Créer une vidéo d'entreprise avec l'IA : combien ça coûte vraiment ?

Une minute de film d'animation, façon Pixar, produite pour 1,33 dollar. Le chiffre ne sort pas d'une plaquette commerciale : il est détaillé poste par poste sur la page GitHub d'OpenMontage, un projet open source qui transforme un assistant IA en studio de production vidéo. Pour toutes les entreprises qui repoussent la vidéo depuis des années faute de budget, cela vaut la peine d'y regarder de près. Comment l'outil fonctionne, ce qu'il coûte réellement, ce qu'il faut vérifier avant de s'en servir : le point complet.

Pourquoi la vidéo restait un projet "pour plus tard"

Le circuit classique est connu. Un studio ou un monteur indépendant, un devis qui va de 1 500 à 10 000 euros la minute selon le niveau de finition, deux à quatre semaines de délai. Puis les allers-retours, chaque correction repassant par le monteur. La vidéo de présentation d'un service, le tutoriel destiné aux clients, la capsule de formation interne finissent dans la case "un jour". L'envie existe pourtant. Ce qui bloque, presque toujours, tient dans l'arbitrage budgétaire : difficile de justifier plusieurs milliers d'euros pour une minute d'image dont le retour est incertain.

Les générateurs de vidéo grand public n'ont réglé qu'une partie du problème. Ils produisent un clip de quelques secondes à partir d'une phrase, sans script, sans voix, sans montage. Entre ce clip brut et une vidéo diffusable, il reste tout le travail d'un studio.

OpenMontage : un plateau de tournage piloté en langage courant

C'est précisément ce travail de studio qu'OpenMontage automatise. Le projet, publié sur GitHub sous licence libre, s'installe sur un ordinateur et se pilote depuis un assistant IA de programmation : Claude Code, Cursor, Copilot, Windsurf ou Codex. On décrit le film souhaité en français courant, comme on parlerait à un réalisateur. L'agent déroule ensuite la même chaîne qu'une équipe de production : recherche documentaire sur le web, proposition de concept, script, plan de scènes, génération des images et des voix, musique, montage, rendu final.

Sous le capot, le dépôt annonce 12 chaînes de production (film d'animation, vidéo explicative, montage documentaire à partir d'images d'archives, sous-titrage et doublage d'une vidéo existante, découpe d'un enregistrement long en extraits courts, entre autres), plus de 100 outils et environ 700 fichiers d'instructions qui apprennent à l'agent les règles du métier.

Deux garde-fous méritent d'être soulignés, parce qu'ils répondent aux deux craintes habituelles. D'abord la validation humaine : l'agent s'arrête à chaque décision créative (concept, script, visuels) et attend un accord explicite avant de continuer. Ensuite la gouvernance du budget : chaque dépense est estimée avant d'être engagée, un plafond global est fixé par défaut à 10 dollars, et toute action au-dessus de 0,50 dollar demande une confirmation. La facture ne dérape pas en silence.

L'exemple chiffré : 60 secondes d'animation pour 1,33 dollar

Le court-métrage qui a fait connaître le projet s'appelle "The Last Banana" : 60 secondes d'animation dans le style des studios Pixar, racontant l'amitié d'une banane et d'un kiwi. Sa recette est publique. Six clips vidéo générés par le modèle Kling, une narration en synthèse vocale Google, une musique de piano libre de droits, des sous-titres synchronisés mot à mot, un assemblage final automatisé. Total : 1,33 dollar.

Les autres exemples publiés donnent l'échelle des prix. Une publicité produit de 30 secondes, réalisée avec une seule clé OpenAI : 0,69 dollar. Une animation de style japonais construite à partir de douze images fixes mises en mouvement : 0,15 dollar. Une vidéo historique de 70 secondes : 2 centimes.

Il existe même un chemin sans aucun abonnement payant. L'outil sait travailler avec une voix de synthèse locale, des banques d'images et de vidéos libres (Pexels, Pixabay, Unsplash) et des archives ouvertes comme Archive.org, la NASA ou Wikimedia Commons. Dans cette configuration, le coût monétaire tombe à zéro. Ce qui reste, et qu'aucun outil ne supprime : le temps de relire, de corriger et de valider. Comptez une demi-journée pour une première vidéo, installation comprise.

La mise en route, étape par étape

L'installation relève d'un poste de développement classique. Trois prérequis : Python (version 3.10 ou plus), Node.js (version 18 ou plus) et FFmpeg, un logiciel libre de traitement vidéo. On télécharge ensuite le projet depuis GitHub et une commande unique prépare l'environnement.

Vient la partie intéressante. On ouvre le dossier dans son assistant IA et on écrit sa demande, par exemple : "Fais une vidéo de 60 secondes qui explique notre service de dépannage à distance, ton rassurant, avec narration et sous-titres." L'agent revient avec un concept, une estimation de coût et un script. On corrige, on valide, il continue. Un tableau de bord local, baptisé Backlot, affiche la production en direct : scènes en cours de génération, dépenses engagées, étapes en attente d'accord.

Pour améliorer la qualité, on ajoute des clés d'accès aux services de son choix : génération vidéo, voix haut de gamme, musique originale. Chacune est facultative et facturée à l'usage par son fournisseur, sans abonnement imposé.

Si personne dans l'entreprise n'est à l'aise avec un terminal, mieux vaut se faire accompagner pour l'installation : une heure de travail pour quelqu'un dont c'est le métier.

Les points de vigilance avant de diffuser

Quelques précautions s'imposent, et la première touche à la sécurité informatique. Les textes et descriptions envoyés aux services de génération transitent par des serveurs tiers, américains ou chinois selon les fournisseurs retenus. On n'y met donc ni données de clients, ni chiffres confidentiels, sans avoir vérifié les conditions d'utilisation du service concerné.

Les droits d'usage ensuite. Musiques libres de droits, images générées, fonds d'archives : les licences diffèrent, et une diffusion publicitaire n'obéit pas aux mêmes règles qu'une vidéo de formation interne. Une vérification avant publication évite les mauvaises surprises.

La facturation, elle, se fait à l'acte : chaque seconde de vidéo générée, chaque image, chaque minute de voix a un prix chez le fournisseur choisi. Les montants restent faibles, l'exemple à 1,33 dollar le montre, mais le plafond de dépense intégré mérite d'être ajusté à votre usage plutôt que laissé au réglage d'origine.

Un mot sur la licence du projet, l'AGPLv3 : elle n'a aucune conséquence pour produire les vidéos de votre entreprise. Elle en aurait si vous vouliez revendre l'outil sous forme de service, un cas qui demande alors un examen juridique.

Dernier point, le plus important peut-être : la qualité du résultat suit la qualité du brief. Une demande vague produit une vidéo vague. Avant de lancer l'agent, poser par écrit le message, l'audience visée et la durée change tout.

Un signe de plus d'un mouvement de fond

La trajectoire rappelle celle de la mise en page ou de la retouche photo : des savoir-faire longtemps réservés à des prestataires, absorbés peu à peu par les outils du quotidien. La production vidéo semble prendre le même chemin, avec une différence notable. Ici, un agent IA orchestre la chaîne complète pendant que l'humain garde la décision à chaque étape. Ce modèle, un agent outillé encadré par une validation humaine et un plafond de dépense, dépasse d'ailleurs largement la vidéo : il s'applique déjà à la rédaction, au traitement de documents ou au support client.

Autensai accompagne les entreprises dans la mise en place de ce type d'automatisation, avec le volet sécurité qui va avec. Pour évaluer ce que ces outils peuvent apporter à votre communication ou à vos processus internes, le plus simple est d'en parler : prendre rendez-vous.