# Prompts vidéo IA: tenir une continuité sur six plans

URL: https://auxworld.app/fr/journal/prompts-video-ia-continuite
Type: blog
Locale: fr
Published: 2026-07-28
Updated: 2026-08-09

---

> Tes prompts vidéo IA doivent survivre à six plans, pas un. Découvre la structure du world key qui divise par quatre tes renégérations, les cinq couches de Veo, et les trois réflexes à abandonner.

La plupart des prompts vidéo IA sont écrits pour un plan unique. Mine doivent survivre à six. C'est le job quand ton prompt doit aussi décrire un monde jouable : la lumière du plan un doit correspondre à la lumière du plan quatre, sinon tout le truc se lit comme une rupture de continuité au lieu d'un espace. Voici la structure exacte que j'utilise pour les prompts vidéo IA sur Veo, ce qui change quand je fais passer le même brief par Kling, et les réflexes qui coûtaient silencieusement un tiers de mes crédits de génération.

## Pourquoi la plupart des prompts vidéo IA craquent au plan trois

J'avais six plans cinématiques à générer pour un monde : un plan large d'établissement, un plan moyen avec panoramique, un gros plan sur l'eau, trois plans de personnages. Six prompts séparés, chacun écrit from scratch, comme tous les guides te le disent.

Au plan trois, le brouillard s'était aminci. Au plan cinq, la lumière était passée d'un bleu-crépuscule à quelque chose qui ressemblait à midi. Personne n'avait dit au modèle de changer la météo. J'avais juste décrit le ciel légèrement différemment chaque fois, et six fois légèrement différent, ça additionne un autre univers.

Le fix n'était pas un meilleur prompt. C'était un bloc verrouillé que je colle au-dessus de chaque plan dans la séquence, inchangé :

`Clé de monde (réutiliser verbatim sur chaque plan) :
vallée de highlands embrumée, crépuscule, lumière bleu-violet froid,
brouillard au sol fin, silhouette de montagne lointaine, grade colorimétrique retenu,
pas de lens flare`Tout après cette ligne est libre de changer : le sujet, l'action, la caméra. La clé de monde ne change pas. À partir du moment où j'ai commencé à traiter la continuité comme un élément verrouillé au lieu d'un espoir, mon taux de plans inutilisables sur une séquence de six s'est effondré : d'environ 4 sur 10 à environ 1 sur 10.

Ça semble petit jusqu'au moment où tu comptes tes crédits. Une séquence de six plans à 40% d'échec veut dire régénérer deux ou trois plans en plus des six sur lesquels tu as déjà payé. À 10%, la plupart des séquences se terminent propres du premier coup. Le prompt est devenu plus court. La sortie est devenue plus prévisible. C'est cette conjonction des deux qui vaut le coup de remarquer.

## Les cinq couches que Veo récompense réellement

[Le guide de prompting officiel de Google pour Veo 3.1](https://cloud.google.com/blog/products/ai-machine-learning/ultimate-prompting-guide-for-veo-3-1) divise un prompt puissant en cinq parties : sujet et action, caméra, environnement et lumière, style et ambiance, et audio : c'est-à-dire dialogue, effets sonores, ambiance sonore, chacun écrit comme sa propre ligne. Saute la couche audio et tu obtiens un clip silencieux qui se lit comme inachevé même quand le visuel est bon.

Voici un prompt construit sur cette structure, décrivant une scène que j'ai réellement générée :

`Caméra : dolly lent avant, hauteur taille, profondeur de champ réduite
Sujet : un barman robot qui essuie un verre derrière un bar en bois usé
Action : il pose le verre et lève les yeux au moment où la porte s'ouvre
Environnement : un bar de jazz années 1920 de Détroit embrumé, guirlandes de lumière chaude, brume fine
Style : grade colorimétrique film noir années 1940, grain léger
Audio : ambiance sonore, conversation en sourdine et une trompette assourdie`Ce n'est pas une liste de mots-clés. C'est cinq instructions courtes sur lesquelles le modèle peut agir indépendamment, ce qui compte plus que ça n'en a l'air. Google cite un client, l'app audio Pocket FM, qui rapporte un gain de 30 à 40% en rétention après avoir construit des vidéos générées par Veo en couches structurées dans leur produit. Je ne peux pas vérifier ce chiffre moi-même, mais l'affirmation sous-jacente : que la structure bat un tas d'adjectifs plus long : correspond à ce que je vois plan après plan.

![Plan cinématique généré par IA : bar de jazz années 1920 embrumé avec un barman robot](https://fdzlnqpwsaniezitwiuw.supabase.co/storage/v1/object/public/cms-media/auxworld/2026-08/204f21-inline1-jazzclub.webp)

## Écrire du dialogue de PNJ sans casser la scène

La couche audio est où la plupart des prompts centrés sur le monde s'effondrent, parce que le dialogue doit avoir l'air d'appartenir à un personnage, pas à un lecteur de synthèse vocale.

Les guillemets comptent plus ici qu'ailleurs dans le prompt. Attribue la ligne au personnage, décris le delivery, et garde-la court :

`Audio : le barman dit, « On n'a pas souvent des étrangers par ici »,
ton plat, indifférent. Ambiance sonore : tonnerre lointain, verres qui tintent.`Deux lignes, pas un paragraphe. Une seule ligne de dialogue longue tend à être massacrée ou coupée. Deux échanges courts, chacun avec sa note de delivery, sortent plus près de ce que tu avais réellement imaginé. Si une scène a besoin d'une troisième ligne de dialogue, c'est généralement un signe qu'elle devrait être deux plans au lieu d'un, revenir à la règle de deux éléments nouveaux de la clé de monde.

## Le langage caméra est le levier, pas les adjectifs

Échange « cinématique » pour « époustouflant » dans un prompt et presque rien ne change dans la sortie. Échange « plan large statique » pour « dolly lent avant » et tout le registre émotionnel du plan se décale, parce que le modèle analyse réellement cette instruction comme un mouvement de caméra physique, pas de la décoration.

Les verbes qui marchent régulièrement sur Veo et Kling : dolly avant ou arrière, panoramique, grue, steadicam qui suit, main levée, aérien ou drone. Le choix de l'objectif compte aussi. Un 16mm se lit comme large et légèrement distordu, bon pour l'échelle. Un 85mm compresse le fond et flattera un sujet en gros plan. Aucun des deux n'a besoin de trois adjectifs empilés devant pour faire son job.

Kling traite cela différemment que Veo d'une façon spécifique qui vaut le coup de savoir avant de choisir ton outil : il est notablement plus fort sur le mouvement fluide des humains et personnages sur des clips plus longs, où Veo tend à gagner sur l'éclairage naturel et l'adhérence au prompt sur les plans d'environnement. Si ton monde a beaucoup de mouvement de style PNJ dans le cadre, c'est le tradeoff à tester toi-même plutôt que d'assumer.

Je fais passer les plans d'établissement et d'environnement par Veo et les plans lourds en personnages par Kling, puis je fais matcher la clé de monde sur les deux. C'est plus de setup que de choisir un outil et rester dessus, mais les coutures se voient moins qu'on le penserait une fois le langage d'éclairage verrouillé.

![Plan aérien d'un monde de canyon désertique à l'heure dorée, généré par un prompt vidéo IA](https://fdzlnqpwsaniezitwiuw.supabase.co/storage/v1/object/public/cms-media/auxworld/2026-08/556588-inline2-canyon.webp)

## Ce qu'il faut abandonner : les réflexes qui te coûtent tes crédits

Trois choses que j'ai cessé de faire, dans l'ordre de combien elles me coûtaient.

Prompts en salade de mots-clés. Un pile séparé par des virgules comme « épique, cinématique, 8k, tendance, chef-d'œuvre » fait moins qu'une seule phrase claire sur ce qui se passe dans le cadre. Le modèle n'a rien sur quoi agir dans un mot comme « épique ». Il a beaucoup à agir dans « la caméra monte en grue tandis que le pont entre en vue ».

Prompts négatifs vagues. « Pas de mauvaise qualité » dit rien d'utile au modèle. « Pas de lens flare, pas de motion blur sur le sujet au premier plan » lui dit exactement quoi supprimer. Les négatifs spécifiques fonctionnent. Les vagues brûlent une génération et ne changent rien.

Réécrire tout le monde from scratch chaque plan. C'est la même erreur que le problème de continuité au-dessus, juste qui se montre comme de la dépense gaspillée au lieu d'une dérive visible. Chaque réécriture complète est une chance fraîche pour le modèle de dériver la palette, et chaque plan déroulé est une génération que tu jetteras.

Empiler plus de deux éléments nouveaux par plan. Ajoute un nouveau personnage, une nouvelle condition météo, et un nouveau mouvement de caméra dans le même prompt, et le modèle doit deviner lequel tu valorises le plus. Change une chose, regarde ce qui se passe, puis change la suivante.

![Un moniteur affichant un rendu vidéo IA flou, sur-traité, avec des couleurs délavées](https://fdzlnqpwsaniezitwiuw.supabase.co/storage/v1/object/public/cms-media/auxworld/2026-08/a159e5-inline3-failedrender.webp)

## Tenir un monde cohérent sur six plans

L'astuce de la clé de monde fonctionne, mais c'est un patch manuel pour un problème que l'industrie construit activement de l'outillage autour. La feature Soul de Higgsfield, par exemple, est construite spécifiquement pour tenir l'identité visuelle d'un personnage constante à travers des générations séparées, une version plus difficile du même problème de continuité que je résous à la main avec un bloc de texte collé.

Je n'ai pas encore trouvé d'outil qui verrouille la continuité d'environnement de la façon dont j'aimerais pour un monde entier, six plans, un espace cohérent. Jusqu'à ce qu'un existe, la discipline est sur le rédacteur de prompt : même clé de monde, même langage d'éclairage, même retenue sur combien d'éléments nouveaux tu introduis par plan. Deux éléments nouveaux par plan, maximum. Introduis-en un tiers et quelque chose d'autre casse généralement.

Il y a une version de ceci qui monte l'échelle au-delà de six plans aussi. Quand un fork d'un monde est choisi par quelqu'un d'autre, un collaborateur, un deuxième créateur remixant ta base, la clé de monde voyage avec le fork. Ils héritent du langage d'éclairage qu'ils le sachent ou non, parce qu'il se tient assis à droite là-haut du haut de chaque prompt dans la séquence. C'est la valeur réelle de l'écrire au lieu de la garder dans ta tête : quelqu'un d'autre peut reprendre exactement où tu as laissé, sans un appel pour syncer ce que « la lumière » est censée ressembler.

![Trois moniteurs affichant le même monde de vallée généré par IA depuis des angles de caméra différents](https://fdzlnqpwsaniezitwiuw.supabase.co/storage/v1/object/public/cms-media/auxworld/2026-08/c1699f-inline4-threemonitors.webp)

## Éditer ce que tu génères : la part que personne ne prompte

Aucun prompt ne fixe le pacing. Une fois que tu as six plans qui tiennent, tu dois encore les couper en quelque chose de regardable, ajouter des sous-titres si le truc va quelque part de social, et rogner la demi-seconde où le mouvement du modèle devient bizarre avant de se stabiliser.

C'est une compétence séparée du prompting, et c'est celle que la plupart des guides sautent parce qu'elle se passe après que la partie intéressante soit techniquement finie. C'est aussi où une séquence brute devient une vraie séquence, sous-titres dedans, cadres morts dehors, la demi-seconde bizarre de mouvement rogné avant qu'elle ne se stabilise en quelque chose d'inquiétant.

## Ton premier jet est un rough cut, pas un diagnostic

La première fois qu'un plan revient mal, l'instinct est de réécrire tout le prompt. Non. Change la ligne qui est réellement responsable, le verbe caméra, la phrase d'éclairage, l'élément nouveau unique que tu as ajouté, et régénère. La plupart de ce qui ressemble à un échec de prompt est un mot qui fait le mauvais job.

Écris la clé de monde d'abord. Puis écris six instructions courtes et spécifiques qui vivent dedans, pas six mondes qui partagent un nom. Fork le plan qui est le plus proche, change une ligne, et regarde ce qui casse avant de décider que le prompt était faux.

## FAQ

### Qu'est-ce que la « clé de monde » ?

C'est un bloc de description d'environnement et d'éclairage : lumière, couleur, ambiance, météo : que tu réutilises verbatim sur chaque prompt d'une séquence. Ça verrouille la continuité visuelle et réduit drastiquement tes renégérations manquées.

### Veo vs Kling : quand utiliser l'un ou l'autre ?

Veo excelle sur les environnements et l'adhérence au prompt ; Kling sur le mouvement des personnages sur de longs clips. Utilise Veo pour les plans d'établissement et d'environnement, Kling pour les mouvements de personnages, puis synchronise la clé de monde sur les deux.

### Combien d'éléments nouveaux dois-je ajouter par plan ?

Deux maximum. Un nouveau personnage, une nouvelle action, un nouveau mouvement de caméra : choisis deux, pas trois. Chaque élément supplémentaire fait deviner au modèle tes priorités, ce qui dilue le résultat.

### Pourquoi mes négatifs vagues ne fonctionnent pas ?

« Pas de mauvaise qualité » ne dit rien au modèle. « Pas de lens flare, pas de motion blur sur le premier plan » le dit précisément. Les négatifs spécifiques fonctionnent ; les vagues coûtent des crédits.

### Le dialogue est-il vraiment important ?

Oui. Un clip silencieux se lit comme inachevé même avec de bons visuels. Attribue chaque ligne à un personnage, spécifie le ton, et garde-le court : deux lignes max par clip.

### Que fait la feature Soul de Higgsfield ?

Elle verrouille l'identité visuelle d'un personnage à travers des générations séparées, ce qui résout manuellement le même problème de continuité que la clé de monde résout pour les environnements.

### Comment structurer un dialogue sur plusieurs plans ?

Dois-je réellement compter mes crédits sur chaque plan ? Oui. À 40% d'échec, tu régénères deux ou trois plans par séquence ; à 10%, tu n'en régénères presque aucun. La discipline en prompting ÷ crédits par 4.