Six heures de rushes se trient désormais en une matinée. Le film, lui, n’avance pas plus vite.
Cet écart dit l’essentiel de ce que l’IA change au montage vidéo. Les fonctions qui arrivent dans les logiciels professionnels visent presque toutes la même zone du travail : retrouver un plan, extraire les métadonnées d’un clap, transcrire une prise, fabriquer des sous-titres et les traduire, Adobe annonçant par exemple 27 langues sur Premiere Pro. Aucune de ces briques ne décide de l’ordre des plans. Or l’ordre des plans fait la qualité d’un montage.
Comprendre où passe cette frontière vaut mieux qu’un comparatif d’outils : les logiciels changent tous les six mois, le partage des tâches, lui, bouge à peine.
Trois familles d’outils, une seule approche la timeline
Les fonctions commercialisées sous l’étiquette IA se rangent en trois familles.
- Indexer : la recherche en langage naturel dans les rushes. IntelliSearch chez DaVinci Resolve, Media Intelligence chez Premiere Pro. Vous tapez « plan large du parking, nuit », le logiciel remonte les clips au lieu de vous faire scruter des vignettes. AI Slate ID lit le clap et récupère scène, prise et rôle.
- Transcrire et nettoyer : Speech to Text, sous-titres automatiques, traduction, suppression des silences et des hésitations. AutoCut et FireCut se sont construits sur ce seul créneau, la génération de voix relève de la même logique de réparation.
- Pré-assembler : IntelliScript monte une timeline à partir d’un scénario Final Draft ou d’un simple texte, Eddie AI prépare des ours pour Premiere, Resolve ou Final Cut.
Seule la troisième famille produit un début de montage. Elle fonctionne quand le film est écrit avant d’être tourné : interview, module pédagogique, film institutionnel. Elle aligne des images sur un texte connu. Personne ne lui demande d’inventer une structure.
Le même partage vaut chez Apple : Final Cut Pro 11 a ajouté le détourage automatique d’un sujet et la transcription en sous-titres, deux outils de préparation, aucun qui touche à l’ordre des plans.
Le dérushage absorbe le gros du gain de temps
Sur un tournage multicam, une captation de conférence ou un documentaire, le rapport entre les heures enregistrées et les minutes livrées reste écrasant. La première passe consiste à savoir ce que l’on a. Elle n’exige aucun jugement esthétique, seulement de la mémoire et de la patience : exactement le profil d’une tâche automatisable.
Le gain se chiffre, à condition de le mesurer honnêtement. Chronométrez une séquence de vingt minutes de rushes traitée à l’ancienne, puis la même avec transcription et recherche par mots. Le gain réel tient moins à la transcription, qui tourne en tâche de fond, qu’aux minutes que vous ne passez plus à faire défiler des images pour retrouver une phrase.
Trois réflexes rendent ce gain durable :
- indexer une fois, au moment de l’ingest, jamais au fil du montage ;
- conserver la transcription comme document de travail, relisible et annotable en dehors du logiciel ;
- corriger les noms propres et le vocabulaire métier dans la transcription avant de l’utiliser, sinon la recherche restera aveugle sur les termes qui comptent.
Un monteur qui connaît ses rushes par cœur reste plus rapide qu’une recherche textuelle. L’automatisation gagne surtout sur les projets que l’on n’a pas tournés soi-même, et sur les archives que personne n’a jamais ouvertes.
Formats verticaux : les limites du recadrage automatique
Le recadrage automatique suit un sujet, il ne compose pas une image. La différence saute aux yeux dès que la scène se complique : deux interlocuteurs qui se répondent et le cadre oscille entre eux, une action décentrée volontairement et le cadre la ramène au milieu, un titrage en bas d’image et la découpe verticale le décapite.
Traitez ces fonctions comme une première passe, pas comme une livraison. Le recadrage automatique place les points de départ, vous corrigez ensuite les moments où l’attention du spectateur ne va pas là où l’algorithme la suppose. Vérifiez le résultat sur un écran de téléphone tenu à bout de bras, pas sur un moniteur de vingt-sept pouces : un visage trop serré ou un texte rogné ne se voient qu’à la taille réelle de diffusion.
Même prudence sur la suppression automatique des silences. Elle est excellente sur un tutoriel, désastreuse sur un entretien : le souffle avant une réponse difficile fait partie de la réponse.
L’ordre des plans n’a pas d’objectif calculable
Monter, c’est gérer une attente. On crée une question dans la tête du spectateur, on la laisse mûrir, on la résout ailleurs. Le plan gardé n’est pas toujours le plus net ni le mieux joué : il est celui qui tient la tension avec celui d’avant.
Aucun outil ne dispose de cette information. Une IA optimise une correspondance entre un texte et des images, ou une continuité visuelle plausible. La puissance du modèle n’y change rien, faute de cible à optimiser : personne ne sait écrire ce qui fait qu’une scène fonctionne, et deux monteurs compétents produisent des versions différentes et défendables du même matériau.
La conséquence pratique est simple. Un ours généré automatiquement est un point de départ acceptable sur un format écrit à l’avance, et un piège sur un film qui se découvre au montage : il vous installe dans un ordre par défaut que vous finirez par défendre par fatigue plutôt que par conviction. Sur ces projets, mieux vaut la timeline vide.
Voix de synthèse et visages retouchés : le risque devient juridique
Les fonctions génératives déplacent le risque du technique vers le juridique, et cette partie ne s’automatise pas.
- Les voix : régénérer une réplique mal enregistrée avec la voix d’une personne réelle suppose son accord explicite. Le contrat de tournage prévoit rarement une synthèse a posteriori, un avenant coûte moins cher qu’un litige.
- Les visages : retouche du regard, rajeunissement, remplacement d’un figurant. Même logique de consentement, et vigilance sur ce que la retouche fait dire ou paraître à quelqu’un.
- Les musiques et images générées : lisez les conditions du service sur l’usage commercial, la cession des droits et la revendication d’exclusivité. Un morceau libre de droits pour un usage personnel ne l’est pas pour une campagne diffusée.
- Les rushes du client : envoyer des images sous accord de confidentialité vers un service en ligne engage votre responsabilité, pas seulement votre configuration. Vérifiez où les fichiers sont traités, combien de temps ils sont conservés et s’ils alimentent un entraînement.
Ajoutez la déclaration : les plateformes vidéo demandent désormais de signaler les contenus réalistes générés ou modifiés par IA. Documentez dans le projet ce qui a été synthétisé, avec la source de l’autorisation. Six mois plus tard, quand la question remontera, personne ne s’en souviendra.
Automatiser ce qui est réversible, garder la main sur le reste
La répartition obéit à un principe : automatisez ce qui est réversible et vérifiable d’un coup d’œil, gardez la main sur ce qui engage le sens.
- Ingest : transcription, indexation, lecture des claps. Automatique, sans relecture immédiate.
- Tri : sélection des prises, coupe des silences, marquage des moments forts. Automatique en proposition, validé à l’écoute.
- Ours : assemblage depuis le script si le film est écrit, timeline vide sinon.
- Montage : rythme, ordre, ellipses, respirations. Humain, sans exception.
- Finition : sous-titres, traduction, recadrages, nettoyage audio. Automatique en première passe, relu intégralement.
- Livraison : droits, mentions de contenu généré, archivage du projet et des transcriptions.
Cette chaîne ne dépend d’aucun éditeur en particulier. Elle survit au remplacement d’un outil par un autre, ce qui reste la seule façon d’investir du temps de formation sans le perdre à la mise à jour suivante.
Le prochain arbitrage se jouera sur les devis. Les grilles de postproduction facturent une part de dérushage, poste que l’automatisation vide à vue d’œil. Quand ces heures auront disparu des tarifs, il restera à défendre celles du montage lui-même : le temps pendant lequel quelqu’un regarde des plans et hésite. Un travail dont personne ne sait prouver la valeur autrement qu’en montrant le film fini.
Questions frequentes
L’IA peut-elle monter une vidéo entièrement seule ?
Elle peut assembler une timeline à partir d’un scénario ou d’une transcription, ce que proposent des fonctions comme IntelliScript dans DaVinci Resolve ou des services tiers comme Eddie AI. Le résultat est un ours de départ, pas un montage terminé : le rythme, les ellipses et l’ordre dramatique restent décidés par un monteur.
Sur quelles tâches le gain de temps est-il le plus net ?
Sur le dérushage et la préparation : transcription automatique, recherche en langage naturel dans les rushes, lecture des claps, suppression des silences, sous-titrage et traduction. Ce sont des tâches de mémoire et de manutention, sans jugement esthétique.
Faut-il un logiciel spécialisé ou les outils classiques suffisent-ils ?
Les suites professionnelles intègrent désormais l’essentiel : recherche intelligente et transcription dans DaVinci Resolve, Media Intelligence et Speech to Text dans Premiere Pro. Les extensions tierces comme AutoCut ou FireCut ajoutent surtout de la vitesse sur des formats répétitifs.
Le recadrage automatique en format vertical est-il fiable ?
Il suit un sujet mais ne compose pas une image. Il convient comme première passe, avec une vérification systématique des scènes à deux personnes, des actions décentrées et des titrages, qui sont les cas où le cadre se trompe le plus souvent.
Quelles précautions juridiques prendre avec les voix et musiques générées ?
Synthétiser la voix ou le visage d’une personne réelle exige son accord explicite, rarement couvert par un contrat de tournage standard. Pour les musiques et images générées, il faut vérifier les conditions d’usage commercial du service, et signaler les contenus réalistes générés par IA sur les plateformes qui l’exigent.
