Pourquoi vos Shorts IA ressemblent à des images d'archive, et les quatre choses qui corrigent ça

« AI slop » est une insulte utile et un diagnostic inutile. Ça décrit la sensation de regarder quelque chose d'assemblé plutôt que de fabriqué, mais ça ne dit pas quelle décision a produit cette sensation, donc ça ne peut pas dire quoi changer.

Quatre choses font l'essentiel du travail, et les quatre sont mesurables. Un plan dans lequel rien ne se développe. Un rythme de coupe qui suit un chronomètre au lieu d'une phrase. Chaque clip provenant de la même source. Et les deux petits défauts de production , les frames noires et le silence , qu'un monteur humain supprime sans y penser et qu'un pipeline automatisé produit par défaut.

Les chiffres ci-dessous viennent d'un ensemble de référence image par image de dix documentaires verticaux à forte rétention, sept en anglais et trois en turc, mesurés plan par plan. Dix vidéos, c'est une bande de référence, pas une loi physique. C'est assez pour tuer certains conseils assurés, et pas assez pour les remplacer par une formule.

1. Le plan n'a rien qui se développe en lui

La durée médiane des plans sur l'ensemble de référence allait de 2,03 à 6,00 secondes.

Le chiffre de six secondes est celui qui intéresse, parce que la sagesse reçue dit qu'un plan vertical statique meurt après environ deux secondes. Il ne meurt pas. Il meurt quand rien ne se développe en lui.

Ce sont deux défaillances différentes. Un plan de six secondes montrant une foule qui avance vers la caméra n'est pas le même objet qu'un plan de six secondes d'une photographie fixe, même si un chronomètre ne peut pas les distinguer. Le premier livre encore de l'information à la cinquième seconde. Le second a tout livré ce qu'il avait dans le premier quart de seconde et a passé le reste à demander au spectateur d'attendre.

C'est pourquoi le conseil « coupez plus vite » fonctionne et induit en erreur à la fois. Couper plus vite corrige bien le symptôme , vous n'êtes plus assis sur une frame morte , mais il le corrige en le cachant. Le problème sous-jacent, c'est que le clip a été choisi pour son sujet et non pour son mouvement, et une bibliothèque de clips choisis ainsi paraîtra stock peu importe la vitesse à laquelle vous coupez entre eux.

Ce qu'il faut chercher dans un clip candidat : est-ce que quelque chose change entre sa première frame et sa dernière ? Le mouvement de caméra compte. Le mouvement du sujet compte. Un lent zoom avant sur une image fixe en est un substitut, et les spectateurs ont appris à reconnaître le substitut.

2. Le rythme de coupe suit un chronomètre, pas une phrase

Les coupes par minute sur l'ensemble de référence allaient de 8,2 à 25,1.

Regardez comme c'est large. Le bas de la plage, c'est une coupe environ toutes les sept secondes ; le haut, c'en est une toutes les deux secondes et demie. Les deux étaient dans l'ensemble, et les deux ont retenu l'attention. Ce seul fait tue le conseil le plus répété sur les Shorts en une ligne : il n'y a pas de vitesse de coupe correcte. Il y a une vitesse de coupe correcte pour ce qui est dit.

Le schéma en dessous est plus facile à énoncer que le chiffre. Le rythme de coupe suit la densité de la narration, pas l'horloge. Une phrase qui nomme trois lieux en huit secondes veut trois plans. Une phrase qui pose un fait dur veut un plan qui reste là pendant que le fait s'enregistre.

Un pipeline automatisé qui coupe à intervalle fixe se trompe d'une manière spécifique et reconnaissable : les images cessent d'accorder avec la phrase. Une nouvelle image arrive au milieu d'une proposition et l'attention du spectateur est tirée des mots vers le changement. Faites-le quarante fois par minute et le résultat est épuisant plutôt que rapide, ce qui est la vraie plainte derrière la plupart des réactions « on dirait de l'IA ».

3. Chaque clip venait du même endroit

Un vrai rendu, mesuré : le job b2e4b3eb, une pièce de 53,47 secondes sur Nadia Comăneci aux Jeux olympiques de 1976. Quatorze coupes, 15,7 coupes par minute, plan médian de 3,2 secondes , et des images tirées de cinq archives distinctes.

Le nombre de sources est la variable dont personne ne parle et celle qui est la plus visible pour un spectateur incapable d'articuler pourquoi quelque chose a l'air bon marché. Du matériel issu d'une seule bibliothèque partage un étalonnage, un grain, une convention de cadrage et souvent une décennie. Montez six clips d'un seul fournisseur de stock ensemble et le résultat a une surface uniforme, qui se lit comme un catalogue plutôt que comme le récit de quelque chose qui s'est passé.

C'est aussi la raison pour laquelle tant de chaînes sans visage se ressemblent entre elles plutôt que de ressembler à elles-mêmes. Elles puisent dans la même poignée de bibliothèques, donc leurs vidéos héritent du même accent visuel.

4. Frames noires et silence

Trois choses étaient vraies dans les dix vidéos de référence, sans exception.

Aucune frame noire. Zéro. Ni entre les scènes, ni en fondu, rien. Une seule frame sombre dans un flux vertical se lit comme la fin de la vidéo, et le pouce bouge déjà avant que le plan suivant arrive.

Aucun silence. Zéro également. Chaque trou dans la narration porte quelque chose, même si ce quelque chose est le son d'ambiance.

Une bande de loudness étroite, mesurée à -14,8 à -11,5 dBFS intégrés. Pas parce qu'un chiffre serait magique, mais parce qu'une vidéo plus silencieuse que le flux autour d'elle est zappée avant que sa première phrase soit finie.

Ce sont les défauts qui séparent le plus sûrement un pipeline automatisé d'une vidéo montée, parce qu'ils sont invisibles sur un storyboard et évidents à la lecture. Un monteur humain les retire sans remarquer qu'il a pris une décision. Un moteur de rendu les émet tant que personne n'a décidé qu'il ne devrait pas.

D'où viennent les images

La plupart des quatre défauts ci-dessus remontent à un choix en amont, donc ça vaut la peine de nommer les options honnêtement plutôt que de prétendre qu'une gagne partout.

Source d'images	Ce que c'est	Répétition entre chaînes	Peut être créditée	Mouvement dans le cadre
Généré (modèle vidéo)	Inventé à partir d'un prompt	Faible , chaque clip est unique	Aucun original à créditer	Élevé, mais souvent physiquement faux
Bibliothèque de stock	Clips de catalogue sous licence	Élevée , mêmes bibliothèques, mêmes clips	Licence, pas paternité	Mixte ; beaucoup sont des B-roll tournés pour être génériques
Archive réelle	Enregistrements de l'événement réel	Faible, si le sourcing est large	Oui, avec une source nommée	Ce qui s'est vraiment passé
Photos fixes avec mouvement	Photographies, poussées ou panoramiquées	Moyenne	Oui	Simulé

Aucune de ces options n'est disqualifiante. Les images générées sont l'option la plus forte quand le sujet n'a jamais existé devant une caméra. Le stock est défendable pour des séquences abstraites. L'archive est la seule qui puisse porter une affirmation sur un événement réel, et c'est celle dont la faiblesse est la disponibilité plutôt que la crédibilité.

L'échec n'est pas de choisir une source particulière. C'est d'en choisir une et de l'utiliser pour tout.

Vérifier votre propre vidéo

Cinq choses que vous pouvez mesurer sur un Short déjà publié, en une dizaine de minutes :

1. Durée médiane des plans. Si elle est sous deux secondes partout, vous cachez probablement des clips morts plutôt que de rythmer une histoire.
2. Rythme de coupe face à la narration. Jouez-la avec l'audio seul, puis avec la vidéo seule. Si les coupes tombent en pleine proposition, le montage suit un minuteur.
3. Nombre de sources. De combien d'endroits distincts venaient les images ? Une seule, c'est un avertissement.
4. Frames noires. Passez chaque transition image par image. Il ne devrait y en avoir aucune.
5. Silence. Tout trou plus long qu'une respiration est un endroit où le spectateur peut partir.

Chaque chiffre de cet article décrit un ensemble de référence de dix vidéos et un manifeste de production. Traitez-le comme une bande contre laquelle vous vérifier, pas comme une spécification à atteindre , un Short à 26 coupes par minute n'est pas automatiquement faux, il est hors de la plage que nous avons mesurée et mérite un second regard.

<!-- faq -->

Questions que les gens posent

Les images générées par IA sont-elles toujours pires que les images d'archive ?

Non. Les images générées sont l'option la plus forte quand le sujet n'a jamais existé devant une caméra, et la plus faible quand il a existé. Le problème n'est pas qu'elles soient générées, c'est qu'une vidéo construite entièrement à partir d'une seule source , générée, stock ou archive , hérite de la surface uniforme de cette source. Notre rendu de référence a utilisé cinq archives distinctes pour une pièce de 53 secondes.

Quelle peut être la durée d'un seul plan dans un Short ?

Plus longue que le conseil habituel ne le suggère. La durée médiane des plans dans notre ensemble de référence allait de 2,03 à 6,00 secondes, et les vidéos en haut de cette plage ont retenu l'attention. Ce qui compte, c'est si quelque chose se développe dans le plan, pas combien de secondes il occupe.

Couper plus vite améliore-t-il la rétention ?

Pas en soi. Les coupes par minute allaient de 8,2 à 25,1 sur l'ensemble de référence et les deux extrêmes ont fonctionné. Le rythme de coupe qui retient l'attention est celui qui suit la densité de ce qui est dit, donc un intervalle fixe est le mauvais outil quel que soit l'intervalle choisi.

Pourquoi tant de chaînes sans visage se ressemblent-elles ?

Parce qu'elles puisent dans les mêmes quelques bibliothèques de stock, et que le matériel d'une bibliothèque partage un étalonnage, un grain et une convention de cadrage. Élargir le nombre de sources est le changement le moins coûteux disponible : ça coûte de l'effort de sourcing plutôt qu'un budget de production.

Quel niveau sonore doit avoir un Short ?

Notre ensemble de référence se situait entre -14,8 et -11,5 dBFS intégrés. Le chiffre précis importe moins que le chiffre relatif : une vidéo nettement plus silencieuse que le flux autour d'elle perd des spectateurs avant que la première phrase ait atterri.

L'utilisation d'images d'archive affecte-t-elle la monétisation ?

Le sourcing et la monétisation sont des questions séparées, et la deuxième tourne sur l'originalité et l'attribution plutôt que sur la question de savoir si une machine était impliquée. Ça vaut la peine de lire directement le texte de la politique de YouTube plutôt qu'un résumé de celui-ci.