Pour transformer un texte en vidéo animée, on ne colle pas le texte entier dans un outil : on en extrait une question, on réécrit la réponse pour l'oral (environ 150 mots par minute en français), puis on découpe en scènes, une phrase par scène, chacune avec une image qui montre ce que dit la voix. Un générateur comme l'Explainer de ClipOnIt fait le découpage, les illustrations animées, la voix et les sous-titres ; le travail humain reste la réécriture et la relecture. L'exemple de cet article, « Pourquoi les oignons font pleurer », tient en 91 mots, 8 scènes et 32 secondes.
Quel texte peut devenir une vidéo animée ?
Presque tout texte qui explique quelque chose : un article de blog, une fiche produit, une note de cours, un post LinkedIn, une FAQ, un script déjà écrit. Le seul vrai obstacle est la longueur. Quelques repères :
| Texte de départ | Longueur typique | Ce qu'il donne |
|---|---|---|
| Post LinkedIn ou paragraphe | 80 à 150 mots | Une vidéo de 30 à 60 s, presque tel quel |
| Fiche ou FAQ | 200 à 400 mots | 2 à 4 vidéos, une par question |
| Article de blog | 1 000 à 2 000 mots | 5 à 10 vidéos, une par intertitre |
| Chapitre de cours | 3 000 mots et plus | Une série ; chaque notion devient une vidéo |
Ces correspondances supposent un débit d'environ 150 mots par minute, celui qu'on mesure sur nos propres vidéos en français. Un article de 1 500 mots lu en entier ferait une vidéo de 10 minutes : personne ne la regarderait sur un téléphone.
La méthode en 5 étapes
1. Réduire le texte à une question
Une vidéo courte répond à une seule question. Relisez votre texte et écrivez la question à laquelle il répond le mieux, en une ligne, comme quelqu'un la taperait : « Pourquoi les oignons font pleurer ? », « Comment résilier un abonnement en ligne ? », « À quoi sert notre nouvelle fonction ? ». Le reste du texte attendra d'autres vidéos.
2. Réécrire pour l'oral
Un texte écrit pour être lu se dit mal. À l'oral : des phrases de 8 à 15 mots, le sujet en début de phrase, pas de parenthèses, des nombres simples. La réponse arrive dans la première phrase ; l'explication vient ensuite. Ce passage divise souvent la longueur par deux.
3. Découper en scènes
Une scène correspond à une phrase, rarement deux, soit 3 à 8 secondes à l'écran. C'est le rythme qui retient l'attention sur TikTok, Reels et Shorts : une image qui reste plus de 8 secondes fait décrocher. Une vidéo de 30 secondes compte en général 6 à 9 scènes.
4. Une image par phrase, calée sur le mot clé
Chaque phrase a un mot qui porte l'idée (« gaz », « cellules », « larmes »). C'est lui que l'image doit montrer, au moment exact où la voix le prononce. C'est la différence entre une vidéo explicative et un diaporama avec une voix par-dessus.
5. Voix, sous-titres et rendu
Voix de synthèse ou votre propre voix, sous-titres mot à mot (une grande partie du public regarde sans le son), puis rendu vertical 9:16 pour les réseaux.
Exemple : 8 phrases, 8 scènes, 32 secondes
Voici une vraie vidéo produite par l'Explainer à partir d'un script de 8 phrases, dans le style Maison en coupe (une maison de poupée en 3D, pièce par pièce). Voix off : Mathis, fondateur de ClipOnIt.
Le texte et son découpage :
| Scène | Phrase lue | Titre à l'écran |
|---|---|---|
| 1 | Tu ne pleures pas à cause de l'oignon. Tu pleures à cause d'un gaz. | Pas l'oignon : un gaz |
| 2 | Un oignon, c'est des milliers de petites cellules. | Des milliers de cellules |
| 3 | Quand le couteau les casse, elles libèrent un gaz qui monte jusqu'à tes yeux. | Le gaz monte |
| 4 | Tes yeux se défendent : ils font des larmes pour le rincer. | Les larmes rincent |
| 5 | Trois astuces. Un : un couteau bien aiguisé, il écrase moins de cellules. | Un couteau aiguisé |
| 6 | Deux : un oignon bien frais, sorti du frigo, libère moins de gaz. | Un oignon frais |
| 7 | Trois : coupe près d'une fenêtre ouverte ou de la hotte. | Fenêtre ou hotte |
| 8 | Et si tu pleures quand même, dis que c'est l'émotion. | C'est l'émotion |
Ce qu'on peut en retenir pour votre propre texte :
- La réponse est dans la scène 1. Quelqu'un qui décroche après 3 secondes a quand même appris quelque chose.
- Chaque titre à l'écran fait 2 à 4 mots. Il résume la phrase ; il ne la répète pas.
- Le texte passe de l'explication au pratique (scènes 5 à 7) : c'est ce qui donne envie d'enregistrer la vidéo.
- La dernière phrase est une chute qui fait sourire : on finit sur le sujet, sans appel à s'abonner.
Texte lu tel quel ou réécrit par l'IA ?
Dans l'Explainer de ClipOnIt, trois points de départ sont possibles :
- Un texte déjà écrit : il est lu tel quel et découpé en scènes. À choisir quand le texte est déjà réécrit pour l'oral.
- Une idée ou un sujet : l'IA écrit la narration à partir de vos faits clés, puis la découpe. Pratique pour partir d'un article long : donnez la question et les trois faits qui comptent (voir d'une phrase à une vidéo animée).
- Votre voix : vous lisez le texte au micro, ou importez un audio ; la narration est transcrite et chaque élément s'affiche sur vos mots.
Ensuite, chaque scène reste modifiable : vous pouvez demander une correction au Réalisateur IA (« plus court », « un graphique ici »), comparer 3 variantes d'une scène en gardant le même texte, ou déplacer un élément à la main. Le rendu final est un MP4 vertical.
Ce que l'IA fait, et ce qui vous reste
| Étape | Faite par l'outil | À faire vous-même |
|---|---|---|
| Choisir la question | Non | Oui : c'est la décision la plus importante |
| Réécrire pour l'oral | Premier jet possible | Relire à voix haute, couper |
| Découper en scènes | Oui | Fusionner ou séparer une scène si besoin |
| Illustrer et animer | Oui, depuis une bibliothèque d'éléments animés | Remplacer une image qui ne montre pas la bonne chose |
| Voix et sous-titres | Oui | Écouter les noms propres et les nombres |
| Vérifier les faits | Non | Oui, chaque chiffre |
Les erreurs qui rendent la vidéo plate
- Coller l'article entier. La vidéo dure trop longtemps et ne répond à rien de précis.
- Garder les phrases écrites. Une phrase de 30 mots avec deux virgules devient une scène de 12 secondes sur une seule image.
- Des images décoratives. Si l'image ne montre pas ce que dit la voix, elle distrait.
- Changer de style à chaque vidéo. Sur une série, gardez le même univers visuel : c'est votre signature. Le choix du style est détaillé dans quel style de vidéo explicative choisir.
FAQ
Peut-on transformer un PDF ou un article en vidéo directement ?
Dans l'Explainer, le point de départ est un texte collé, une idée ou un enregistrement audio. Pour un PDF ou un article, copiez la partie qui répond à votre question, ou donnez la question et les faits clés : la vidéo sera meilleure qu'avec le document entier.
Combien de temps faut-il pour transformer un texte en vidéo animée ?
La réécriture prend 5 à 15 minutes pour une vidéo de 30 à 60 secondes. La génération des scènes est automatique, et le rendu prend environ 4 minutes sur ClipOnIt. Ce sont des ordres de grandeur, pas une mesure.
Faut-il savoir animer ?
Non. Les éléments sont déjà dessinés et animés ; l'outil les choisit et les cale sur la voix. Vous gardez la main pour remplacer, déplacer ou masquer chaque élément.
Quel format pour publier ?
Vertical 9:16, en MP4, c'est le format de sortie de l'Explainer. Pour un usage en formation, voir aussi transformer un cours en vidéos explicatives.
Rédigé par l'équipe ClipOnIt. Publié le 7 novembre 2026.