Tutoriel vidéo IA à partir d'une image : guide pas à pas pour débutants

Ce tutoriel d'image to video IA vous guide en quatre étapes : préparer une photo nette, choisir le bon modèle, écrire un prompt de mouvement d'une phrase, puis affiner jusqu'à ce que le clip convienne. Vous pouvez tout suivre gratuitement dans VIBE, sans connexion, sur iOS, Android ou le web.

Comment fonctionne l'image to video IA ?

Dans la génération image-vers-vidéo, la photo fixe le sujet, la lumière et la composition : le modèle n'a plus qu'à inventer le mouvement. C'est pourquoi les résultats sont en général plus stables qu'en texte-vers-vidéo, un point que l'aperçu général des modèles texte-vers-vidéo décrit en termes plus larges : plus un modèle part d'informations visuelles, moins il doit deviner.

Tous les modèles n'acceptent pas une photo. En octobre 2026, Veo 3.1 Fast dans VIBE est uniquement texte-vers-vidéo (Google DeepMind présente la famille Veo sur sa page dédiée), tandis que Wan 2.6, Seedance Pro Fast et Kling 3 acceptent une image en entrée. Si vous voulez d'abord une introduction plus large, lisez notre guide pour transformer n'importe quelle photo en vidéo ; ce tutoriel se concentre sur le flux de travail reproductible et sur la correction des problèmes.

Étape 1 : par quelle photo commencer ?

Votre photo source compte plus que le modèle choisi. Ce qui est flou dans la photo reste flou dans la vidéo : préparez-la donc avant l'envoi. Cinq habitudes font la plus grande différence :

• Recadrer sur un seul sujet. Une personne, un animal ou un produit facile à séparer de l'arrière-plan.
• Utiliser l'original le plus net. Les captures d'écran, les filtres lourds et les copies compressées de messagerie bavent dès qu'elles bougent.
• Laisser de la place pour bouger. Un espace vide autour du sujet donne à la caméra ou au corps de la marge.
• Adapter le format. Recadrez en 9:16 pour TikTok, Reels et Shorts ou en 16:9 pour YouTube avant l'envoi ; notre guide des formats d'image explique pourquoi.
• Éviter texte et foules. Les panneaux, étiquettes et photos de groupe chargées se déforment facilement en mouvement.

Un test rapide : affichez la photo en taille réelle sur votre téléphone. Si vous distinguez clairement le sujet et ses contours, le modèle le fera aussi. Si vous devez plisser les yeux, la vidéo sera moins bonne que la photo, car le mouvement révèle chaque bord flou et chaque artefact de compression qu'une image fixe cache.

Étape 2 : quel modèle choisir ?

Commencez gratuitement et ne passez au niveau supérieur que si l'idée fonctionne. Une bonne habitude consiste à tester la même photo et le même prompt sur deux modèles avant de dépenser quoi que ce soit pour un modèle premium. Voici les trois modèles image-vers-vidéo que nous suggérons pour ce tutoriel, avec les caractéristiques des pages modèles VIBE (octobre 2026) :

Seedance Pro Fast permet de tester rapidement un prompt, Wan 2.6 offre un bon second avis sur la même photo, et Kling 3 Pro est le choix quand il vous faut du 1080p, des clips plus longs ou du son intégré. Tous figurent sous modèles sur la page d'accueil, et les gratuits ne demandent aucune connexion. L'audio est la séparation la plus nette : parmi les trois, seul Kling 3 Pro ajoute du son, prévoyez-le donc dès le départ plutôt qu'après coup.

Étape 3 : comment écrire le prompt de mouvement ?

La photo montre déjà la scène, ne la décrivez donc pas à nouveau. Écrivez seulement le changement : qui ou quoi bouge, comment, et ce que fait la caméra. Un modèle fiable est sujet + un verbe clair + un mouvement de caméra, par exemple « la femme se retourne et sourit, lent travelling avant ». Restez à une ou deux phrases, car un clip de quelques secondes ne peut contenir qu'une ou deux idées.

• Travelling avant : la caméra avance lentement vers le sujet, idéal pour les portraits.
• Travelling arrière : la caméra dévoile plus de la scène, idéal pour les paysages.
• Panoramique gauche ou droite : la caméra balaie latéralement, idéal pour les scènes larges.
• Orbite : la caméra tourne autour du sujet, idéal pour les produits.
• Statique : la caméra reste fixe pendant que seul le sujet bouge, le choix le plus sûr.

Les petits verbes physiques fonctionnent le mieux : cligne des yeux, se retourne, avance, la vapeur monte, les cheveux flottent, le tissu ondule. Les grands verbes comme « danse » ou « traverse la pièce en courant » obligent le modèle à inventer un corps que vous ne lui avez jamais montré. Pour plus d'idées de formulation, consultez notre guide pour écrire des prompts vidéo IA.

Enfin, dites ce qui doit rester immobile. Si l'arrière-plan est une rue calme, ajoutez « l'arrière-plan reste calme » ou choisissez une caméra statique ; sinon le modèle peut tout animer à la fois et le sujet perd son importance.

Étape 4 : comment générer et affiner la vidéo dans VIBE ?

1. Ouvrez VIBE sur iOS, Android ou le web et choisissez image-vers-vidéo.
2. Envoyez votre photo préparée.
3. Choisissez un modèle gratuit comme Seedance Pro Fast ou Wan 2.6 pour le premier test.
4. Collez votre prompt de mouvement d'une phrase et lancez la génération.
5. Regardez le résultat, changez exactement un élément du prompt et générez à nouveau.

Ne changer qu'une variable à la fois sépare les progrès rapides des tâtonnements : si le deuxième clip est meilleur, vous savez quel changement en est la cause. La plupart des bons clips demandent deux ou trois essais plutôt qu'un. Le flux complet est aussi présenté dans la section comment ça marche du site.

Quels prompts copier pour vos premiers clips image to video ?

Chaque prompt ci-dessous est écrit pour une photo que vous avez déjà et nomme le modèle qui lui convient. Remplacez le sujet par le vôtre et gardez la structure.

Un portrait prend vieWan 2.6

“A young man in a denim jacket stands on a sunny street. He blinks, smiles slightly and turns his head toward the camera, gentle push-in, a soft breeze moves his hair.”

Nature morte produitSeedance Pro Fast

“A glass bottle of olive oil on a rustic wooden table, sunlight slowly shifts across the label, a few basil leaves tremble, camera drifts slowly to the right.”

Paysage en mouvementKling 3 Pro

“A mountain lake at sunrise, mist drifts across the water, ripples spread from the shore, birds cross the sky in the distance, slow cinematic pan to the left.”

Quelles sont les erreurs les plus fréquentes en image to video ?

• Visages ou mains déformés. Le mouvement était trop grand. Raccourcissez le prompt à une petite action et utilisez une photo plus nette.
• Le sujet bouge à peine. Ajoutez un verbe clair ; « beau, cinématographique » décrit un style, pas un mouvement.
• Scintillement ou arrière-plans qui fondent. Les arrière-plans chargés sont difficiles à stabiliser ; recadrez plus serré ou choisissez une photo plus simple.
• Texte illisible. Panneaux et étiquettes se déforment souvent ; évitez-les ou acceptez-le.
• Mauvais recadrage. La photo ne correspondait pas à la plateforme cible ; recadrez avant l'envoi, pas après.

Si une correction aggrave le résultat, revenez d'une version en arrière au lieu d'ajouter des mots. Les prompts courts sont plus faciles à corriger que les longs. L'animation d'animaux demande la même discipline et nous la traitons dans le guide des photos d'animaux.

Tenez un court journal pendant vos essais : quel modèle, quelle photo, quel prompt et ce qui s'est passé. Après cinq clips, vous verrez des tendances, par exemple un modèle meilleur sur les visages et un autre sur les paysages, et vous cesserez de gaspiller des générations sur des combinaisons qui ne marchent jamais.

Comment publier le clip terminé ?

Regardez le clip une fois en plein écran sur votre téléphone avant de le partager. Surveillez la première seconde, car c'est ce que voient les spectateurs sur TikTok, Instagram Reels et YouTube Shorts avant de faire défiler. Si l'image d'ouverture est votre photo d'origine, elle paraît déjà nette ; si le mouvement démarre tard, raccourcissez le début dans l'éditeur de votre téléphone.

Gardez aussi la photo d'origine. Les clips animés se marient bien avec l'image fixe : publiez la photo, puis le clip le lendemain, et laissez le contraste agir. Les une à trois premières secondes décident si les gens continuent de regarder : choisissez donc le mouvement le plus visible dès le début. D'autres réponses sur les offres, les limites et le niveau gratuit se trouvent dans la FAQ du site.

Questions fréquentes