Créer une publicité IA en 7 étapes : le workflow d'un studio

Une publicité créée par intelligence artificielle n'est pas le fruit d'un prompt magique. C'est un workflow rigoureux, hérité de la production publicitaire classique, mais réorganisé autour des modèles génératifs. Voici, étape par étape, la méthode que Madh.IA applique sur chaque projet, avec les outils utilisés, les livrables intermédiaires et les durées réelles.

Étape 1 — Le brief et la direction créative

Tout commence par un appel d'une heure. Pas un formulaire à remplir : un échange direct pour comprendre l'entreprise, son produit, son audience et l'objectif commercial réel de la vidéo. Une publicité qui doit faire baisser un coût d'acquisition Meta n'a rien à voir avec un film de marque diffusé en ouverture d'une keynote — le ton, le rythme et même la durée sont différents.

À la sortie du brief, on fixe noir sur blanc :

• L'objectif : notoriété, conversion, recrutement, présentation produit.
• L'audience : qui regarde, où, dans quel état d'esprit.
• Le format et la durée : 10 s pour un Reel, 30 s pour un pré-roll, 60 s pour un flagship.
• Les contraintes de marque : couleurs, typographies, logo, charte sonore.
• Les références visuelles : trois à cinq vidéos ou images qui décrivent l'univers visé.

C'est ici que se joue la suite. Un brief flou produit une vidéo floue, quel que soit l'outil employé. Ce travail prend en général 2 à 4 heures, échange client compris. Livrable : une note de direction créative d'une page, validée par écrit avant toute production.

Étape 2 — Le script et le découpage

Le brief devient un scénario. Pour un format court — 10 à 30 secondes — le script tient en une demi-page. Pour un flagship de 60 secondes, on écrit entre 130 et 160 mots de voix off, soit la limite haute de ce qu'une oreille humaine accepte sans saturation à ce rythme. Au-delà, l'attention décroche.

Le script est immédiatement découpé en plans numérotés. Chaque plan reçoit une description précise : sujet, action, cadre, durée. C'est la table de travail de tout ce qui suit. Pour une vidéo de 60 secondes, on tourne entre 12 et 20 plans, soit une moyenne d'environ 3 à 5 secondes par plan — assez pour laisser l'image respirer, assez court pour tenir le rythme publicitaire.

Le découpage est validé avec le client avant la production des visuels. C'est rapide à lire, simple à corriger, et infiniment moins coûteux qu'un changement d'avis trois jours plus tard, une fois les plans générés. Durée moyenne de cette étape : 3 à 6 heures. Livrables : script voix off + tableau de découpage plan par plan.

Étape 3 — Le storyboard et la direction artistique

Le storyboard est l'étape qui sépare un studio sérieux d'un opérateur de prompts. Il s'agit de dessiner — ou plutôt de générer en basse résolution — chaque plan du découpage, dans le style visuel exact qu'on veut atteindre. Cadre, lumière, palette, ambiance : tout est figé sur une planche unique avant de lancer la moindre génération vidéo, qui coûte cher et prend du temps.

La direction artistique précise à ce stade :

• La palette de couleurs dominante, en cohérence avec la marque.
• Le rendu lumière : naturel, studio, néon, contre-jour, golden hour.
• Le grain et la texture : 35 mm, numérique propre, vintage VHS, illustration.
• Le style de caméra : épaule, dolly, drone, statique, glide.
• Les éléments récurrents : un personnage, un produit, un décor signature.

Le client valide le storyboard avant la production. C'est le deuxième point de validation contractuel. Après cette signature, les modifications d'univers visuel deviennent une révision payante : recommencer la génération de 18 plans pour changer de palette n'a rien d'anodin. Cette étape demande 4 à 8 heures selon la complexité. Livrable : une planche storyboard complète, au format A3, avec une vignette par plan et la note de DA associée.

Étape 4 — La génération des images de référence (Midjourney, Nano Banana)

Avant de générer la moindre seconde de vidéo, on produit les images de référence haute définition de chaque plan. C'est l'étape la plus sous-estimée du workflow, et celle qui détermine 80 % de la qualité finale. Un modèle vidéo animera fidèlement une image cohérente ; il ne pourra rien sauver d'une image moyenne.

Midjourney est l'outil principal pour les visuels cinématographiques : décors, personnages, ambiances, packshots stylisés. On y obtient un contrôle artistique fin via les paramètres de style, les références visuelles et les seeds. Pour chaque plan, on produit en général 4 à 8 candidats, on en garde un, on l'affine en variations.

Nano Banana intervient sur tout ce qui demande de l'édition précise : intégrer un produit réel dans une scène générée, recoloriser un élément à la charte du client, modifier un détail sans toucher au reste du plan, créer une variation sur un personnage existant. C'est l'outil qui permet de garder la cohérence d'un produit ou d'un visage d'un plan à l'autre.

Pour aller plus loin sur le choix des outils, voir le comparatif des modèles vidéo IA 2026 et le guide général de création vidéo par IA.

Durée : 6 à 10 heures pour une vidéo de 60 secondes. Livrable : une planche d'images de référence, une par plan, validée comme base de la génération vidéo.

Étape 5 — La génération des plans vidéo (Seedance 2, Kling 3, Google Omni)

Les images de référence deviennent des plans animés. On travaille principalement en image-to-video : on part de l'image validée à l'étape 4 et on demande au modèle de l'animer selon une description précise du mouvement, de la caméra et de la durée.

Sur un projet de 15 plans, on lance environ 60 à 90 générations vidéo au total, pour n'en retenir que 15. C'est la part incompressible : aucun modèle ne sort le bon plan du premier coup. La compétence du studio, c'est de savoir quand un rendu est bon, quand le retoucher, quand le jeter. Durée : 10 à 18 heures, étalées sur 24 à 48 heures à cause des files d'attente. Livrable : tous les plans validés, dans leur résolution native.

Étape 6 — La voix off et la bande sonore (ElevenLabs, Suno)

Une publicité sans son professionnel sonne amateur, peu importe la qualité de l'image. La bande sonore se construit en parallèle du montage, sur trois couches distinctes.

ElevenLabs génère la voix off. On choisit une voix dans la bibliothèque ou on en clone une sur autorisation explicite, on produit la prise en français, puis on ajuste l'émotion plan par plan : intention, débit, respiration. Pour un script de 140 mots, on génère entre 15 et 25 versions avant de retenir la bonne. Comptez 2 à 4 heures de travail sur la voix.

Suno compose la musique originale. L'avantage est triple : la musique colle à l'image au tempo près, elle est sans problème de droits, et elle peut être déclinée en plusieurs longueurs pour les versions Reels, pré-roll et flagship. On itère sur 4 à 8 versions en moyenne.

Le sound design — bruitages, transitions, ambiances — est ajouté manuellement à partir d'une bibliothèque de sons sous licence commerciale, ou re-généré sur mesure. C'est ce qui donne le sentiment de production studio : une porte qui claque, un souffle, un whoosh sur une coupe rythment l'oreille.

Durée totale de l'étape son : 4 à 8 heures. Livrables : voix off mixée, musique master, banque de SFX, prêts à être posés sur le montage.

Étape 7 — Le montage, l'étalonnage et la livraison

Le montage est fait dans DaVinci Resolve. C'est là que la vidéo prend sa forme finale : on assemble les plans, on règle le rythme, on cale la voix off et la musique au quart de seconde près, on insère les sous-titres incrustés (selon les études de plateforme, 60 % des vues sur Meta et TikTok se font sans son), on ajoute le logo et le call-to-action de fin.

L'étalonnage est l'étape qui homogénéise les plans venus de modèles différents. Seedance 2 et Kling 3 ne sortent pas les mêmes couleurs ; sans étalonnage, le spectateur le sent. On harmonise les balances, les contrastes, les tons chair, et on pose un look cinéma cohérent sur toute la vidéo.

La version 1 est livrée au client en lien privé. On collecte les retours dans un seul document, on intègre les révisions (2 à 4 selon l'offre choisie), et on livre les masters finaux dans tous les ratios utiles :

• 16:9 pour YouTube, site web, télévision.
• 9:16 pour Reels, Stories, TikTok, Shorts.
• 1:1 pour le feed Instagram et LinkedIn.
• 4:5 pour le feed Meta (zone visible maximale).

Chaque master est livré en H.264 à 10 Mb/s pour le web, plus une version ProRes pour les usages broadcast si le projet le demande. Durée du montage et de l'étalonnage : 6 à 12 heures. Révisions et exports finaux : 3 à 5 heures supplémentaires.

Combien de temps prend chaque étape ?

Sur une vidéo flagship de 60 secondes, livrée en environ une semaine, la répartition réelle du temps est la suivante :

• Étape 1 — Brief et DA : 2 à 4 heures.
• Étape 2 — Script et découpage : 3 à 6 heures.
• Étape 3 — Storyboard : 4 à 8 heures.
• Étape 4 — Images de référence : 6 à 10 heures.
• Étape 5 — Génération vidéo : 10 à 18 heures.
• Étape 6 — Son et voix off : 4 à 8 heures.
• Étape 7 — Montage et livraison : 9 à 17 heures.

Soit un total de 38 à 71 heures de travail studio pour une vidéo de 60 secondes — réparties sur 5 à 7 jours calendaires à cause des files d'attente des modèles et des temps de validation client. Pour un format Reel de 10 secondes (offre Solo), le total descend autour de 10 à 16 heures, ce qui rend crédible la promesse des 72 heures.

Pour comprendre comment ces durées se traduisent en prix, voir le barème des prix d'une vidéo publicitaire IA en 2026. Pour les formats spécifiques par plateforme, voir notre guide des formats vidéo IA pour Meta, TikTok et YouTube.

FAQ — Workflow d'une publicité IA

Combien d'étapes compte le workflow d'une publicité IA ?

Sept étapes : brief et direction créative, script et découpage, storyboard et direction artistique, génération des images de référence, génération des plans vidéo, voix off et bande sonore, montage et livraison. Chacune a un livrable précis et un outil dédié.

Quelle étape prend le plus de temps dans la production d'une vidéo IA ?

Sur une production de 72 heures, ce sont la génération vidéo et le montage qui concentrent l'essentiel du temps : environ 40 % pour la génération des plans, 25 % pour le montage et l'étalonnage. Le brief, le script et le storyboard prennent moins d'une journée à eux trois.

Peut-on sauter le storyboard pour aller plus vite ?

Non. Le storyboard est l'étape qui économise le plus de temps en aval. Sans découpage plan par plan, on génère à l'aveugle, on cumule les rendus inutilisables et on perd beaucoup plus de temps qu'on n'en aurait passé à dessiner les cadres.

Pourquoi utiliser plusieurs modèles vidéo plutôt qu'un seul ?

Aucun modèle n'est meilleur partout. Seedance 2 excelle sur les mouvements naturels et la cohérence de personnage, Kling 3 sur les plans cinématographiques et les caméras complexes, Google Omni sur le photoréalisme produit et la stabilité. Un studio choisit le bon modèle plan par plan.

À partir de quand intervient le client dans le workflow ?

Le client est impliqué dès le brief et valide deux points charnières : la direction artistique après le storyboard, et la version 1 du montage. Les révisions sont concentrées sur la version 1 — deux à quatre allers-retours selon l'offre choisie.

Le workflow change-t-il pour une campagne multi-vidéos ?

La structure reste la même, mais le brief et la direction artistique sont mutualisés sur l'ensemble des vidéos. C'est ce qui permet de produire 6 à 12 formats cohérents dans la même semaine, comme dans l'offre Saga.

Madhi Tortel est AI Filmmaker et fondateur de Madh.IA, studio vidéo IA basé à Lille. Il a produit des vidéos par intelligence artificielle pour France TV Groupe, Decathlon et Argos Metrics — dont une diffusée sur BFM Business à l'occasion des Grands Prix Focus Retail 2026.