Produire des vidéos avec un agent IA : la méthode en six étapes

Lors d’un webinaire en direct, Yann Gabay, co-fondateur d’Oreegami, a montré la chaîne que nous utilisons au quotidien pour produire nos contenus pédagogiques. Les participants ont choisi le sujet en début de séance, et la vidéo était prête avant la fin de la présentation. Voici la méthode, le replay et le guide pour la reproduire chez vous.

Le principe : un script, un agent, une vidéo

Vous écrivez votre script dans un Google Doc, sous la forme d’un tableau qui indique la position de l’avatar, ce qui s’affiche à l’écran et le texte prononcé. Un agent Claude Code lit ce document, fait générer la voix par ElevenLabs, anime un avatar avec HeyGen, compose l’habillage graphique avec Remotion et vous livre un fichier vidéo. Vous relisez, vous demandez les corrections nécessaires, vous publiez.

L’objectif n’est pas de concurrencer un tournage professionnel ni de remplacer le travail des monteurs. Il s’agit de produire régulièrement les vidéos que vous n’auriez jamais faites faute de temps ou de budget : capsules de formation, explications de produit, contenus pour les réseaux sociaux.

Quatre notions pour comprendre la chaîne

Inutile de retenir les sigles, il suffit de comprendre les rôles. Une API est un câble direct entre deux outils : c’est par elle que l’agent commande une voix à ElevenLabs ou un avatar à HeyGen. Le MCP fonctionne comme une multiprise qui branche l’IA sur vos services, ici Google Drive et Notion. Une skill est votre méthode écrite une fois pour toutes dans un fichier texte : format du script, charte graphique, règles à respecter. L’agent, enfin, enchaîne les étapes, regarde le résultat de chacune et recommence ce qui est raté.

C’est cette boucle, raisonner puis agir puis observer, qui fait la différence avec un simple assistant conversationnel. L’agent ne se contente pas de répondre : il travaille, vérifie son travail et vous signale ce qui mérite votre attention.

Les six étapes de production

Quel que soit le sujet, la chaîne suit toujours les mêmes étapes, dans le même ordre. On n’en saute jamais une, mais on peut en automatiser cinq sur six.

1. Cadrer

Avant d’ouvrir le moindre outil, trois décisions s’imposent. L’objectif d’abord : ce que le spectateur doit savoir ou faire à la fin de la vidéo, avec une seule idée par vidéo. La durée ensuite, car c’est elle qui fixe le nombre de mots du script. L’audience enfin, débutante ou initiée, qui change chaque phrase. Ouvrir l’outil avant d’avoir tranché ces points, c’est la garantie de tout refaire.

2. Scripter

Le script s’organise en ouverture, développement et clôture, à raison d’environ trois mots par seconde. Il s’écrit pour l’oreille et non pour l’œil : phrases courtes, un verbe, un souffle. Une skill dédiée permet à l’IA de proposer un premier jet au bon format. Votre travail consiste alors surtout à couper.

3. Générer la voix

ElevenLabs produit aujourd’hui des voix d’une qualité remarquable, y compris votre propre voix clonée. Le vrai travail porte sur la prononciation des noms propres et des sigles : on écrit « Origami » pour entendre Oreegami, « rague » pour entendre RAG. Une voix de synthèse reste probabiliste, d’où la règle d’or de toujours écouter le premier essai.

4. Animer l’avatar

Un avatar HeyGen tient le regard caméra, ne se fatigue jamais et permet de corriger une phrase sans retourner la scène. Il reste en revanche peu convaincant pour un geste métier ou l’émotion d’un témoignage. Pour un témoignage client, filmez le client. Et dans tous les cas, indiquez que la vidéo a été générée par IA.

5. Habiller

Remotion calcule la vidéo image par image à partir de code : sous-titres calés au mot près, schémas animés, charte graphique appliquée automatiquement. Comme la vidéo est calculée et non montée, changer un chiffre ou une phrase ne demande plus de rouvrir un logiciel de montage : on relance simplement le rendu. Seul interdit à retenir, ne jamais afficher à l’écran le texte exact que prononce l’avatar.

6. Contrôler, puis publier

L’agent fait une partie du contrôle lui-même : il compte les mots, mesure l’audio, vérifie par transcription que la voix dit bien le script et contrôle les chiffres cités sur le web. Le dernier regard reste humain. Faites visionner la vidéo par quelqu’un qui ne connaît pas le sujet : c’est le seul contrôle que l’IA ne peut pas faire à votre place.

Industrialiser sans perdre la main

Une fois la chaîne rodée, on peut aller plus loin avec un backlog Notion. Vous y ajoutez vos idées de vidéos avec le lien du script, l’agent consulte la base chaque matin, produit les vidéos en attente et les dépose dans votre Drive avec ses remarques. Chez Oreegami, la publication n’est volontairement pas automatisée : un humain valide chaque vidéo avant sa mise en ligne. On automatise la fabrication, jamais la validation.

Côté budget, comptez environ 60 dollars par mois pour démarrer avec Claude, ElevenLabs et HeyGen. La première vidéo demande environ deux heures, le temps de régler la voix, l’avatar et le script. Les suivantes se produisent en une vingtaine de minutes. Le vrai gain se trouve pourtant ailleurs : dans la possibilité de mettre à jour une vidéo en quelques minutes quand son contenu change.

Un point ne se délègue pas : celui qui produit avec l’IA reste responsable de ce qu’il publie, même avec un script généré, même avec un agent.

Revoir le webinaire

Le replay complet montre la chaîne en action, de l’écriture du script à la vidéo finale sur les risques de la trottinette électrique, produite en direct à partir d’un sujet proposé par les participants.

Téléchargez le guide pas à pas

Pour reproduire la méthode chez vous, nous avons rassemblé tout ce qui a été montré dans un guide de 18 pages : l’installation des outils, la création des clés API en toute sécurité, les prompts prêts à copier pour écrire vos skills, le détail des six étapes et une checklist de contrôle avant chaque publication.

Vous voulez aller plus vite, former vos équipes à ces outils ou accueillir un alternant déjà formé ? Prenez quinze minutes avec nous pour en parler.