En bref : le morceau, c'est votre scénario. Figez le mixage final, posez un timecode sur chaque section et transformez le tempo en durée de plan (une mesure dure 240 divisé par le BPM, en secondes). Ensuite seulement : la fiche de l'artiste, le storyboard section par section, des plans générés un peu plus longs que leur mesure, et un montage calé sur la forme d'onde.
Un clip réussi se joue sur une timeline, bien avant le premier prompt. La plupart des clips IA ratés font l'inverse : ils génèrent d'abord, puis essaient de plaquer les images sur une chanson que personne n'a mesurée. Ce guide est le chapitre clip de notre méthode pour réaliser un film avec l'IA. Il se concentre sur ce que la musique change : une structure que vous n'avez pas écrite, un interprète qui la porte pendant trois minutes, et un morceau qui appartient à quelqu'un.
Ce qu'il vous faut
- Le morceau, en mixage final, avec le droit de l'utiliser. La musique vient de l'artiste ou d'une source sous licence, pas de l'outil vidéo.
- Du temps : plusieurs jours de travail pour un clip complet de trois minutes. Un teaser vertical de 15 à 30 secondes tient dans un week-end.
- Un budget : l'écriture du script est gratuite dans ScreenWeaver. Le storyboard et la vidéo consomment des crédits, donc la facture dépend du nombre de plans gardés et de prises par plan. Les formules sont détaillées dans la section tarifs.
- Du matériel : un ordinateur avec un navigateur, et un logiciel de montage comme DaVinci Resolve, Premiere Pro ou CapCut.
- Un niveau : savoir compter des mesures. Aucun dessin, aucune compétence 3D.
Ce qui fait un bon clip
Avant de parler d'outil, cinq règles. Un clip qui les ignore sonne faux, quel que soit le modèle qui l'a généré.
1. Le morceau est le scénario. Au cinéma, le script donne l'histoire et vous choisissez le rythme. Dans un clip, c'est l'inverse : le morceau impose le rythme, à vous d'y trouver l'histoire.
2. La durée des plans vient du tempo. En 4/4, une mesure dure 240 divisé par le BPM, en secondes : 2 secondes à 120 BPM, 1,6 seconde à 150. Un couplet tient un plan sur deux mesures, un refrain coupe à chaque mesure, un break de batterie à la demi-mesure.
3. Deux pistes qui s'entrecroisent. La piste performance, c'est l'artiste qui livre la chanson. La piste récit, c'est le monde autour. On les prépare séparément et on fixe tôt leur proportion.
4. Un motif par section. Une lumière, un lieu, un costume ou une couleur qui dit au spectateur où il en est dans la chanson. Le deuxième refrain doit grandir à partir du premier, pas le recopier.
5. Le playback se décide, il ne s'espère pas. Les modèles vidéo ne calent pas une bouche de façon fiable sur les syllabes d'une vraie voix. Décidez dès le départ quels plans montrent le chant, et comment vous les traiterez.
La méthode pas à pas
Étape 1 : figer le morceau, les droits et l'idée
Rien ne démarre tant que le master n'est pas définitif. Deux mesures de plus dans le pont, et tous les timecodes du storyboard bougent, alors qu'un plan généré ne s'étire pas. Faites confirmer par écrit la version exacte et sa durée.
Réglez ensuite la question des droits. Si la chanson n'est pas la vôtre, il vous faut l'accord de ceux qui détiennent la composition et l'enregistrement. Sur YouTube, les ayants droit peuvent inscrire un morceau dans Content ID : une vidéo qui correspond peut alors être bloquée, monétisée à leur profit, ou simplement suivie (aide YouTube, « Fonctionnement de Content ID », consultée le 8 octobre 2026).
Enfin, écrivez l'idée en une phrase : « Une prêtresse réveille un temple de pierre avec un tambour, et le temple lui répond par la lumière. » Sans cette phrase, le clip devient une suite de jolis plans sans raison d'être. Notre guide sur la longueur d'un traitement de clip montre comment en faire une proposition que l'artiste peut valider.
Étape 2 : construire la carte des temps
C'est l'étape que presque tous les clips IA sautent. Chargez le morceau dans votre logiciel de montage, posez un marqueur à chaque changement de section et remplissez une ligne par section. Voici le début d'une carte des temps pour un morceau d'exemple à 120 BPM, où une mesure dure 2 secondes :
| Section | Timecode | Mesures | Rythme de coupe | Plans | Motif | Ce que le spectateur doit comprendre |
|---|---|---|---|---|---|---|
| Intro | 0:00 à 0:16 | 8 | un seul plan long | 1 | fumée, bougies | le monde avant l'artiste |
| Couplet 1 | 0:16 à 0:48 | 16 | deux mesures par plan | 8 | lumière des vitraux | qui chante |
| Refrain 1 | 0:48 à 1:20 | 16 | une mesure par plan | 16 | néons | l'image signature |
Le calcul suit tout seul. Un morceau de trois minutes à 120 BPM compte 90 mesures. À deux mesures par plan, cela fait environ 45 plans, plutôt 70 si les refrains coupent à chaque mesure. Ce chiffre, c'est votre liste de plans et la base de votre budget, obtenus avant le moindre crédit dépensé.
Notre article sur les temps forts narratifs d'un clip aide ensuite à donner un tournant visuel à chaque section.
Étape 3 : écrire le clip comme un scénario
Écrivez le clip comme un scénario dont les sections sont les en-têtes de séquence. Voici le début de la démo Neon Temple dans l'éditeur de scénario gratuit de ScreenWeaver :
COUPLET 1 (0:15) - INT. TEMPLE DE NÉON - NUIT Sous trois hautes fenêtres, elle relève le visage. Le halo à pointes accroche la lumière. Elle chante face à l'objectif. ACCROCHE (0:44) Sa paume frappe le tambour sur le temps fort. La poussière saute.
Une seule action par plan : un modèle à qui l'on demande trois choses en deux secondes n'en réussit aucune. Et marquez chaque plan « performance » ou « récit ». Une fois le script terminé, le découpage technique par l'IA transforme chaque section en liste de plans que vous pouvez modifier, réordonner et caler sur votre carte des temps.
Étape 4 : créer les fiches de référence
Avant la première case de storyboard, chaque élément récurrent devient une référence : les personnages (l'artiste, les danseurs, les personnages du récit qui reviennent), les lieux (chaque décor, avec ses états de lumière s'ils changent) et les objets (un tambour, une voiture, un collier, tout ce que le spectateur doit reconnaître d'un plan à l'autre). Vous pouvez générer les fiches ou importer vos propres images, y compris des photos de l'artiste s'il a donné son accord. La méthode complète est détaillée plus bas, dans la partie sur la cohérence.
Étape 5 : fixer une direction artistique unique
Choisissez un seul look et rattachez-le à chaque génération : une ou deux images de style, quelques règles de lumière et de couleur, le format d'image. Décidez aussi des formats dès maintenant. La plupart des artistes ont besoin d'un master 16:9 pour YouTube et de versions 9:16 du refrain pour Reels, TikTok et Shorts. Un plan de performance en 16:9 survit rarement à un recadrage vertical : prévoyez les plans verticaux comme des cadres à part entière.
Étape 6 : storyboarder chaque section
Découpez le storyboard section par section, avec un timecode d'entrée et de sortie sur chaque case. Dans ScreenWeaver, le storyboard est généré à partir du découpage, fiches de référence attachées, et s'affiche en préviz 3D grise : on y vérifie le cadre, la mise en place et le rythme, pas les textures.
Les six plans de Neon Temple, un clip de démonstration réalisé par l'équipe ScreenWeaver pour notre page dédiée au clip : la case de storyboard au-dessus, le plan final en dessous.
Montez ensuite les cases en animatique sur le master. Si le refrain 2 ressemble déjà au refrain 1, vous le découvrez en un après-midi, pas après trois cents générations. Pour le nombre de cases par section, voyez notre guide du storyboard de clip, et la page du générateur de storyboard IA pour voir à quoi ressemblent les cases dans l'application.
Étape 7 : générer plan par plan, sur deux voies
Sur le canvas de production, deux pipelines transforment le storyboard en vidéo. Référence vers vidéo fait de l'action de chaque plan un prompt dirigé et y attache les personnages, lieux et objets cités dans le plan. Cases de storyboard vers vidéo s'appuie sur jusqu'à 14 cases d'une section pour guider l'ordre et la composition de la séquence générée, en plus des références.
Le modèle par défaut est Seedance 2.5 (plans de 4 à 30 secondes, jusqu'en 1080p, jusqu'à 30 images de référence). Seedance 2, Veo 3.1, Kling 3.0, MiniMax H3 et Grok Imagine Video sont aussi disponibles. Le choix se fait plan par plan. Trois règles propres au clip :
Générer plus long que la mesure. Un plan de 1,6 seconde n'est pas une durée de génération. Générez quatre secondes ou plus, décrivez une seule action, et gardez au montage le passage où le mouvement est propre.
Le morceau comme référence, pas comme promesse. Seedance 2, Seedance 2.5 et MiniMax H3 acceptent un fichier audio importé comme référence : vous pouvez donc donner au modèle la section qu'il illustre. Voyez-le comme une indication d'ambiance et d'énergie. Ne comptez pas dessus pour caler une coupe sur un temps ou une bouche sur une syllabe. Le rythme se règle au montage.
Un budget de prises par voie. Les plans de récit convergent en général en quelques prises. Les plans de performance, où un visage, des mains et un instrument doivent tous être justes, en demandent davantage. Gardez la meilleure prise, jamais la première par défaut.
Étape 8 : le son, quand la chanson est déjà finie
ScreenWeaver ne génère ni musique ni voix, et un clip n'en a pas besoin : le morceau existe déjà. La plupart des modèles vidéo peuvent renvoyer un son d'ambiance avec le plan. Coupez-le, ou gardez-en un souffle sous une intro ou un break.
Étape 9 : monter sur la forme d'onde, exporter les deux formats
ScreenWeaver ne fait ni montage ni export du film final. Téléchargez les plans retenus et assemblez-les dans DaVinci Resolve, Premiere Pro ou CapCut, sur le master et jamais sur un mixage provisoire. Le vrai travail consiste à choisir quelles 1,6 seconde d'une génération de quatre secondes tombent sur le coup. Les stroboscopes se fabriquent au montage, sur le temps, à partir d'états d'éclairage propres : un scintillement généré a tendance à baver.
Gardez une seule cadence d'images du début à la fin. Si le label diffuse via Vevo, sa fiche technique HD demande du 1920x1080 en H.264 ou ProRes, une cadence native d'au moins 23,98 images par seconde, un son AAC stéréo et aucun carton en début ou en fin (Vevo, « Music Video Specs », consulté le 8 octobre 2026). Tirez ensuite les versions 9:16 des cadres prévus à l'étape 5.
Garder le même artiste pendant trois minutes
Le clip est le test de cohérence le plus dur de la vidéo IA. Un court métrage montre son héros dans une quinzaine de plans. Un clip montre l'artiste dans trente ou quarante, souvent en gros plan, sous une lumière qui change, et chaque refrain invite à le comparer au précédent.
Pourquoi l'artiste dérive
Un modèle vidéo n'a aucune mémoire d'une génération à l'autre. Écrivez « une femme aux longues tresses perlées et à la coiffe de métal » dans quarante prompts, et vous obtenez quarante femmes qui correspondent toutes à la phrase. Les mots décrivent une catégorie, pas une personne, et ajouter des détails n'y change rien. Nous détaillons le mécanisme dans notre article sur la dérive des personnages en vidéo IA.
La règle : attacher la référence, ne pas la redécrire
La cohérence vient d'images qui accompagnent chaque plan. Dans ScreenWeaver, l'artiste est un personnage doté d'une fiche de référence. Vous le citez dans la ligne d'action du plan, la fiche suit le plan jusque dans le storyboard, et les mêmes références sont attachées quand le plan devient vidéo. Le prompt ne dit plus que ce qui change dans ce plan : l'action, le cadre, la lumière.
Le kit de l'artiste
À construire une fois, avant la première case :
- Un plan de référence : de face, expression neutre, lumière égale. Toutes les autres images se comparent à lui.
- Un turnaround : face, trois-quarts, profil, dos. Un clip utilise bien plus de profils et de plans de dos qu'un film.
- Des gros plans de la tenue : matière, coupe, couleurs, et chaque accessoire qui compte, coiffe, bijoux ou instrument.
- Les expressions clés : bouche ouverte sur une note, yeux fermés sur une tenue de voix, le sourire final.
- Une fiche par tenue : si l'artiste change de look entre deux sections, chaque look a sa fiche, dérivée du plan de référence pour que le visage reste le même.
L'outil fiche de cohérence de personnage IA aide à lister ce que la fiche doit montrer, et notre guide sur la cohérence des personnages dans un storyboard IA explique comment la faire passer de case en case.
Plans de performance et plans de récit : deux problèmes différents
Les plans de performance montrent l'artiste face caméra, qui chante, joue ou danse. Le visage est grand, et le spectateur le compare au refrain précédent. Ces plans demandent le kit complet à chaque fois, un cadrage serré et plus de prises. Gardez-les courts : c'est dans un gros plan tenu que la dérive et les problèmes de bouche apparaissent en premier.
Les plans de récit montrent le monde, d'autres personnages, des mains, ou l'artiste de loin. Dans un plan large, l'œil suit la silhouette : la tenue, les cheveux, la carrure. La fiche reste donc attachée, plans larges compris. C'est dans le plan large sans référence que le manteau change de couleur.
Une tenue par section, décidée au storyboard
Un changement de look ne pose aucun problème s'il est prévu. Dans Neon Temple, le storyboard donne à la prêtresse un halo à pointes pour le couplet et une autre couronne pour le refrain et l'outro. C'est un motif de section écrit dans le storyboard, pas une dérive. Ce qui ne doit jamais changer par accident : le visage, les tresses, la carnation.
Couplet, refrain, outro : trois plans de performance du même personnage, tirés de la démo Neon Temple.
Le test de dérive
Avant de générer une nouvelle section, posez le premier plan de performance du clip à côté du plus récent. Même visage ? Mêmes tresses ? Même coiffe pour cette section ? Comparez ensuite le refrain 1 et le refrain 2 côte à côte, puisque c'est exactement ce que fera le public. Vérifiez d'abord sur le storyboard, où une correction coûte une case, puis à nouveau sur la vidéo.
Le vrai artiste, un interprète généré, ou pas de visage
À trancher avant toute génération.
- Le vrai artiste, filmé. Tournez la performance devant un fond uni, en playback, puis générez le monde autour. La bouche est réelle, donc le playback aussi. Pour un ralenti, le calculateur d'images vidéo fait le calcul de la vitesse de lecture.
- Un interprète généré. Créez un personnage original, tenez-le avec le kit, et gardez les plans chantés larges, de profil ou de dos. Pour les rares gros plans qui exigent un playback, prévoyez une passe dédiée dans un outil de synchronisation labiale à part, puis vérifiez que les lèvres se ferment sur les B, P et M.
- Pas de visage. Des mains, des lieux, des objets, des danseurs au loin, du texte. Aucune passe de playback, aucune question de ressemblance.
Un interprète généré qui ressemble au vrai artiste exige son accord écrit. S'il ressemble à n'importe quel autre chanteur réel, on le redessine.
Try it free
Try Screenweaver for free on your script
It is free. Import your existing project, get a clearer view of your outline, and regain control of your story structure in minutes.
Start FreeUn plan décortiqué
Le plan 5 de Neon Temple, premier refrain, de la page à l'écran.
- Carte des temps : refrain 1, une mesure par plan à 150 BPM, soit 1,6 seconde à l'écran.
- Script : « Elle lève les deux mains, une flamme dans chacune. À la mesure suivante, tous les néons du temple s'allument. »
- Indication de plan : « Plan large de dos, bras levés, une flamme dans chaque main, les danseurs face à elle. Les tubes blancs s'allument au milieu du plan. »
- Ce que le storyboard a fixé : la caméra derrière elle, pour que la plus grande image du refrain n'ait besoin d'aucun playback. Les danseurs tournés vers elle, pour en faire le centre sans montrer son visage. Les bougies au premier plan, pour que les néons aient quelque chose à transformer.
- Ce que les références ont fixé : les tresses et la carrure de la prêtresse vue de dos, et les deux états de lumière du temple.
- Ce que fait le montage : l'allumage tombe sur un temps fort. Si une prise avait scintillé, la solution de repli était de générer deux états propres, néons éteints et néons allumés, et de couper sur le temps.
Nous n'avons pas noté le nombre de prises pour cette démo, donc nous n'en publierons pas.
Combien ça coûte, combien de temps
Il n'existe pas de prix honnête unique : la facture, c'est le nombre de plans gardés multiplié par le nombre de prises par plan.
Les plans : ils sortent de votre carte des temps. Environ 45 pour trois minutes à deux mesures par plan, plutôt 70 avec un refrain très découpé.
Les prises : la meilleure référence publique reste le clip de Paul Trillo pour « The Hardest Part » de Washed Out (Sub Pop, 2024), réalisé avec Sora. D'après fxguide, il a généré environ 700 plans, soit près de 230 minutes de vidéo, et en a utilisé environ 55 (fxguide, 8 mai 2024, consulté le 8 octobre 2026). Cela fait environ 13 générations par plan gardé, sur un clip en plan continu et avec un modèle encore jeune. Voyez-y un plafond : avec un storyboard et des références attachées, attendez-vous à moins de prises.
Les crédits : le coût d'une génération dépend du modèle, de la durée et de la résolution. Entrez votre nombre de plans et un profil de prises dans le calculateur de coût vidéo IA avant d'annoncer un chiffre à l'artiste. L'écriture ne coûte rien dans ScreenWeaver, et les formules sont dans la section tarifs.
Le temps : une journée pour la carte des temps et le script, une ou deux pour les fiches et le storyboard, puis une génération proportionnelle au nombre de plans. Pour un repère sur un format long avec la même méthode, voyez l'encadré preuve plus bas.
Les erreurs fréquentes, et comment les corriger
1. Générer avant la carte des temps. Chaque plan finit à la mauvaise durée. Correction : mesurez le morceau et comptez les mesures d'abord.
2. Redécrire l'artiste dans chaque prompt. Quarante prompts, quarante chanteuses légèrement différentes. Correction : une fiche de référence attachée à chaque plan, plans larges compris.
3. Compter sur un playback généré. La bouche décroche des paroles, et une note tenue rend l'erreur flagrante. Correction : filmez l'artiste, gardez les plans chantés générés larges ou de profil, ou prévoyez une passe de synchronisation labiale dédiée.
4. Trois actions dans un plan. Le modèle fait des compromis et rien ne tombe sur le temps. Correction : une action par plan, générée plus longue que la mesure.
5. Empiler les adjectifs de style. « Cinématique, sombre, néon, gothique » donne une moyenne générique. Correction : une direction artistique unique, attachée sous forme d'images.
6. Un refrain 2 qui recopie le refrain 1. Le clip cesse de grandir à mi-parcours. Correction : même motif, nouveaux angles, une montée en intensité, vérifiée dans l'animatique.
7. Oublier les droits. Un morceau que vous ne contrôlez pas, un interprète qui ressemble à un chanteur connu. Correction : une autorisation écrite pour le morceau, un interprète original ou l'accord de l'artiste.
Quel outil choisir
| Type d'outil | Ce qu'il fait bien | Là où il casse sur un clip |
|---|---|---|
| Générateurs vidéo seuls | De beaux plans, les derniers modèles en premier | Aucune mémoire entre les plans, ni carte des temps ni storyboard |
| Applis de clip en un clic | Un clip en quelques minutes à partir d'une chanson | Visuels génériques, peu de contrôle sur l'artiste ou le montage |
| Suites de production avec script, storyboard et vidéo dans un même projet | Carte des temps, plans, références et générations restent liés | Il faut toujours écrire, choisir et monter |
ScreenWeaver appartient à la troisième ligne : un éditeur de scénario, un découpage technique par l'IA, un storyboard et un canvas de production, avec les mêmes fiches personnages, lieux et objets du premier mot au dernier plan. Il ne compose pas de musique et ne monte pas le film final. Il prend en charge ce qui fait échouer la plupart des clips IA : quarante plans d'un même artiste, dans le bon ordre, à la bonne durée, avec le même visage.
La preuve, pas la promesse
Neon Temple est une démo réalisée par l'équipe ScreenWeaver pour notre page générateur de clip musical IA : six plans coupés à chaque mesure à 150 BPM, 1,6 seconde chacun, en 16:9. La page montre chaque plan avec sa case de storyboard, son plan final et sa place dans la chanson. C'est une démonstration, pas un clip de commande.
Pour la méthode complète sur un format long, lisez l'étude de cas Lost Garden : deux épisodes d'anime, 38 minutes au total, réalisés par une seule personne, du script aux plans finaux, dans ScreenWeaver. L'épisode 2 dure 21 minutes et a demandé 75 heures et 1 850 dollars.
Droits et mention IA sur YouTube avant de publier
YouTube demande de signaler les contenus réalistes qui font dire ou faire à une personne réelle ce qu'elle n'a pas dit ou fait, qui modifient un événement ou un lieu réel, ou qui montrent une scène réaliste qui n'a pas eu lieu. Une musique générée par IA qui constitue le cœur de la vidéo figure aussi sur la liste. Un contenu manifestement irréaliste n'est pas concerné, et la mention ne limite ni l'audience ni l'éligibilité à la monétisation (aide YouTube, « Signaler l'utilisation de contenus modifiés ou synthétiques », consultée le 8 octobre 2026).
Un interprète généré photoréaliste qui chante le morceau entre dans ce cas. Notre article sur les règles de mention de l'IA couvre les autres plateformes.
FAQ
Peut-on faire un clip avec l'IA gratuitement ?
En partie. Cartographier le morceau et écrire le script du clip est gratuit avec la formule Screenwriter de ScreenWeaver. Le storyboard et la vidéo consomment des crédits. La préparation, qui décide de la qualité, ne coûte rien.
Quelle est la meilleure IA pour le playback d'un clip ?
Aucun modèle vidéo généraliste ne le fait encore de façon fiable sur une vraie voix. Filmez l'artiste en train de chanter, gardez les plans chantés générés larges ou de profil, ou faites une passe de synchronisation labiale dédiée sur les rares gros plans qui l'exigent.
Comment garder le même personnage pendant tout le clip ?
Avec des images, pas des descriptions. Créez la fiche de l'artiste avant la première case, attachez-la à chaque plan, et comparez le premier et le dernier plan de performance avant chaque nouvelle section.
Combien de plans faut-il pour un clip de trois minutes ?
Comptez en mesures, pas en secondes. À 120 BPM, trois minutes font 90 mesures : environ 45 plans à deux mesures par plan, plutôt 70 si les refrains coupent à chaque mesure.
Peut-on faire un clip vertical en 9:16 ?
Oui. ScreenWeaver travaille notamment en 16:9 et en 9:16. Prévoyez les plans verticaux comme des cadres à part plutôt que de recadrer le master, et ouvrez la version courte sur le refrain.
Un clip IA peut-il être monétisé sur YouTube ?
Selon YouTube, signaler l'usage de l'IA ne change rien à l'éligibilité à la monétisation. Ce qui compte, c'est de détenir les droits du morceau, puisqu'un ayant droit peut revendiquer une vidéo correspondante via Content ID.
Commencez par la chanson
Votre morceau a déjà une structure. Cartographiez-le, écrivez le clip et storyboardez chaque section dans un seul projet. Commencez à écrire gratuitement sur ScreenWeaver, puis passez au storyboard et à la génération quand la carte des temps tient debout.
Final Step
Build your next script with Screenweaver
Move from ideas to production-ready pages faster with timeline-native writing and AI-assisted story flow.
Try Screenweaver
