Pas encore de bout en bout pour la plupart des usages professionnels, et il est important d'être lucide là-dessus pour ne pas décevoir un client. Ce qui fonctionne très bien aujourd'hui : des plans courts de quelques secondes, des séquences d'ambiance, des animations de visuels fixes, des boucles pour les réseaux sociaux, des éléments d'illustration ou de transition intégrés à un montage. Sur ces usages, le gain est réel et immédiat — là où il fallait un tournage ou une animation coûteuse, quelques générations suffisent. Ce qui reste difficile : la durée (les séquences générées d'un bloc restent courtes, et assembler des plans cohérents entre eux est un défi), la continuité (garder le même personnage, le même décor et la même lumière d'un plan à l'autre — le problème de cohérence de la section 3.5, en bien plus complexe), le contrôle précis (obtenir exactement le mouvement, le timing et le cadrage voulus, ce qui est la base du métier), la synchronisation avec une voix ou une musique, et le dialogue crédible. S'ajoute la contrainte économique : le coût par seconde générée, multiplié par les essais nécessaires, monte vite. La pratique professionnelle actuelle est donc hybride, exactement comme pour l'image : on génère des éléments que l'on assemble dans un montage classique, on complète avec des prises de vue réelles ou des images fixes animées, et on garde la maîtrise du rythme et du récit dans un logiciel de montage. C'est déjà considérable — cela ouvre des possibilités à des budgets qui n'y avaient pas accès. Une nuance temporelle importante : ce domaine progresse extrêmement vite, et ce qui est vrai aujourd'hui peut être dépassé dans quelques mois. Le bon réflexe n'est pas de conclure définitivement, mais de retester régulièrement et d'ajuster ce que vous promettez à l'état réel des outils au moment où vous vous engagez.

Partez d'une image chaque fois que c'est possible : c'est le conseil le plus utile de cette section, et il découle directement de la logique de contrôle qui traverse tout ce guide. En text-to-video, vous demandez au modèle de décider de tout en même temps : le sujet, le cadrage, le style, la lumière, la composition et le mouvement. Chacun de ces éléments est probabiliste, donc vos chances d'obtenir exactement ce que vous voulez sont faibles, et vous multipliez les essais coûteux. En image-to-video, vous arrivez avec une image que vous avez déjà validée — vous avez choisi la composition, travaillé la lumière (section 3.1), fixé le cadrage et l'objectif (section 3.2), appliqué votre style de marque (section 5.1). Le modèle n'a plus qu'une seule variable à traiter : le mouvement. Vous réduisez donc massivement l'incertitude, et vous garantissez la cohérence avec le reste de votre production visuelle — point crucial si la vidéo doit s'intégrer à une campagne dont les visuels fixes existent déjà. Quelques conseils pour bien exploiter cette approche. Décrivez uniquement le mouvement dans le prompt vidéo (« léger travelling avant », « vent dans les feuilles », « la fumée s'élève lentement ») plutôt que de redécrire la scène, que l'image porte déjà. Privilégiez des mouvements simples et lents : plus le mouvement est ample ou rapide, plus la cohérence se dégrade et plus les artefacts apparaissent. Choisissez une image de départ favorable : une scène avec un élément naturellement mobile (eau, fumée, tissu, nuages, cheveux) s'anime bien mieux qu'une composition figée. Et générez plusieurs essais : comme pour l'image, la sélection fait la qualité. Le text-to-video garde toutefois son intérêt en phase d'exploration, quand vous cherchez des idées de plans sans avoir d'image de départ — mais dès que vous entrez en production, l'image-to-video est le choix professionnel.