Un podcast créé avec l’IA : les coulisses du brief au montage

Deux personnages et une révélation embarrassante

Un invité très sûr de lui explique qu’il pilote ses vidéos en discutant avec une IA. L’animateur demande à voir. À la fin de l’échange, il découvre qu’il fait lui-même partie de la démonstration. ^[4]

C’est le point de départ de notre podcast fictif de 86 secondes. GPT-6 Astra et Sol dans Codex ont exécuté la production et le montage dans Premiere Pro, avec une direction artistique et une validation humaines. Voici le film, puis les choix qui ont permis d’assembler six générations en une conversation. ^[4]

Voir le film de 86 secondes

Un projet, trois outils

La production a été pilotée depuis Codex. La connexion MaxVideoAI pour Codex servait aux devis, aux générations vidéo approuvées et aux références. Des scripts locaux configurés séparément permettaient à Codex de piloter Premiere Pro pour le montage, les sous-titres, le son et les exports. ^{[4] [2]}

L’idée, la direction artistique, les retours sur les versions, l’approbation des devis, le choix musical et la validation finale relevaient de décisions humaines. Astra et Sol ont exécuté le projet, y compris les corrections de montage. Pour reproduire ce dispositif, il faut donc prévoir la configuration de Premiere en plus de la connexion MaxVideoAI. ^[4]

Le premier clip a fixé le casting

Le premier résultat exploitable était une prise de 18 secondes réunissant les deux personnages dans leur studio : un animateur sérieux en chemise sombre et un invité en maille beige, nettement plus content de lui. Les visages, la lumière et le décor donnaient enfin une base concrète au projet. ^[4]

Deux essais d’image avaient échoué à cause du réseau. La production a avancé en extrayant les références du clip qui fonctionnait déjà. Un passage de 7,5 secondes de cette même prise a également servi de référence pour l’identité vocale de l’invité. ^[4]

Les prises suivantes pouvaient ainsi retrouver les visages, les vêtements et le studio. Le carnet et le stylo de l’animateur, la montre de l’invité et leurs regards opposés donnaient aux prompts des détails précis à conserver. Il restait à demander une nouvelle réplique ou un cadre plus serré. ^[4]

Écrire le prompt en pensant au montage

Les six prises ont été générées avec Wan 3 Prime dans MaxVideoAI. La première installait la scène ; les suivantes réutilisaient les références visuelles et vocales. Pour l’explication de l’invité, le prompt demandait un cadre serré stable, des gestes mesurés et un dialogue propre. La musique et l’habillage seraient ajoutés au montage. ^{[4] [1]}

La prise de l’animateur, H01, regroupait plusieurs questions sur 28 secondes. Le prompt prévoyait un moment d’écoute silencieuse au début et à la fin, ainsi que des pauses entre les répliques. Ces petites marges donnent de la place pour entrer dans un plan, en sortir ou montrer la réaction de l’autre personnage. ^[4]

La capture ci-dessous montre aussi un écart intéressant : le prompt demandait l’animateur seul, mais le résultat contient les deux personnages. Il faut regarder les images reçues et construire le montage avec ce qu’elles offrent réellement. ^[4]

Le passage du prompt H01 qui préparait le montage

PERFORMANCE: Serious and intelligent American interviewer with dry humor and genuine curiosity, firm mid-low slightly textured American English voice, crisp but conversational, not an announcer. He asks the following seven questions/replies in order. These are separate usable passages that will later be intercut with the other speaker. Only this man speaks; there is NO off-camera reply. Do not speak section labels or invent any words. Leave about 0.65 seconds of silent listening between passages. Fit all dialogue naturally within the take, roughly 155 words per minute during speech, with two seconds of quiet listening at the start and two seconds at the end.

Extrait exact des consignes de jeu envoyées pour H01. Le prompt complet précisait aussi le dialogue, la caméra et la continuité. Repérez les silences prévus avant, entre et après les répliques.

L’ouverture a gagné à être moins découpée

Les dialogues ne suffisaient pas à alimenter toutes les coupes. H02 demandait huit secondes de réactions silencieuses de l’animateur ; W01 apportait six secondes supplémentaires en plan large. Le montage pouvait ainsi montrer celui qui écoute tout en laissant l’autre parler. ^[4]

Codex a piloté Premiere à l’aide de l’automatisation locale du projet, en organisant l’échange autour des regards, des pauses et des réactions. Les voix ont conservé leur vitesse d’origine. Le rythme se jouait dans les coupes et les respirations. ^[4]

La première ouverture était trop agitée. Après révision, neuf plans sont devenus cinq sur les 21,17 premières secondes. Un plan à deux de 13,73 secondes a laissé vivre la réponse initiale de l’invité, avec ses pauses sur « Easily » et « On my own ». Une réaction plus longue de l’animateur préparait ensuite la relance. ^[4]

C’est une décision à garder en tête pour vos propres vidéos : laissez à une bonne interprétation le temps de faire son effet. Un autre angle disponible n’impose pas de couper tout de suite. ^[4]

Faire entrer les coulisses dans la scène

Au moment de la révélation, l’invité reste à l’image tandis qu’un panneau latéral présente un extrait du prompt de l’animateur et les références des personnages. Cet habillage a été créé et ajouté dans Premiere. Son arrivée accompagne le geste de l’invité : l’explication fait partie de la scène. ^[4]

La finition a ajouté les sous-titres, la musique et un carton de six secondes, portant la conversation de 80 à 86 secondes. Une première proposition musicale a été écartée, puis Aphelion a été retenu pour la version finale. ^[4]

Aphelion, de Scott Buckley, est utilisé sous licence CC BY 4.0. Un extrait du morceau a été égalisé, mixé sous les voix et terminé par un fondu ; son niveau remonte sur le carton final. ^{[4] [5] [6]}

Le Short a eu droit à son propre montage

Le Short retenu dure 35,17 secondes, en 1080 × 1920, à partir des images existantes. Le cadre a été retravaillé pour garder le personnage, le micro et les sous-titres lisibles, puis le logo final a été recentré. Une seconde proposition de Short a été abandonnée. ^[4]

Pour votre vidéo, choisissez un passage qui raconte déjà quelque chose sur un téléphone. Une entrée claire et une chute comptent davantage que la conservation de chaque moment du film horizontal. ^[4]

Ce que les six générations ont consommé

Les six prises en 1080p, générées les 26 et 27 septembre 2026, représentent 112 secondes de rushes et 40,80 USD de crédits MaxVideoAI. Voici le détail enregistré pour ce projet. ^[4]

Cette preuve de concept utilisait des crédits gratuits. Le total couvre les six générations vidéo ; l’usage de Codex, Premiere Pro et le temps de direction ou de relecture sont à compter séparément. Pour un nouveau projet, référez-vous au devis présenté avant chaque génération. ^[4]

Comment les 40,80 USD de crédits ont été répartis

Commencez par une scène que vous pouvez terminer

Pour un premier essai, restez sur deux personnages, un décor et un échange court. Installez-les dans une première prise exploitable, tirez-en les références, puis générez les dialogues et les réactions dont le montage a besoin. Regardez rapidement l’assemblage : ses points faibles vous indiqueront quoi reprendre. ^[4]

Si votre brief est déjà dans Codex, la connexion MaxVideoAI à votre assistant permet d’y intégrer le choix du modèle, les devis et la génération. Prévoyez aussi vos outils de montage. Ici, c’est la succession de décisions et de corrections concrètes qui a donné une conversation terminée. ^{[4] [3] [2]}