Brief, storyboard et découpage en plans

Le responsable acquisition de la Brûlerie Calade (torréfacteur lyonnais fictif, douze salariés) veut tester une publicité de 8 secondes pour son cold brew, en 9:16 pour Reels et TikTok, en 1:1 pour le fil Instagram, en 16:9 pour YouTube. Son agence demande deux semaines. Il a essayé seul : quatre heures de prompts dans une interface web, 6 € de crédits Veo, et trois clips où la bouteille change de forme, d'étiquette et de couleur d'un plan à l'autre.

Le problème n'était pas le modèle. Il n'y avait ni brief, ni découpage, ni contrôle avant de payer. Cette leçon pose ces trois choses, dans un fichier versionné.

Le mécanisme : un brief exécutable

Un brief d'agence est un document Word que personne ne relit. Ici, le brief est un fichier YAML validé par un schéma : chaque plan, chaque texte prononcé, chaque prompt en découle. Le code ne contient aucun texte créatif ; changer de produit revient à changer de fichier.

flowchart LR
  B["brief.yaml"] --> V{"Schéma pydantic<br/>+ conformité + devis"}
  V -->|"refus"| R["Erreur lisible<br/>0 $ dépensé"]
  V -->|"ok"| P["Plans p1, p2"]
  P --> T["Voix off (TTS)"]
  P --> I["Image produit"] --> C["Clips Veo"]
  T --> M["Montage ffmpeg"]
  C --> M
  L["Musique Lyria"] --> M
  M --> F["9:16 · 1:1 · 16:9<br/>sous-titrés, ≤ 3 Mo"]

Trois décisions structurent le découpage.

Le plan est l'unité de génération. Veo 3.1 produit des clips de 4, 6 ou 8 secondes (pas 5, pas 7). Un plan du storyboard = un appel Veo. On choisit la durée du plan en fonction de ce qui s'y passe, pas l'inverse : un gros plan produit tient en 4 s, une action en trois temps (prendre, ouvrir, boire) en demande 8 et a de bonnes chances d'échouer.

Une action par plan. Les modèles vidéo enchaînent mal deux actions dans le même clip : la deuxième arrive trop tôt, ou pas du tout. « La main saisit la bouteille et dévisse le bouchon » est déjà à la limite ; ajouter « puis la porte à la bouche » rate presque toujours.

La « bible » visuelle. Veo ne voit jamais les autres plans. Ce qui doit rester identique d'un plan à l'autre (le produit, le décor, la lumière, le style) est écrit une seule fois et injecté dans chaque prompt.

La mise en œuvre

Le dépôt complet est dans files/. Le brief d'exemple : brief.yaml.

projet: calade-cold-brew
format_ugc: demo-produit          # demo-produit | temoignage | face-camera
budget_usd: 1.00                  # le pipeline refuse de lancer la génération au-delà
bible:
  produit: "a 25 cl clear glass bottle of cold brew coffee, dark amber liquid,
            matte kraft paper label reading CALADE, black metal screw cap"
  lumiere: "low golden sunrise light from the left, soft shadows"
plans:
  - id: p1
    duree: 4
    image: produit
    action: "a single condensation droplet slowly runs down the glass ..."
    camera: "slow push-in, eye level, perfectly stable"
    voix: "Calade Cold Brew. Seize heures à froid."

Le schéma refuse ce que Veo refuserait, avant tout appel :

class Plan(BaseModel):
    id: str
    duree: Literal[4, 6, 8]  # durées acceptées par Veo 3.1
    image: str = "produit"   # "produit" ou consigne d'édition de l'image produit
    sujet: str
    action: str
    camera: str
    dialogue: str = ""  # réplique prononcée À L'ÉCRAN (Veo la synthétise)
    voix: str = ""      # voix off (TTS), sous-titrée

La distinction dialogue / voix compte. Un dialogue est généré par Veo, avec la bouche du personnage : il ne se corrige qu'en regénérant le clip (0,20 $à 3,20$). Une voix off est générée à part par le TTS pour un millième de dollar, et se refait à volonté. Pour une publicité produit, mettez le texte en voix off.

Installez puis lancez les tests :

cd files
make setup
make test

Résultat obtenu

Exécution du 2026-10-15 :

$ make test
...........................                                              [100%]
27 passed in 8.23s

Ce qui casse en production

La règle de décision

Découpez en plans de 4 s tant que chaque plan ne porte qu'une action et qu'un message. Passez à 6 ou 8 s quand le mouvement de caméra a besoin de temps (travelling, révélation). Au-delà de deux ou trois plans, le format « publicité courte » n'est plus le bon : un 15 s se monte avec des plans tournés ou des banques d'images, la génération servant aux plans impossibles à tourner.

Pratique

Exercice. Ajoutez au brief un troisième plan de 4 s : la bouteille ouverte posée sur un vélo garé devant la vitrine, avec la voix « Chez votre caviste. ». Lancez make test puis .venv/bin/python run.py --plan. Que devient le devis, et le brief passe-t-il encore sous budget_usd ?

  - id: p3
    duree: 4
    image: "Same bottle, open, standing on the rear rack of a bicycle parked in front of the café window, same morning light. No people."
    sujet: "the open cold brew bottle on a parked bicycle"
    action: "the bicycle wheel slowly settles, a light breeze moves a leaf past the bottle"
    camera: "static wide shot, slight low angle"
    son: "street ambience, a bicycle bell in the distance"
    voix: "Chez votre caviste."

• Je découpe une publicité en plans de 4, 6 ou 8 s, une action par plan
• Je sépare ce qui est constant (bible) de ce qui varie (plan)
• Je place tout texte susceptible de changer en voix off, pas en dialogue
• make test passe sur mon poste