J'ai automatisé mon montage vidéo avec Claude
Je me filme en marchant, j'envoie mes intentions. Claude fait le reste : montage, miniature, description. Le système, les outils, les ratés.
La vidéo en haut de cette page, je ne l'ai pas montée. Je me suis filmé en marchant dans la rue, j'ai envoyé le fichier avec quelques consignes dictées sur le pouce. Le montage, les animations, les sous-titres, la miniature et la description sont arrivés sans moi.
Ça fait des mois que je construis ce système. Je ne pensais pas pouvoir dire un jour que je ne fais plus de montage du tout, alors voilà comment il fonctionne, ce qu'il m'a coûté, où il se plante encore.
Ce que je fais encore à la main
Trois choses, toujours les mêmes. J'écris mes scripts, ou je les improvise à moitié. Je me filme, souvent en marchant. Et j'envoie mes intentions de montage avec quelques captures d'écran ou footages quand il en faut.
Les intentions, c'est le cœur du système. Pas un logiciel à paramétrer, pas une timeline à remplir : un message dicté comme à un monteur humain. Pour te donner une idée, voilà la vraie consigne envoyée pour la vidéo que tu vois plus haut.
Voilà une petite vidéo toute simple tournée sur le pouce. Tu peux faire un peu de montage, illustrer ce que je dis, faire des démos au moment où je les nomme. Reprends le pitch avec le deuxième footage dans le bridge. Ajoute un teasing après le hook.
À partir de ça, Claude transcrit la voix avec ses timecodes, découpe, enlève les doublons, fait apparaître les mots-clés au bon moment, génère la miniature, écrit la description, planifie la publication.
Chaque vidéo traverse une chaîne d'états, de la préproduction à la publication, et je garde deux points de contrôle humains : une revue avant la version finale, puis le feu vert de publication. Le reste tourne sans moi, y compris la nuit.
Les outils, pour les curieux
- HyperFrames, le moteur de rendu créé par HeyGen : c'est lui qui fabrique la vidéo finale
- ElevenLabs pour la transcription et les sous-titres
- HeyGen quand c'est mon clone qui parle à l'écran
- Nano Banana, le modèle d'image de Google, pour les images de footage
Et pour tenir tout ça ensemble, une série de skills et de routines Claude, plus un petit front-end maison. Aucune de ces briques n'est secrète : la valeur est dans la couture, pas dans les composants.
Ce que ça m'a vraiment coûté
Beaucoup d'allers-retours, sur plusieurs mois. Des animations qui illustraient le mauvais mot, des sous-titres décalés d'une demi-seconde qui rendaient tout pénible, des miniatures à refaire trois fois. Je me suis retrouvé plus d'une fois à minuit en train de corriger une animation qui grossissait le mauvais chiffre.
Donc soyons honnêtes : si tu cherches un outil à installer demain matin, celui-ci n'existe pas. C'est un assemblage cousu pour ma façon de tourner. La couture a pris du temps.
Ce qui est reproductible, en revanche, c'est la compétence qui porte tout : décrire ses intentions assez clairement pour qu'une IA les exécute. C'est exactement ce qu'on apprend en écrivant ses premiers skills. C'est pour ça que je conseille de commencer par là plutôt que par les projets : mon système de montage n'est au fond qu'une série de skills articulés, choisis au bon moment par l'agent.
Si tu veux que je détaille une partie précise du système, dis-le-moi en commentaire sous la vidéo. Je me réjouis de voir laquelle t'intéresse le plus 🙂
