Google a lancé Gemini Omni 1.1 Flash le 27 août 2026 en disponibilité générale. Génération vidéo native jusqu'à 40 secondes, audio inclus, 720p par défaut, upscaling 4K en option. Techniquement suffisant pour du contenu court publiable. Le vrai sujet n'est pas là. Il est dans la question que personne ne se pose : qui écrit le prompt vidéo ? Parce qu'une vidéo IA médiocre vient presque toujours d'un prompt médiocre, pas du modèle. C'est là que Claude entre en jeu, et c'est le pipeline hybride qu'on va détailler ici. Si tu débutes avec Claude, commence par le guide complet pour apprendre Claude avant d'attaquer un workflow vidéo, sinon tu vas t'éparpiller.
L'approche défendue dans cet article : Claude fait le cerveau (brief, script, storyboard, prompts vidéo structurés, contrôle qualité), Gemini Omni fait les mains (génération des rushes). Aucune fonctionnalité native de génération vidéo n'existe côté Claude à ce jour, donc pas de guerre d'écosystèmes : c'est une complémentarité, pas un choix.
Ce que Gemini Omni 1.1 Flash change pour la vidéo IA en entreprise
Les faits d'abord, tirés des specs officielles Google. Le modèle génère nativement en 360p et 720p, 720p par défaut. Les résolutions 1080p et 4K sont obtenues par upscaling, pas par génération native, ce qui compte quand tu regardes le résultat en plein écran sur un desktop. Durée maximale d'un clip : 40 secondes. Fonctionnalités utiles au-delà du texte-vers-vidéo : extension de scène (prolonger une vidéo existante), transitions par interpolation entre deux images fixes, upscaling jusqu'en 4K.
Ce que ça change concrètement : avec 40 secondes par clip et un audio natif, tu peux produire un post LinkedIn ou une pub testable sans passer par un montage complexe. La classe Flash veut dire latence acceptable pour itérer, contrairement à des modèles vidéo plus lourds où chaque génération prend plusieurs minutes.
Ce que Gemini Omni 1.1 Flash ne fait toujours pas bien : la cohérence narrative sur plusieurs plans (un personnage change subtilement entre deux clips), les mains humaines détaillées, et le texte à l'écran (les lettres se déforment vite). Cadre tes attentes en fonction. Pour du long format ou un tuto qui montre un écran d'ordinateur, tu es hors périmètre. Pour un teaser produit de 30 secondes, un mood video pour une landing, un carrousel vidéo Instagram, tu es dans la cible.
Pourquoi coupler Gemini à Claude plutôt que rester dans un seul écosystème
La qualité d'une vidéo IA dépend d'abord de la qualité du prompt. C'est vrai pour l'image, c'est encore plus vrai pour la vidéo parce que tu empiles des paramètres : sujet, action, cadrage, lumière, mouvement caméra, style, ambiance sonore, durée. Un prompt bâclé, ce sont dix générations gâchées avant de comprendre pourquoi ça ne rend pas.
Claude est plus rigoureux que la plupart des chatbots sur ce genre d'exercice structuré. Il tient un cahier des charges, il ne saute pas d'étape, il questionne quand une consigne est vague. Google, avec son propre écosystème, propose Gemini pour piloter Gemini Omni, mais tu tombes dans le classique : le même modèle qui écrit et qui exécute finit par se donner du mou. Passer par un modèle externe pour le prompt engineering force une discipline.
Le partage des rôles que je recommande : Claude tient toute la couche amont (angle éditorial, script, découpage plan par plan, table de prompts vidéo, checklist de cohérence) et la couche aval (relecture des rushes, décision garder/refaire, écriture des sous-titres et du copy de publication). Gemini Omni ne fait qu'une chose : générer les clips. Pour la partie script proprement dite, réfère-toi au pilier Claude pour la vidéo qui creuse les templates d'écriture.
Le pipeline en 5 étapes : de l'idée à la vidéo publiée
Exemple fil rouge : une vidéo LinkedIn de 45 secondes pour un consultant en cybersécurité qui veut positionner son expertise sur les audits Claude Code. Trois plans de 15 secondes.
Étape 1. Brief dans Claude. Tu ouvres un Project Claude dédié à ta production vidéo (voir la partie configurer Claude et ses Projects si tu ne l'as pas déjà fait). Tu donnes audience, objectif, format, contraintes de marque, exemples de vidéos qui te plaisent. Cinq minutes.
Étape 2. Script + storyboard. Claude sort un script de 90 mots (rythme parlé natif) et un storyboard plan par plan en texte : ce qu'on voit, ce qu'on entend, la transition. À ce stade, tu itères sur le fond, pas sur les prompts vidéo.
Étape 3. Conversion en prompts vidéo Gemini. Tu passes le script + storyboard validé à un second prompt Claude (donné plus bas) qui produit une table de prompts vidéo prêts à coller. C'est le cœur du pipeline.
Étape 4. Génération et sélection. Tu colles chaque prompt dans Gemini Omni. Compte 4 à 8 générations par plan pour obtenir un rush publiable, parfois plus si le plan est complexe. Tu sélectionnes, tu télécharges.
Étape 5. Assemblage. Montage rapide dans CapCut ou DaVinci Resolve, sous-titres brûlés (générés par Claude à partir du script), miniature (Claude Design ou un outil image tiers, sachant que Claude n'a pas de génération d'image native, voir sur ce point l'article dédié).
Le prompt Claude qui transforme un script en prompts vidéo Gemini
Voici le prompt à utiliser en Étape 3. Copie-le tel quel dans un Project Claude, remplace la variable script en bas.
Tu es directeur artistique vidéo. Je te donne un script et un storyboard.
Produis une table de prompts vidéo optimisés pour Gemini Omni 1.1 Flash.
Contraintes du modèle :
- Durée max par clip : 40 secondes (vise 8-15s par plan)
- 720p par défaut, cadrage 9:16 pour LinkedIn/mobile
- Faible sur les mains détaillées et le texte à l'écran (évite)
- Cohérence de personnage NON garantie entre clips :
répète la description physique dans CHAQUE prompt
Pour chaque plan, remplis :
| # | Durée | Sujet + description physique complète |
Action | Cadrage/mouvement caméra | Lumière | Style | Audio |
Règles de formulation :
- Une phrase par colonne, pas de listes imbriquées
- Verbes d'action au présent, jamais de conditionnel
- Cite au moins une référence style connue (film, photographe)
- Précise l'heure de la journée pour la lumière
SCRIPT ET STORYBOARD :
[colle ici]
Sors uniquement la table Markdown, rien d'autre.Exemple de sortie sur le plan 1 de notre consultant cyber : sujet "homme 35 ans, cheveux courts châtains, barbe de trois jours, chemise bleu marine ouverte au col, lunettes fines", action "marche lentement vers la caméra dans un couloir de bureau vitré", cadrage "plan taille, léger travelling arrière", lumière "fin d'après-midi, lumière rasante latérale par les baies vitrées", style "référence photo Annie Leibovitz portrait corporate", audio "pas discrets sur moquette, ambiance bureau feutrée". Ce niveau de détail change tout à la génération.
Cohérence visuelle entre plans : le vrai point de friction
Personne n'en parle honnêtement dans les démos. Gemini Omni ne garantit pas qu'un personnage reste identique d'un clip à l'autre. Sur trois plans d'un même consultant, tu peux avoir trois visages proches mais distincts, ou une chemise qui change de nuance. Pour un contenu narratif, c'est éliminatoire. Trois workarounds fonctionnent aujourd'hui.
Description physique ultra-précise et répétée. Chaque prompt reprend le même bloc de description au mot près. Pas "le même homme que précédemment", ça ne marche pas : le modèle ne se souvient de rien entre deux générations. Tu recopies l'intégralité. Claude gère ça automatiquement si tu le lui demandes dans le prompt de conversion (ligne "répète la description physique dans CHAQUE prompt").
Plans de coupe. Tu casses la contrainte de cohérence en insérant entre deux plans du sujet un plan de b-roll : détail produit, texte plein écran, plan large sans visage, main sur clavier. L'œil pardonne la rupture parce qu'il est déjà passé à autre chose quand le sujet revient.
Voix off continue. Génère l'audio séparément (voix synthétique ou enregistrement) sur toute la vidéo, indépendamment des rushes vidéo muets. La continuité de la voix couvre les micro-ruptures visuelles. C'est le workaround le plus puissant pour du contenu explicatif.
Claude oriente le storyboard vers ces contournements dès l'écriture. Un bon storyboard généré par Claude alterne systématiquement plan sujet, plan de coupe, plan sujet. C'est aussi une logique qu'on retrouve dans la production d'une identité visuelle cohérente avec Claude : la cohérence se construit à l'écriture, pas à la génération.
Coûts, temps et cas d'usage où ça vaut le coup
Chiffrage réaliste d'une vidéo LinkedIn de 45 secondes (trois plans de 15 secondes).
| Étape | Outil | Temps |
|---|---|---|
| Brief + script + storyboard | Claude | 20 min |
| Conversion en prompts vidéo | Claude | 5 min |
| Génération des rushes (4 à 8 essais par plan) | Gemini Omni | 30 à 60 min |
| Sélection + montage + sous-titres | CapCut | 30 min |
| Total réaliste | 1h30 à 2h |
Sur le coût Gemini, l'API est sur palier payant sans accès gratuit documenté, et le prix exact varie selon la région et le contrat. Compte que ton budget de générations sera 5 à 10x ce que tu utiliserais si tout marchait du premier coup. Prévois-le.
Cas d'usage où ça marche : vidéos courtes réseaux sociaux, teasers produit, mood videos pour landing, publicités testables A/B, transitions d'ouverture pour une chaîne YouTube. Cas d'usage où ça ne marche pas : interview client (visages réels non substituables), tuto qui montre un écran d'ordinateur (texte illisible), contenu long narratif de plus de deux minutes (cohérence impossible), toute vidéo où une main manipule un objet complexe.
Un entrepreneur solo ne fait pas de la pub TV avec ça. Il fait deux à quatre vidéos courtes par semaine pour ses canaux propriétaires. La différence entre "jouet" et "outil de production" tient à ce cadrage.
Aller plus loin : intégrer ce pipeline dans une routine hebdo
Cadence réaliste pour un solo : deux vidéos courtes par semaine. Une pour LinkedIn, une pour Instagram ou YouTube Shorts. Trois heures de production totales sur la semaine si tu as bien standardisé les Projects Claude.
La standardisation, c'est le vrai levier. Crée un Project Claude "Vidéo LinkedIn" avec ton persona d'audience, ton positionnement, tes contraintes de marque, cinq exemples de vidéos qui ont marché chez d'autres, et le prompt de conversion vidéo en fichier Project. À chaque nouveau brief, tu ne recrées rien, tu ne fais qu'ajouter l'angle du jour. Le temps passe de 20 minutes de brief à 5 minutes.
Deuxième levier : standardiser un style visuel maison. Choisis trois à cinq références (photographe, film, palette) que tu réutilises dans chaque prompt vidéo. Tes rushes gagnent en cohérence de série, tes viewers finissent par reconnaître ton esthétique. Sans ça, chaque vidéo semble sortir d'un studio différent, ce qui tue la marque personnelle.
Si tu veux construire ce pipeline vidéo dans un cadre plus large (contenu, site, automatisation, marketing), c'est exactement le type de workflow qu'on construit en cohorte dans Maîtriser Claude au quotidien : cinq semaines, cinq projets concrets, dont un pipeline éditorial complet où tu intègres ce genre de brique vidéo à ta routine hebdomadaire. Tu ressors avec le workflow qui tourne, pas juste des idées.