Technokafe a monté une vidéo-essai par le code : 73 secondes pour $10 de tokens Claude Code

L'auteur de la chaîne Telegram « Technokafe » réalisait jusqu'ici des reels d'une minute. Il teste désormais la vidéo-essai au format 16:9, où un même sujet est traité par chapitres. Le premier chapitre dure 73 secondes et porte sur l'entreprise d'une seule personne. Le processus n'utilise aucun logiciel de montage : le scénario, les plans, la voix et les scènes sont décrits par écrit, et Claude Code sur Opus 5.5 transforme cette description en vidéo. D'après l'estimation de l'auteur, le travail de l'agent a coûté environ $10 en équivalent API, soit environ 1 % de la limite hebdomadaire de l'abonnement Max.

Le chiffre sur lequel repose le chapitre

Le chapitre s'appuie sur les données du Solo Founders Report, publié par Carta en décembre 2025. Aux États-Unis, la part des nouvelles startups avec un seul fondateur est passée de 23,7 % en 2019 à 36,3 % au premier semestre 2025. Cela représente une hausse de 12,6 points de pourcentage, soit une progression d'environ une fois et demie en six ans. Pour une chaîne consacrée au vibe coding et aux agents IA, la thèse tombe bien : ce chiffre décrit justement l'audience qui construit seule ses produits avec l'aide d'agents.

L'auteur apparaît lui-même à l'écran. Il explique comment il répartit le travail entre Claude Code, Codex, n8n et Make, montre le rapport de Carta avec le chiffre mis en évidence, puis détaille un exemple sur un tableau en liège. La logique du format est simple : un reel repose sur une seule idée, alors que l'essai laisse de la place à un exemple, à un chiffre sourcé et à une conclusion.

De quoi la vidéo est faite et combien elle a coûté

L'auteur a détaillé toute sa pile technique, prix à l'appui :

• Claude Code (Opus 5.5) — orchestrateur. Il reçoit la description textuelle du scénario, des plans, de la voix et des scènes, et en assemble la vidéo. Environ $10 par l'API, soit environ 1 % de la limite hebdomadaire de Max.
• ElevenLabs (voix) — clone de la voix de l'auteur, $0,25.
• ElevenLabs (musique) — la bande-son est générée au même endroit, le prix n'est pas indiqué séparément.
• Veo 3.1 Lite via Vertex — anime la photo de l'auteur pour en faire un présentateur. $0,80 imputés sur un crédit Google.
• Volcengine via kie — synchronisation labiale, uniquement sur les extraits où apparaît le visage. Environ $0,50.
• GPT Image via Codex — génération des plans. Fonctionne avec l'abonnement ChatGPT, sans frais distincts pour les images.
• HyperFrames — montage par le code à la place d'un éditeur classique.
• SAM 2.1 — détoure le présentateur en local, sur la carte graphique de l'auteur.
• n8n et Make — ne font pas partie du pipeline de la vidéo : ils sont présentés dans le chapitre lui-même, comme éléments du flux de travail de l'auteur, avec Claude Code et Codex.

En additionnant les postes payants indiqués ($10 + $0,25 + $0,80 + $0,50), on obtient environ $11,55 pour 73 secondes de vidéo finie, soit environ 16 cents la seconde. Les abonnements ChatGPT et Max ne sont pas inclus dans ce total, et une partie des dépenses est couverte par un crédit Google.

Pourquoi la modularité compte

L'idée d'ingénierie centrale est que chaque chapitre vit de manière autonome. Une vidéo longue se fabrique par morceaux, et l'on peut refaire un chapitre sans toucher aux autres. C'est la même logique qu'en développement : de petits modules indépendants, faciles à reconstruire. L'agent travaille à partir de descriptions textuelles ; une correction revient donc à modifier du texte, et non à remonter une timeline.

Le coût, lui, évolue de façon linéaire. Un essai de dix minutes représente environ huit chapitres de 73 secondes. Au même coût par chapitre, cela donne de l'ordre de $90–95 par vidéo, abonnements non compris. Il s'agit d'une estimation grossière à partir des chiffres de l'auteur : les dépenses réelles dépendent du nombre d'extraits avec visage et du nombre de reprises.

Ce que l'on peut en retenir

Pour reproduire cette approche, il n'est pas nécessaire de réunir toute la pile. Le kit minimal : un agent d'assemblage (Claude Code), un générateur d'images (GPT Image via Codex) et un montage orienté code (HyperFrames). On ajoute la voix, le présentateur et la synchronisation labiale selon les besoins. Les opérations les plus coûteuses sont le travail de l'agent lui-même et la génération de vidéo avec visage ; c'est là qu'il faut économiser, en découpant le scénario en chapitres indépendants et en n'appliquant le lipsync qu'aux séquences où la personne apparaît en gros plan. Tant que l'on teste ses idées sur des chapitres courts, le coût d'une erreur reste de l'ordre de quelques dollars.

L'auteur demande à son audience si les abonnés regarderaient de tels essais de 10 ou 15 minutes, et l'invite à proposer un sujet pour le premier épisode.