/styles/counter/, à MA charte
(navy #0F172A, ambre #FBBF24, Space Grotesk).
3. Propose 3 variantes qui gardent le principe mais changent l'attaque.
4. Rends-moi une image de chacune à l'instant le plus caractéristique.
Je choisis, tu gardes la gagnante dans la bibliothèque avec sa fiche.Le corollaire, côté images générées. Même logique : une illustration générée dans un style qui n'est pas le tien casse net au milieu d'une vidéo. Impose ta palette dans le prompt, et regarde l'image avant de la câbler — une illustration claire et plate posée au milieu d'un montage sombre se voit à un kilomètre. Le texte dans les images générées n'est jamais parfait : garde-les en fond, et écris le texte par-dessus, en natif.
Les pièges
Douze erreurs qui coûtent
une nuit chacune.
Elles sont toutes vraies, elles m'ont toutes coûté quelque chose, et aucune n'est dans la documentation officielle des outils. C'est la partie de ce guide qui a le plus de valeur, parce que c'est la seule qu'on ne peut pas deviner. Le point commun de dix d'entre elles : le symptôme ne ressemble jamais à la cause.
Le rush iPhone est en HDR
Sans forcer la sortie en SDR, le moteur bascule en HEVC 10 bits et pré-extrait ~15 Go de frames 16 bits sur ton disque. Le rendu meurt en mémoire avec un message qui ne parle pas de HDR. J'ai construit toute une machinerie de découpage en tronçons pour contourner des crashes dont la vraie cause était ce drapeau. Le même rendu : mort trois fois sans, 1 min 53 s avec.
ce que ça m'a coûté 3 rendus morts + 2 jours de contournement inutile
Une piste audio sans identifiant est muette au rendu
Le moteur découvre les médias par leur id. Un bruitage sans id passe la validation visuelle, s'entend dans la preview, et sort silencieux du rendu final. Une heure de rendu pour une bande-son morte.
ce que ça m'a coûté 1 h de rendu
L'ordre d'empilement suit le DOM, pas le numéro de piste
Un plan vidéo déclaré après un sous-titre le recouvre, même s'il est censé être « en dessous ». On croit à un bug de calques, c'est un ordre de déclaration.
ce que ça m'a coûté une soirée à déplacer des pistes
Couper les « euh » à l'aveugle mange de la parole
Les timings du modèle de transcription dérivent — jusqu'à un mot entier. Sur ma passe de référence, le contrôle a rejeté 7 coupes sur 10 : sans lui, sept passages de parole utile partaient à la poubelle. Une phrase est devenue littéralement incompréhensible avant que je m'en aperçoive.
ce que ça m'a coûté un montage à refaire depuis le rush
Le modèle de transcription efface les hésitations
Il est entraîné à produire du texte propre : le transcript d'un rush truffé de « euh » n'en contient aucun. Tu cherches à couper des choses que ton transcript ne contient pas. Il faut le forcer au verbatim — et surtout ne pas utiliser ce même forçage pour vérifier après coup, sinon il réinjecte des hésitations déjà supprimées et tu recoupes dans le vide.
ce que ça m'a coûté trois passes de « rattrapage » sur des coupes déjà faites
Ingérer le rush à la résolution finale
Un rush 9:16 dans un cadre 9:16 tient exactement : zéro marge pour recadrer. La seule façon d'en créer est de zoomer, et zoomer dans du 1080×1920 ramollit. Ingéré 25 % plus grand, le recadrage devient gratuit et sans perte.
ce que ça m'a coûté tous les recadrages du projet, mous
Animer le volume dans la timeline
Une seule ligne d'automation de volume fait basculer le moteur en mode sonde — et dans ce mode, un autre clip audio, sans rapport, est sorti muet. Silence numérique sur 16 secondes de musique, alors que la validation passait à zéro erreur. Tous les niveaux et tous les fondus se cuisent dans le fichier audio, jamais dans la timeline.
ce que ça m'a coûté deux jours à chercher un trou de montage qui n'existait pas
Décaler les sous-titres d'un offset devenu faux
Le jour où tu supprimes l'intro de marque, l'offset de 2 secondes que tu recopiais depuis six mois décale tous les sous-titres de la vidéo. L'erreur la plus facile à faire sur un projet migré, et la plus invisible : tout est joli, tout est décalé.
ce que ça m'a coûté un short republié
Découper les sous-titres au nombre de caractères
Le vrai critère est une largeur en pixels. Une phrase qui déborde passe à deux lignes, et la boîte cesse d'épouser le texte : elle prend toute la largeur disponible. Mesuré : 898 px de boîte pour deux lignes contre 752 px sur une seule — de grandes marges vides autour du texte, sur la moitié des cues.
ce que ça m'a coûté un montage entier à recaler
Cuire le recadrage ou l'étalonnage dans le fichier
Un rush recadré au montage bas niveau est un rush qu'on ne peut plus recadrer autrement. Idem pour un traitement d'image cuit à l'ingestion : « on dirait qu'un filtre a été appliqué, ça perd tout le naturel ». Tout traitement se fait dans la composition, réversible en une ligne.
ce que ça m'a coûté ré-ingérer tous les rushes
Croire un script qui dit « 86 bruitages injectés »
Il compte ce qu'il a fabriqué, pas ce qui a atterri dans le fichier. Mon ancre d'insertion n'a jamais trouvé sa cible — toute la musique et tous les bruitages ont été perdus en silence pendant plusieurs rendus, jusqu'à ce que quelqu'un demande « les bruitages ont disparu ? ». On vérifie une écriture en relisant le fichier, jamais en comptant.
ce que ça m'a coûté 4 rendus muets
Un rendu interrompu laisse des processus vivants
Quatre à huit navigateurs sans fenêtre continuent de manger la RAM. Le rendu suivant crashe sur un message qui ressemble à un bug de composition, et qui est une pression mémoire. Deux fois, plusieurs gigaoctets de fichiers temporaires oubliés sur le disque.
ce que ça m'a coûté 3 Go de disque + un faux diagnostic
Avant de dire « c'est fini »
La checklist
de livraison.
Colle-la dans ton dossier de skills et demande à l'agent de la dérouler à chaque fin de montage. Neuf points sur dix sont des vérifications qu'une machine peut faire toute seule — le dixième, non, et c'est le plus important.
- La validation du moteur passe à 0 erreur — pas 1, pas « juste un warning ».
- La planche contact est REGARDÉE, pas seulement générée. Dont une image à 0,9 s : le hook est-il lisible d'un coup d'œil ?
- Sur trois images au hasard : le bloc de sous-titres est sous le menton, jamais sur la bouche.
- Aucune cue de sous-titre au-dessus du budget de largeur.
- Le score de recadrage est ≥ 80/100, et les avertissements ont été lus.
- Le fichier de sortie fait bien la bonne taille, le bon nombre d'images par seconde, et UNE seule piste audio.
- Le codec est celui attendu — le moteur peut basculer d'un rendu à l'autre selon les sources.
- Dans une fenêtre sans voix, la musique se mesure entre −35 et −55 dB. À −91 dB, il n'y a rien.
- La liste des coupes est versionnée : la passe de resserrage doit être rejouable à l'identique.
- Chaque asset a sa fiche jumelle (d'où il vient, quel prompt, quel morceau, combien ça a coûté).
Le point qui ne s'automatise pas : regarder. Un script qui affiche « 24 sous-titres générés » compte ce qu'il a fabriqué, pas ce qui est juste. Une validation à zéro erreur ne dit rien de la qualité du montage. Relis trois cues au hasard contre l'audio, regarde la planche contact en entier, et écoute trente secondes du mixage. Trois minutes, et c'est ce qui sépare une vidéo publiable d'une vidéo republiée.
Aujourd'hui
Trois prompts,
et tu as commencé.
N'essaie pas de tout construire d'un coup. L'ordre qui marche : d'abord la recette, ensuite le style, ensuite seulement un vrai montage. Si tu inverses, tu te retrouves avec une vidéo qui marche une fois et que tu ne sais pas reproduire.
Lis les 4 dernières vidéos que j'ai postées (dans assets/refs/).
Pour chacune : liste ce qui revient — la position du hook, la taille des
sous-titres, le rythme des coupes, les couleurs, les bruitages.
Puis écris skills/social-short/SKILL.md :
- ce que ça produit, en valeurs exactes (pixels, secondes, volumes)
- le pipeline étape par étape, dans l'ordre non négociable
- ce qu'on ne fait JAMAIS, avec la raison
Ne mets rien qui ne soit pas vérifiable dans les vidéos que tu viens de lire.Pourquoi commencer là. Ta recette existe déjà — elle est dans ce que tu as posté. La faire écrire depuis tes propres vidéos donne un fichier que tu reconnais, au lieu d'une bonne pratique générique que tu ne suivras pas.
Voilà une capture d'un compteur animé que j'aime (ref.png) et
le lien de la vidéo d'origine.
1. Décris précisément ce qui se passe : timing, easing, ce qui bouge, ce qui
reste, la typo, les couleurs.
2. Recode-le en HTML/CSS/JS dans library/styles/counter/, à MA charte
(navy #0F172A, ambre #FBBF24, Space Grotesk).
3. Propose 3 variantes qui gardent le principe mais changent l'attaque.
4. Rends-moi une image de chacune à l'instant le plus caractéristique.
Je choisis, tu gardes la gagnante dans la bibliothèque avec sa fiche.Pourquoi ensuite. Un style dans la bibliothèque, c'est un élément que l'agent réutilise au lieu d'improviser. Trois styles suffisent pour que tes vidéos se ressemblent enfin entre elles.
Voilà un rush : assets/inbox/rush-2026-08-05.mov
Charge /social-short et /video-tech, puis monte-le en suivant le pipeline,
sans sauter d'étape.
Trois choses avant de rendre :
- écris-moi 3 hooks, garde le meilleur, donne-moi les 2 autres
- montre-moi la planche contact et attends que je la regarde
- dis-moi ce que tu as coupé et pourquoi
Si une étape est bloquée (pas de modèle de transcription, score de recadrage
sous 80), tu t'arrêtes et tu me le dis. Tu ne rends pas à l'aveugle.Pourquoi le formuler comme ça. Les trois demandes du milieu — trois hooks, la planche contact, la liste des coupes — sont des points d'arrêt. Sans eux, l'agent va au bout et te rend un MP4 que tu devras juger d'un bloc. Avec eux, tu corriges là où c'est encore gratuit.
Ce que ça coûte, honnêtement
- Construire l'atelier, la première fois 2 à 4 jours écrire les skills, recoder tes styles, faire tourner un premier montage de bout en bout
- Monter une vidéo, ensuite 20 à 40 min de machine, pas de toi — tu regardes la planche contact et tu tranches
- Coût par vidéo ≈ 1 € tokens du script et des sous-titres + rendu. Le rendu peut être local, donc gratuit
- Abonnements SaaS de montage 0 € le moteur de rendu est open source, la musique passe par ton abonnement existant
Les deux à quatre jours du début ne sont pas de la programmation : c'est le temps qu'il faut pour expliciter ton goût. Écrire noir sur blanc ce que tu trouves moche, ce que tu refuses de dire, la taille exacte de tes sous-titres. Personne ne peut le faire à ta place — mais ça ne se paie qu'une fois.
Honnêtement
Ce que ce guide
ne te donne pas.
Tout ce qui est au-dessus est vrai, testé, et suffisant pour monter tes vidéos toi-même. Je préfère quand même te dire où est la marche, plutôt que te laisser la découvrir un dimanche soir.
Le premier montage marche. Le quarantième, c'est autre chose.
Un pipeline qui tourne sur ton rush de démonstration et un pipeline qui encaisse quarante vidéos par mois ne sont pas le même objet : file d'attente, reprise après échec, gestion du disque, versions épinglées pour que la vidéo d'avril re-rende à l'identique en décembre. Rien d'infaisable — mais ce n'est plus du montage, c'est de l'ingénierie.
Les pannes n'arrivent pas quand tu as le temps.
Un rendu qui meurt en mémoire à 23 h la veille d'une publication. Une mise à jour du moteur qui change une valeur par défaut. Un rush qui arrive dans un format que le pipeline n'a jamais vu. Tant que c'est ton système, c'est ta nuit.
Le goût ne s'écrit pas tout seul.
La partie qui prend le plus de temps n'est pas technique : c'est de transformer « je sais pas, ça sonne faux » en une contrainte que l'agent ne peut plus franchir. C'est un travail d'aller-retour, et c'est précisément ce que je fais avec les gens que j'accompagne.
La suite, si tu veux aller plus vite
Fais-le toi-même.
Ou fais-le faire, et garde ta nuit.
Ce guide est complet, et il est gratuit parce que le vendre n'aurait aucun sens : ce que je vends, ce n'est pas la recette, c'est de ne pas avoir à la déboguer. Je construis ce pipeline pour des dirigeants qui n'ont ni l'envie ni le temps de passer trois soirs sur un drapeau de rendu — et surtout, je l'opère. Quand ça casse à 3 heures du matin, c'est ma nuit, pas la tienne.
- Ton atelier, à ta charte — tes styles recodés, tes règles écrites, ton format. Pas un template partagé avec cinquante autres clients.
- Optimisé pour ton volume — deux vidéos par mois et quarante par mois ne se construisent pas pareil. On dimensionne pour le tien, pas pour une brochure.
- En prod, pas en démo — la file d'attente, les reprises après échec, les versions épinglées, la surveillance. Ce qui fait qu'une vidéo sort même le jour où tu n'y penses pas.
- Opéré — je ne te livre pas un dossier et un « bon courage ». Ça tourne, je le surveille, et ça s'améliore à chaque correction.
Le premier échange, c'est 30 minutes en visio. Tu me montres comment tu tournes aujourd'hui et ce que tu veux publier. Je te dis ce qui est automatisable dans ton cas, ce qui ne l'est pas, combien de temps et d'argent tu récupères par mois — et si ça ne vaut pas le coup chez toi, je te le dis aussi. Tu repars avec une réponse dans les deux cas.
Et si tu préfères le faire seul : remonte, prends la checklist et les trois prompts. C'est sincèrement tout ce qu'il te faut.