Conseils de prompt

ChatGPT peut-il faire des vidéos : ce qu'il termine et ce qu'un outil de rendu doit faire

Le chat écrit le plan de tournage ; c'est un autre outil qui le rend. Collez la consigne de mouvement ci-dessous, joignez l'image qu'elle décrit, et vous avez tout le passage de relais expliqué dans ce guide — sans modèle vidéo dans la conversation.

Facultatif

JPG / PNG / WebP

Voici le champ d'Ottermind. Remplir la consigne et envoyer sont deux actions distinctes : rien n'est généré avant que vous ne poursuiviez dans Studio.

14 novembre 2026 · 11 min de lecture

Pas tout seul, et oui si on y ajoute quelque chose. ChatGPT peut écrire le script, la liste de plans et la consigne de mouvement, et il peut produire l'image fixe dont part un plan. Ce qu'il ne peut pas faire, seul et à la date du 14 novembre 2026, c'est produire un fichier vidéo lisible : le chat n'a aucun modèle vidéo maison, parce que les expériences web et application de Sora ont été arrêtées le 26 avril 2026, et l'API Sora a suivi le 24 septembre 2026.

ChatGPT Images déploie aussi la création de GIF en boucle. Si la fonction est disponible sur votre compte, vous pouvez animer une image dans le chat. Pour un fichier vidéo comme le MP4, utilisez un outil de rendu vidéo. (OpenAI Help Center)

Ce seul fait redessine toute la tâche. La question utile n'est pas "ChatGPT peut-il faire une vidéo", mais "quelle partie de la vidéo ChatGPT termine-t-il, et qu'est-ce qui doit rendre le reste". Les gens se bloquent parce qu'ils demandent un clip fini dans une zone de texte, ou parce qu'ils collent une idée en une ligne dans un générateur en espérant que les décisions manquantes se rempliront d'elles-mêmes. Les deux échecs portent sur le passage de relais, pas sur le modèle.

Sur quoi repose cet article: Les pages du centre d'aide d'OpenAI "What to know about the Sora discontinuation" (mise à jour du 6 novembre 2026) et "Plugins in ChatGPT" (mise à jour fin octobre 2026) ont été consultées le 14 novembre 2026 pour les dates et pour la façon dont les plugins s'installent et se paient. L'annonce du plugin Pika datée du 16 octobre 2026 et la fiche du plugin Runway sur le site d'OpenAI ont été lues le même jour. Ottermind publie cet article et propose l'outil de rendu utilisé dans le flux de travail ci-dessous. La couverture, la scène de bureau et la bande de trois images ont été générées avec GPT Image 2.5 Flare pour cet article ; ce sont des illustrations et une source d'exemple, pas la sortie d'un moteur de rendu ni une capture d'écran de ChatGPT. Le compositeur en haut de cette page est réel et peut être utilisé.

Pourquoi la plupart des réponses que vous trouverez sont périmées

Tapez la question dans un moteur de recherche et vous tomberez encore sur des pages qui décrivent un chat qui fait de la vidéo directement, ou qui rangent "ChatGPT video generator" parmi les produits. Beaucoup ont été écrites du temps où Sora existait, ou quand un GPT personnalisé en tenait lieu. Les dates valent la peine d'être connues, parce qu'elles décident quelles instructions sont encore applicables :

DateCe qui s'est arrêtéCe que ça change pour vous
26 avril 2026Les expériences web et application de SoraL'expérience autonome a disparu ; les contenus existants étaient exportables sur sora.chatgpt.com/sunset
24 septembre 2026L'API SoraPlus aucun rendu Sora par l'API non plus
Octobre 2026Le répertoire de plugins continue de grossirUne vidéo dans ChatGPT, désormais, c'est le moteur de rendu d'un fournisseur, appelé depuis le chat

La page d'OpenAI sur l'arrêt précise aussi que les crédits ChatGPT ou Sora achetés restent utilisables pour Codex. Rien dans les pages d'aide d'OpenAI ne décrit, au 14 novembre 2026, un modèle vidéo maison dans ChatGPT : considérez donc toute page qui en promet un comme décrivant une chose à vérifier d'abord dans votre propre compte.

Quatre tâches différentes se cachent derrière "faire une vidéo"

La formule recouvre au moins quatre tâches, avec des entrées, des coûts et des modes d'échec propres à chacune. Choisissez la vôtre avant d'écrire quoi que ce soit, parce qu'une seule commence par une photo.

La vidéo que vous voulezCe que ChatGPT fait seulCe qui doit rendre le fichierLe piège
Un clip court à partir d'une idée ou d'une image fixe — un planÉcrit la consigne, les notes de continuité, le minutageUn moteur texte-vers-vidéo ou image-vers-vidéo, dans un plugin ou hors du chatLe mouvement est la partie difficile, et les mots pour le dire ne sont pas ceux qu'on emploie d'ordinaire
Un présentateur qui parle, ou un avatarÉcrit le script et les indications de jeuUn outil d'avatar, généralement un compte payant chez un fournisseurLe visage est sous licence du fournisseur, et c'est le forfait qui décide de vos minutes
Un explicatif narré à partir de notes, d'un PDF ou d'un documentTransforme la source en diapositives, en voix off et en plan de schémaUn plugin ou un service d'explicationVous obtenez des diapositives, pas des images tournées ; personne n'apparaît à l'écran
Un montage d'images que vous avez déjà tournéesÉcrit la liste des coupes et les sous-titresUn monteur, souvent capable d'obéir à des instructions écritesLe matériau doit exister avant que la conversation serve à quelque chose
Un carnet de poche avec un storyboard de trois cases dessiné à la main, à côté de trois tirages instantanés de la même tasse en grès sur un rebord de fenêtre

Trois tâches dans une seule photo : l'écriture à gauche, les images à droite. Le carnet, c'est la partie qu'un chat peut remplir — taille de plan, mouvement, ce qui ne doit pas changer. Les tirages, c'est la partie que quelque chose d'autre doit produire. Illustration générée par IA pour cet article, pas une capture d'écran ni un résultat rendu.

La plupart des gens qui posent la question parlent de la première ligne : un plan court, souvent à partir d'une photo de produit ou d'un portrait. C'est aussi la ligne où le passage de relais est le plus simple à réussir, parce qu'un moteur image-vers-vidéo accepte exactement les deux choses qu'un chat produit bien — une image fixe et une consigne écrite.

Ce que le chat sait vraiment bien faire ici

Écrire la consigne n'est pas un lot de consolation. C'est là que se décident la plupart des mauvais clips, et un modèle de chat qui a votre matériau sous les yeux sait faire quatre choses :

  • Nommer ce qui ne doit pas changer. "Garde l'anse à droite, garde l'émail, garde le niveau de café" est une phrase qu'on oublierait d'écrire, et c'est celle qui empêche un produit de dériver.
  • Découper une idée en temps forts. Un plan de six secondes avec une action et un mouvement de caméra tient ; un plan de six secondes avec trois actions ne tient pas, et un chat écrira volontiers l'un comme l'autre jusqu'à ce que vous demandiez la version plus courte.
  • Calculer le temps. Vingt secondes de narration font à peu près 45 à 55 mots prononcés à un rythme naturel. Un chat peut tenir ce calcul pendant qu'il réécrit.
  • Rendre la consigne transportable. Le même paragraphe doit fonctionner dans le moteur de rendu que vous utiliserez la semaine prochaine. Un chat peut le compresser sans lâcher le verrou d'identité.

Il peut aussi produire l'image fixe. La génération d'images de ChatGPT est une capacité maison — voir ce qui a changé avec Images 2.5 —, si bien qu'un lecteur sans photographie peut fabriquer une image de référence dans la même conversation, puis confier cette image à un moteur de rendu. C'est une chaîne réellement utile, et c'est celle que construit ce guide.

Ce que le chat ne sait pas faire, c'est voir votre rendu. Il ne regarde pas la prise pour vous dire quelle image a cassé ; c'est à vous de décrire le défaut. Chaque prompt ci-dessous est écrit pour cette réalité : vous racontez, il réécrit.

Un prompt n'est pas une consigne de plan

"Fais une vidéo de mon produit" échoue pour une raison ennuyeuse : la phrase laisse huit décisions au moteur de rendu, qui les prend toutes sans les montrer. Une consigne de plan les fixe dans un ordre stable, et cet ordre compte plus que les mots employés.

RubriqueCe qu'elle trancheCe qui se passe si vous la sautez
SourceSi l'image de départ est une photo que vous fournissez ou une scène inventée à partir de texteLe moteur invente un produit qui n'est pas le vôtre
Verrou d'identitéLes deux ou trois détails qui doivent survivre — l'étiquette, le côté de l'anse, le niveau de caféL'échec le plus courant en image-vers-vidéo : le sujet change sans qu'on le voie
ActionL'unique mouvement à l'intérieur du cadrePlusieurs petits mouvements se concurrencent et le clip paraît instable
CaméraAvant, arrière, panoramique, orbite, fixe, et de combienLe plan bouge trop vite pour être lu, ou ne bouge pas du tout
LumièreDirection, qualité, et si elle changeL'ambiance dérive d'une prise à l'autre et les prises cessent de s'accorder
TempsLa durée, et ce qui se passe au début et à la finLa dernière image est inutilisable, donc le clip ne se monte pas
CadreLe format d'image et ce qui doit rester dans la zone sûreL'anse ou le sous-titre se retrouve recadré selon la destination

Huit consignes suivent. Chacune ne contrôle qu'une propriété, de sorte qu'une différence entre deux prises se ramène à une phrase. Les huit prennent le même sujet — une tasse en grès tacheté sur un rebord de fenêtre en bois —, parce qu'on ne peut comparer deux tentatives que si le sujet est fixe.

1. La consigne de mouvement : une source, un seul mouvement

Consigne
Anime cette photo d'une tasse en grès tacheté posée sur un rebord en bois en un plan de quatre secondes. Garde la tasse exactement telle qu'elle est photographiée : même silhouette, mêmes taches d'émail, anse à droite, même niveau de café dans la tasse. Ajoute une vapeur qui monte lentement de la surface et s'incurve légèrement vers la gauche. Avance la caméra d'environ dix pour cent pendant les quatre secondes — sans panoramique, sans orbite, sans recul. La lumière de la fenêtre reste douce et froide ; aucun virage de couleur, aucun changement de décor, aucun objet ajouté, pas de mains, pas de texte, pas de logo.

Celle-ci contrôle à la fois l'action et le verrou d'identité. Jugez-la en figeant la première et la dernière image : la tasse doit être la même dans les deux, seule la distance a changé.

2. Caméra seule : rien ne bouge dans le cadre

Consigne
Même image, même instant : la caméra est la seule chose qui bouge. Pars du rebord entier, la tasse légèrement à droite du centre, puis dérive vers la gauche et un peu vers le bas pendant quatre secondes, comme un opérateur qui se penche pour regarder la tasse, et termine avec la tasse dans le tiers gauche du cadre. La tasse ne bouge pas, la vapeur garde son rythme, et l'ombre de la branche sur le rebord ne change pas de forme. Pas de zoom, pas de transfert de point, pas de texte.

Celle-ci ne contrôle que le comportement de la caméra. Si une prise faite avec la consigne 1 a dérivé, lancer la consigne 2 vous dit si le défaut venait de la caméra ou du sujet.

3. Trois temps, un seul sujet

Consigne
Écris un storyboard en trois temps pour un clip de six secondes montrant une seule tasse en grès tacheté sur un rebord de fenêtre en bois à neuf heures du matin. Temps 1, 0 à 2 secondes : plan large, tasse immobile, vapeur à peine naissante, lumière de fenêtre froide et plate. Temps 2, 2 à 4 secondes : même cadrage, la vapeur monte, le soleil du matin entre par la gauche et réchauffe l'émail. Temps 3, 4 à 6 secondes : vue plus proche de la même tasse, vapeur qui s'enroule, une ombre de branche douce qui traverse le rebord. Pour chaque temps, donne la taille de plan, ce qui bouge, ce qui doit rester identique, et une phrase de direction de mouvement que je peux coller dans un outil image-vers-vidéo. La forme de la tasse, l'émail, le côté de l'anse et le niveau de café doivent être identiques dans les trois temps.

Celle-ci contrôle la continuité d'un plan à l'autre. Le test : le temps 3 montre-t-il encore la même anse du même côté ? Si un moteur la change, c'est dans la consigne qu'on corrige, pas dans le rendu.

4. La liste de plans qui tient dans une durée

Consigne
Transforme cette idée en liste de plans pour un clip produit vertical de quinze secondes, et sors un tableau markdown à cinq colonnes : numéro de plan, durée en secondes, taille de plan, ce qui se passe, ce qui est verrouillé. Le sujet est la même tasse en grès tacheté sur un rebord de fenêtre en bois, la lumière passe d'un matin froid à un soleil chaud, et le cadre vertical doit garder l'anse et la surface du café visibles à tout moment. Cinq plans, des durées qui totalisent exactement quinze secondes, aucun plan plus court que deux secondes. Après le tableau, liste les trois détails qu'un moteur a le plus de chances de casser, et la phrase que je dois ajouter à chaque plan pour les protéger.

Celle-ci contrôle le budget de temps et produit les garde-fous dans la même passe. Une liste de plans qui totalise 15 secondes, c'est la différence entre un clip que l'on peut monter sur une musique et un tas d'images en trop.

5. Une narration qui tient dans le montage

Consigne
Écris une voix off de quinze secondes pour le clip de la tasse, en trente-huit mots prononcés maximum, pour qu'elle tienne à un rythme naturel. Répartis-la sur les cinq plans du tableau ci-dessus, et pour chaque ligne donne le temps de départ en secondes et son nombre de mots. Voix : calme, concrète, aucun adjectif sur la qualité, aucun point d'exclamation. Donne-moi ensuite le même script en cartons de sous-titres à l'écran de six mots maximum chacun, et dis-moi quelle ligne couper en premier si le rendu revient une seconde trop court.

Celle-ci contrôle le rythme et vous donne une solution de repli. Demandez explicitement l'ordre de suppression ; sans lui, vous raccourcirez la mauvaise ligne en montant sous pression.

6. La consigne de réparation pour une prise ratée

Consigne
Voici ce que la dernière prise a raté : l'anse de la tasse est passée à gauche, la vapeur est devenue une traînée blanche opaque, et le travelling avant a dépassé sa cible, si bien que le bord de la tasse était coupé à quatre secondes. Ma consigne disait "garde la tasse exactement telle qu'elle est photographiée", "la vapeur monte lentement" et "avance d'environ dix pour cent". Réécris la consigne pour que chaque défaut ait sa propre phrase en réponse, sans ajouter aucune instruction nouvelle. Range les corrections dans cet ordre : verrou d'identité, comportement de la vapeur, distance de caméra. Dis-moi ensuite quelle phrase unique changer en premier si la prochaine prise ne peut corriger qu'un des trois défauts.

Celle-ci contrôle l'hygiène de révision : un défaut, une phrase, aucune idée nouvelle glissée en douce. Ajouter une quatrième instruction en corrigeant les trois premières, c'est comme ça qu'une prise se dégrade tout en ayant l'air plus détaillée.

7. Le paragraphe transportable

Consigne
Reprends la consigne validée de la tasse et réécris-la en un seul paragraphe qu'un autre générateur vidéo peut lire sans la conversation d'origine. Il doit énoncer, dans cet ordre : ce qu'est l'image source, ce qui ne doit pas changer, l'unique action, le mouvement de caméra, la lumière, la durée, le format d'image, et ce qui ne doit pas apparaître. Aucun nom d'outil, cent dix mots maximum. Sors ensuite une seconde version de soixante mots qui garde encore le verrou d'identité et l'action.

Celle-ci contrôle le passage de relais lui-même, et c'est le prompt le plus utile de la page. Une consigne qui n'existe que dans un chat ne se réutilise pas, ne se compare pas et ne se transporte pas vers un moteur mieux adapté au plan.

8. Variantes de cadre à partir d'un plan validé

Consigne
À partir de la consigne validée de la tasse en format large, produis deux variantes : une version verticale 9:16 pour une publication sociale et une version carrée 1:1 pour un fil. Pour chaque variante, ne réénonce que ce qui change — le cadrage, la place de la tasse, l'espace restant au-dessus, et de combien la caméra avance. Garde la lumière, la vapeur et le verrou d'identité identiques à la consigne en format large. Ne change pas la durée.

Celle-ci contrôle la forme d'export. Ne réénoncer que les différences évite que trois versions d'un même plan deviennent trois plans sans rapport.

Le bouton remplit la consigne 1 dans le champ de saisie en haut de cette page. Il ne fait que remplir ; l'envoi est une action distincte, et rien n'est généré avant que vous ne poursuiviez dans Studio.

Trois tirages photographiques alignés montrant la même tasse en grès sur un rebord de fenêtre, d'un cadre large et froid à un cadre plus proche et chaud, avec des flèches vert menthe en dessous

Un plan qui tient : large et froid, puis chaud quand le soleil entre, puis plus proche avec la même tasse. Trois images, un sujet, une direction de caméra. Illustration générée par IA pour cet article ; les images montrent ce qu'une consigne doit protéger, pas ce qu'un moteur particulier a renvoyé.

Là où ça déraille

Neuf échecs expliquent la plupart des mauvais clips que l'on met sur le dos du modèle. Sept sont des erreurs de consigne, ce qui est une bonne nouvelle : une consigne se corrige en une minute.

Ce que vous voyezPourquoi ça arriveCorrection
Le produit change sans qu'on le voie — côté de l'anse, étiquette, proportionsLe verrou d'identité était sous-entendu, pas écritNommez deux ou trois détails et répétez-les dans la consigne de chaque prise
La vapeur, la fumée ou les cheveux deviennent une traînée opaqueLa consigne décrivait un résultat, pas un comportementDécrivez la courbe du mouvement : monte lentement, s'enroule vers la gauche, s'affine vers le haut
La caméra dépasse et recadre le sujet"Avance" n'avait ni distance ni image de finDonnez un pourcentage et une position d'arrivée : environ dix pour cent, tasse dans le tiers gauche
Plusieurs choses bougent en même temps et aucune ne se litDeux actions étaient demandées dans une seule phraseUne action par plan ; déplacez le reste dans le plan suivant
Le clip a l'air correct mais la dernière image est inutilisablePersonne n'a écrit ce qui se passe à la finÉnoncez l'image de fin, et tenez-la une demi-seconde
Du texte apparaît dans le cadre — un prix, un mot, un filigraneLa consigne laissait de l'espace vide et du texte traînait ailleurs dans la conversationAjoutez "pas de texte, pas de logo, pas de filigrane" et gardez les textes à l'écran pour le montage
L'export vertical coupe le visage ou l'anseLe format d'image a été décidé après le renduDécidez le cadre avant la consigne et gardez le sujet au milieu
On attendait une tête parlante d'un simple générateur de clipsLe travail relevait de l'une des trois autres lignes du tableauPassez par la voie avatar ou explicatif et prévoyez le coût du compte
Le chat décrit des étapes au lieu de renvoyer un fichierAucun moteur de rendu n'est attaché à la conversationInstallez un plugin, ou emmenez la consigne dans un outil image-vers-vidéo — voir plus bas

C'est la neuvième ligne qui fait croire aux gens qu'ils ont raté quelque chose. Ce n'est pas le cas : une conversation texte n'a pas de moteur de rendu tant que rien n'est installé ni ouvert. L'aide d'OpenAI sur les plugins note que l'installation ou l'usage d'un plugin donné dépend de votre forfait, de votre espace de travail, de votre rôle et de votre région : le plugin dont vous avez lu la description peut très bien ne pas être disponible dans votre compte.

Ce qu'il ne faut attendre d'aucune de ces voies

  • Aucun temps de génération fixe. Ni un plugin ni un moteur de rendu ne promet qu'un clip se termine en un nombre de secondes donné.
  • Aucune spécification de sortie fixe. Durée, résolution et prise en charge de l'audio dépendent de l'outil utilisé et, pour un plugin, du service du fournisseur lui-même.
  • Aucun calcul de crédits sur lequel compter de seconde main. Un plugin rend via le compte et les crédits du fournisseur — l'annonce de Pika, par exemple, lie les générations du plugin à des crédits Pika —, donc le coût relève de la grille tarifaire actuelle de ce fournisseur, pas de ChatGPT.
  • Aucun raccourci sur les droits. Un clip généré ne vaut pas autorisation pour un produit, un visage, un logo ou un morceau de musique. Vérifiez ces points séparément avant de publier.
  • Aucun substitut à la vision. Quelqu'un doit encore lancer la prise et vérifier le produit, les bords, la dernière image et le son.

De la consigne au clip rendu

Une fois la consigne écrite, le moteur de rendu devient un choix d'outil, et deux entrées d'Ottermind couvrent les cas courants :

  • Image to Video — vous téléversez une image de référence et décrivez le mouvement, la sensation de caméra, l'ambiance et le format. La page le dit elle-même : chaque prise se revoit et s'affine, ce à quoi sert exactement la consigne de réparation ci-dessus. À utiliser quand l'image fixe existe déjà : photo de produit, portrait, visuel validé.
  • Photo to Video AI Free — la variante menée par la photo pour le même travail, avec un essai gratuit que la page décrit actuellement comme 60 crédits à l'inscription et 20 crédits par jour, et des téléchargements sans filigrane. Lisez les conditions sur cette page avant de bâtir un plan dessus ; les quotas changent.

Deux choses à savoir avant d'envoyer quoi que ce soit. D'abord, ce site ne promet ni temps de génération fixe, ni résolution fixe, ni coût en crédits fixe ; tout article qui le fait décrit un autre produit. Ensuite, la consigne que vous emportez doit être la version du prompt 7 — le paragraphe transportable —, pas la transcription du chat. Un moteur de rendu lit le paragraphe ; il ne lit pas votre raisonnement.

Si l'image fixe n'existe pas encore, fabriquez-la d'abord : la génération d'images de ChatGPT peut produire le cadre, et les modèles de prompt d'image ChatGPT couvrent les décisions de lumière et de référence qui rendent ce cadre utilisable comme source. Si vous préférez partir d'une image fixe en laquelle vous avez déjà confiance, les modèles de prompt image-vers-vidéo vont plus loin sur le langage de caméra, et les reels sans visage expliquent quoi faire des clips dès que vous en avez cinq qui s'accordent.

Questions qui valent une réponse

ChatGPT a-t-il encore Sora ?

Non. Le centre d'aide d'OpenAI indique que les expériences web et application de Sora ont été arrêtées le 26 avril 2026, et l'API Sora le 24 septembre 2026. Les contenus existants pouvaient être exportés depuis sora.chatgpt.com/sunset, et les crédits ChatGPT ou Sora achetés restent utilisables pour Codex.

ChatGPT peut-il faire une vidéo à partir d'une photo ?

Pas le rendu, en tout cas pas seul. Il peut lire la photo, écrire la consigne de mouvement et tenir les détails d'identité, puis un moteur transforme la photo et cette consigne en clip. Sur ce site, cette étape s'appelle Image to Video.

Peut-on le faire gratuitement ?

En partie, et pas au même endroit. Le côté chat du travail — le script, la liste de plans, la consigne — fait partie du forfait ChatGPT que vous utilisez déjà. C'est du côté du rendu que vivent les quotas gratuits, et chacun a ses conditions : l'offre gratuite d'un plugin appartient au fournisseur, l'essai d'un moteur appartient à ce moteur. Lisez la page à jour avant de compter sur un chiffre.

Faut-il vraiment un plugin ?

Non. La voie du plugin garde tout dans une seule conversation, ce qui est pratique quand le matériau est déjà là. Emmener la consigne dans un outil image-vers-vidéo dédié convient souvent mieux quand vous avez une image de référence et voulez comparer des prises du même plan — et cela fonctionne quand un plugin est indisponible sur votre forfait ou dans votre région.

Le résumé honnête : le chat écrit, autre chose rend. Écrivez la consigne avec le verrou d'identité et l'image de fin, gardez-la transportable, et jugez chaque prise sur les deux ou trois mêmes détails. C'est cette séquence qui sépare un clip qui ressemble à votre produit d'un clip qui lui ressemble vaguement.

Téléchargez l’app desktop et mobile

Accédez à Ottermind à tout moment, où que vous soyez.

Ordinateur