Front-end16 min de lecture
Créer des vidéos avec l'IA et Remotion : un cas réel
Comment je crée des reels avec l'IA et Remotion : sujet, script, scènes React, sous-titres mot à mot et rendu. Un cas réel, avec les chiffres d'Explica, Palito.

J'ai un compte d'anecdotes sur Instagram où aucune vidéo n'a été filmée ni n'est passée par un logiciel de montage. Chaque reel est un composant React, rendu image par image par Remotion. Et l'essentiel de ce code est écrit par une IA.
Le compte s'appelle Explica, Palito (« Palito explique », en portugais) : des bonshommes bâtons en 3D expliquent ce que la science a déjà testé sur le couple et le corps. L'une de ces vidéos a dépassé le demi-million de vues.
Cet article montre tout le processus, du sujet à la publication, avec le vrai code. Il montre aussi où l'IA intervient, où elle n'intervient pas, et ce qui a mal tourné en route.
TL;DR#
- Remotion transforme React en vidéo. Chaque image est une fonction du numéro d'image, et le rendu sort en
.mp4depuis la ligne de commande. - La vidéo en code convient très bien à une IA : elle n'a pas besoin d'un éditeur graphique, seulement de fichiers texte et d'une commande pour lancer le rendu.
- Le processus : sujet et étude, script en JSON, voix de synthèse avec le moment de chaque mot, scène React avec three.js, aperçu, rendu et publication.
- L'IA ne dessine rien. Pas de modèle d'image ni de vidéo : chaque personnage est de la géométrie écrite en code. Les chiffres viennent de l'étude, et les décisions sur les sujets et le format sont les miennes.
- Le sujet a compté plus que tout. Le 06/11/2026, les vidéos sur le couple représentaient environ 86 % des vues du compte.
- Des choses ont mal tourné aussi : une chute de portée après un post politique, la limite d'environ 25 publications par jour et des légendes qui disparaissaient lors de la publication automatique.
Ce qu'est Explica, Palito#
Explica, Palito est un compte de reels scientifiques, aussi présent sur TikTok. Les vidéos sont en portugais du Brésil, et le format est presque toujours le même : une question que l'on peut vérifier sur soi ou sur la personne qu'on aime, une étude qui l'a testée et la réponse, en 30 à 50 secondes.
Les personnages vivent dans un diorama 3D low-poly : une île ronde qui flotte, avec la caméra qui tourne autour. Par-dessus viennent les panneaux de texte et un grand sous-titre, mot à mot, synchronisé avec la narration.
La méthode de la chaîne est aussi devenue un ebook, Palito AI: crie vídeos com IA sem aparecer (en portugais). Il va du choix du sujet et de l'accroche jusqu'à la lecture des chiffres après la publication. Cet article s'en tient à la partie technique : comment la vidéo est faite en code.
Pourquoi Remotion#
Remotion est une bibliothèque qui rend des composants React sous forme de vidéo. L'idée centrale est simple : le composant lit le numéro de l'image courante avec useCurrentFrame() et renvoie ce qui doit apparaître dans cette image. Remotion ouvre un navigateur sans fenêtre, fait une capture de chaque image et assemble le tout dans un .mp4 avec le son.
Pour ce projet, cela a réglé trois choses :
- Tout est réutilisable. Île, personnage, panneau, sous-titre et transition deviennent des composants. Une nouvelle vidéo est surtout une combinaison de pièces qui existent déjà.
- De la 3D sans quitter React. Avec le paquet
@remotion/three, les scènes utilisent three.js via React Three Fiber, et la caméra n'est elle aussi qu'une fonction de l'image. - Une IA peut s'en servir. Pas de timeline à faire glisser ni de bouton à cliquer. La vidéo est un fichier
.tsx, et le rendu est une commande dans le terminal. C'est exactement le genre de travail qu'un agent de code fait bien.
Le processus, du sujet à la publication#
Je travaille avec Claude Code ouvert dans le dossier du projet. Il dispose d'une skill avec les règles de la chaîne (comment choisir un sujet, comment écrire l'accroche, quelles pièces utiliser) et d'un guide de production. Chaque vidéo suit les mêmes étapes :
1. Sujet et étude#
Le sujet passe par un seul filtre : peut-on vérifier ça sur soi ou sur la personne qu'on aime, tout de suite ? « Les couples finissent-ils par se ressembler ? » passe. L'actualité de la semaine, non.
Une fois le sujet choisi, l'IA cherche l'étude primaire (l'article dans la revue ou sur PubMed, pas l'article de presse qui en parle) et note l'auteur, l'année, la revue, l'échantillon et ce qui a été mesuré. Si elle ne trouve pas la source primaire, elle change de sujet. Pour une étude observationnelle, la vidéo parle d'association, pas de cause.
2. Un script en JSON#
Le script est un narration.json : une liste de répliques, chacune avec un id, le texte que la voix va lire et, pour la première, le titre affiché à l'écran. Voici le vrai script de la vidéo sur le câlin (en portugais, comme le compte) :
[
{ "id": "hook", "say": "Um abraço depois da briga mexe com o seu humor até no dia seguinte.", "caption": "O abraço que [SALVA O DIA SEGUINTE]" },
{ "id": "mito", "say": "Parece só um carinho. Coisa pequena.", "caption": "" },
{ "id": "mas", "say": "Mas pesquisadores ligaram pra quatrocentas e quatro pessoas, toda noite, por duas semanas.", "caption": "" }
]L'accroche dit qu'un câlin après une dispute agit sur votre humeur jusqu'au lendemain. Les nombres sont écrits en toutes lettres (« quatrocentas e quatro », quatre cent quatre) parce que c'est une voix de synthèse qui les lit, et elle se trompe moins ainsi.
3. La voix et le moment de chaque mot#
La narration vient d'edge-tts, une bibliothèque Python qui utilise les voix neuronales de Microsoft Edge. Le détail qui fait marcher les sous-titres : en plus du son, elle renvoie le moment où chaque mot commence.
for line in lines:
path = out_dir / f"{line['id']}.mp3"
words = []
with open(path, "wb") as f:
async for chunk in edge_tts.Communicate(line["say"], VOICE, rate=RATE, boundary="WordBoundary").stream():
if chunk["type"] == "audio":
f.write(chunk["data"])
elif chunk["type"] == "WordBoundary":
# offset comes in 100 ns units: turn it into a frame at 30 fps
words.append([round(chunk["offset"] / 1e7 * FPS), chunk["text"]])
sec = duration(path) # ffprobe
timings[line["id"]] = {"voice": math.ceil(sec * FPS), "frames": math.ceil((sec + GAP) * FPS), "words": words}Le résultat est un timings.json avec la durée de chaque réplique en images et une liste de [image, mot]. Tout dans la vidéo se synchronise dessus.
4. La scène en React#
Chaque réplique devient un plan, avec la caméra qui va d'un point à un autre pendant que la voix parle. La vidéo du câlin en a huit :
Voici le plan où la vidéo du câlin livre le résultat, avec les noms traduits en anglais (dans le projet, ils sont en portugais) et sans les couleurs, pour faire court :
import { Cam, Plates, Shot, Source } from '../v2/kit'
import { makeWordFrame } from '../shared'
import timings from './timings.json'
// at('payoff', 'baixo') = frame where the narrator says that word
const at = makeWordFrame(timings)
// Hug (the couple hugging) is declared above, in the same file
const Payoff: React.FC<SceneProps> = ({ parts }) => (
<>
{/* camera travels from a to b during the line and shakes on the strongest word */}
<Shot parts={parts} palette="sun" a={Cam(0.4, 14, 2.4)} b={Cam(0.2, 10, 2.6)} shake={at('payoff', 'baixo')}>
<Hug />
</Shot>
<Plates
items={[
[at('payoff', 'seguinte'), 'NO DIA SEGUINTE', 'big'],
[at('payoff', 'baixo'), 'humor ruim mais baixo'],
]}
/>
<Source text="Murphy et al., 2018 · PLoS ONE" delay={20} />
</>
)Remarquez que rien ici ne parle de secondes. La caméra, les panneaux et le tremblement de l'écran sont accrochés à des mots de la narration (« baixo » veut dire plus bas, « seguinte » veut dire suivant). Si la voix change de vitesse, le timings.json change et la vidéo reste synchronisée.
makeWordFrame est petit. Il cherche le mot dans la liste et renvoie l'image :
export const makeWordFrame = (timings: Timings) => (lineId: string, word: string) => {
const words = timings[lineId].words
const clean = (text: string) => text.toLowerCase().replace(/[^\p{L}\d]/gu, '')
const hit =
words.find(([, text]) => clean(text) === clean(word)) ??
words.find(([, text]) => clean(text).startsWith(clean(word)))
return hit ? hit[0] : 0
}5. Sous-titres mot à mot#
Le grand sous-titre utilise la même liste. À chaque image, le composant trouve le dernier mot déjà prononcé et n'affiche que celui-là, avec un petit rebond à l'entrée. Les mots d'une ou deux lettres se collent au suivant, pour que le sous-titre ne clignote pas.
6. Aperçu et rendu#
Un script relie les étapes. Sans --render, il génère une bande d'images dans un PNG, que l'IA ouvre et regarde avant de passer des minutes à faire le rendu. C'est comme ça qu'elle repère un texte coupé, un panneau sur un visage ou une scène vide.
./make.sh abracobriga AbracoBriga 120 400 700 # preview strip with 3 frames
./make.sh abracobriga AbracoBriga --render # final mp4 in out/upload/Le rendu crée une composition rien que pour cette vidéo et appelle npx remotion render. Ensuite, ffmpeg normalise le volume et produit une version légère, sous les 10 Mo, à envoyer depuis le navigateur. La vidéo du câlin, de 41 secondes, compte 1 225 images à 30 fps.
7. Publication#
La publication passe aussi par l'IA, avec Claude in Chrome qui pilote Instagram sur le web : envoi, recadrage, légende avec la source et horaire programmé. C'est l'étape la plus fragile du processus, et je vous explique pourquoi plus bas.
Où l'IA intervient et où elle n'intervient pas#
| Étape | Qui la fait |
|---|---|
| Orientation du compte, format et nombre de posts par jour | moi |
| Trouver l'étude et vérifier les chiffres | l'IA, dans la source primaire |
| Script, légende du post et code des scènes | l'IA, en suivant la skill |
| Voix | voix de synthèse (edge-tts) |
| Dessin, animation et caméra | du code : React, three.js et Remotion |
| Regarder l'aperçu et corriger | l'IA |
| Connexion, mot de passe et décisions sur le compte | moi |
Ce que je préfère dans ce dispositif : aucune image n'est générée par IA. Chaque personnage est un cylindre, une sphère et quatre bâtons en three.js. Le même code rendu deux fois donne la même vidéo, et aucun chiffre n'apparaît à l'écran sans venir d'une étude que quelqu'un a vraiment ouverte.
Le rôle de l'IA est celui d'un coéquipier très rapide : elle cherche, écrit, monte la scène avec les pièces existantes, regarde le résultat et corrige. En une nuit, le 03/11, 23 nouvelles vidéos sont sorties de cette façon. Les règles qu'elle suit, en revanche, viennent de moi et des chiffres.
Les chiffres#
Les statistiques du compte ne s'ouvrent pas dans le navigateur, donc les chiffres ci-dessous sont les chiffres publics, relevés sur le profil, chacun avec sa date de relevé.
- Le 03/11/2026 : 70 reels, environ 1,1 million de vues cumulées et 710 abonnés. La vidéo sur les visages qui se ressemblent avait 466 000 vues, 44 000 j'aime et 332 commentaires. Les vidéos sur le couple faisaient environ 87 % de toutes les vues.
- Le 06/11/2026 : 114 posts, environ 1,67 million de vues et 1 069 abonnés. La vidéo sur les visages est montée à 598 000 vues, et le couple pesait toujours environ 86 % des vues.
- Le 09/11/2026 : 1 272 abonnés. Pour comparer, le 28/10 le compte en avait 43.
Le reste du compte raconte une autre histoire. Les vidéos de musculation avaient une médiane de 1 900 vues, avec une exception (« Pourquoi mes mollets ne grossissent pas ? », 40 800 vues le 03/11). Les anecdotes générales, l'histoire et l'actualité tournaient autour de 1 500.
Et les vues ne se sont pas transformées en abonnés dans la même proportion : entre le 03/11 et le 06/11, 570 000 vues de plus n'ont apporté que 359 abonnés, environ 0,06 %. Le haut de l'entonnoir fonctionne ; le milieu, pas encore.
Ce qui a mal tourné#
La chute du 28/10#
Jusqu'au 28/10, presque chaque reel plafonnait entre 1 200 et 1 900 vues. Ce soir-là, à partir de 19 h, la diffusion s'est effondrée : une vidéo sur l'océan a fait 179 vues, une vérification d'une fausse information politique en a fait 28, et la vidéo du lendemain matin avait 4 vues au bout d'1 h 40.
Le statut du compte était entièrement au vert, sans aucune restriction formelle. Mon hypothèse : un post politique combiné à 5 posts par jour. Impossible de le prouver, mais j'ai changé les deux : j'ai retiré l'actualité et la politique des sujets et je suis descendue à 3 posts par jour pendant un temps. Quelques jours plus tard sont arrivées les vidéos sur le couple.
La limite de 25 par jour#
Quand les vidéos sur le couple ont décollé, j'ai augmenté le volume. Une nuit, après environ 24 programmations et 2 posts le même jour, Instagram s'est mis à répondre qu'il était impossible de programmer la publication. Cela correspond à une limite d'environ 25 publications créées en 24 heures, constatée en pratique. Déplacer un post déjà programmé ne compte pas ; seule la création compte.
Les vidéos prêtes sont allées dans une liste avec leur légende et un horaire suggéré, et ont été programmées le lendemain.
La légende qui disparaissait#
Coller la légende et cliquer sur Partager en JavaScript a laissé des reels sans légende, alors que le champ et le compteur de caractères semblaient corrects à l'écran. Ce qui a marché : écrire ligne par ligne, appuyer sur une vraie touche Entrée entre les lignes et faire un vrai clic sur le bouton. Après la publication, l'IA recharge le reel et vérifie que la légende est bien là.
Le mauvais compte#
Avec plus d'un Chrome connecté, une vidéo est déjà partie sur le mauvais compte à deux reprises. Aujourd'hui, avant chaque publication, l'IA vérifie le nom du compte connecté sur l'écran lui-même et s'arrête si ce n'est pas celui de Palito.
Ce que j'ai appris sur l'accroche#
Le 05/11, j'ai demandé de standardiser l'accroche des vidéos les plus virales. C'est devenu une formule (traduite ici) :
« Vous savez quand [situation du quotidien] ? Ce n'est pas [excuse populaire]. La science l'a testé. »
Avec le titre à l'écran au format « Pourquoi [qui] [MOT-CLÉ ?] » et la fin « Identifiez votre amour et répondez : [une rivalité entre vous deux] ? ».
Ça a marché comme base, mais pas comme formule magique. Les vidéos suivantes se sont arrêtées à une médiane de 1 900 vues, et le 10/11 la chaîne était tombée dans la répétition : même accroche, mêmes cinq scènes figées, caméra éloignée. D'où le format 2.0, inspiré des courts explicatifs en 3D qui deviennent viraux hors du Brésil : huit plans courts, une caméra toujours en mouvement, un retournement avec « Mais » et au moins une plongée à l'intérieur du corps.
Les premières vidéos au format 2.0 datent du 16/11/2026. Trop tôt pour dire si elles ont marché : je compare la médiane des vues à 72 heures, et ce relevé est prévu le 19/11.
Ce que j'ai appris#
Le sujet compte plus que la production. La vidéo sur les visages qui se ressemblent est dans l'ancien format, plus simple. Ce qu'elle a, c'est une question que le couple vérifie sur lui-même, tout de suite. Les sujets de couple « abstraits », avec une bonne étude mais lointaine, n'ont pas pris (1 400 et 1 700 vues).
Ne jugez pas un reel au bout de 24 heures. « Dormir collés » avait 2 800 vues le 03/11 et a dépassé 120 000 trois jours plus tard.
La vidéo en code vaut par la réutilisation. La première vidéo en 3D a pris du temps. Une fois le kit prêt (île, personnage, panneau, sous-titre, caméra), une nouvelle vidéo, c'est un script plus une scène, et la scène est presque uniquement de l'assemblage.
Synchronisez au mot, pas à la seconde. Accrocher chaque effet à un mot de la narration m'a permis de changer la vitesse de la voix sans refaire une seule scène.
Écrivez les règles pour l'IA, pas seulement la demande. La skill avec ce qui a marché, ce qui n'a pas marché et les mesures qui évitent de refaire le travail (où le titre cache la scène, à quelle distance placer la caméra) vaut plus que n'importe quel prompt bien écrit.
Précautions#
- Licence de Remotion. Il est gratuit pour les particuliers et les petites entreprises ; les entreprises plus grandes ont besoin d'une licence payante. Vérifiez les conditions de la licence avant de l'utiliser au travail.
- Étiquette IA. Instagram demande que les contenus avec une voix réaliste générée par IA soient signalés comme tels. Lisez la règle actuelle de la plateforme avant de publier.
- Santé et science. Pas de dose, pas de prescription, pas de chiffre absent de l'étude. Quand l'étude est observationnelle, la vidéo dit qu'elle ne prouve pas la cause.
- Image réelle seulement avec crédit. Quand une vidéo intègre une vraie photo, elle vient d'une banque sous licence libre (Wikimedia Commons, NASA), avec le crédit à l'écran.
- L'automatisation des réseaux sociaux casse. L'interface change, un bouton change de nom, une limite apparaît. Vérifiez chaque publication une fois qu'elle est en ligne.
- Mémoire et machine. Le rendu 3D est lourd. Je le lance avec
--concurrency=2pour que la machine tienne.
Références#
À lire aussi

Front-end17 min de lecture
SEO multilingue avec React : hreflang, prérendu, sitemap

Front-end17 min de lecture
Partager un mot de passe en toute sécurité : Yush expliqué

Front-end14 min de lecture
Vite 8 avec Rolldown : j'ai mesuré le build de mon site