Claude Code a décortiqué une vidéo TikTok image par image, puis créé la sienne pour $16

La situation est familière : on imagine une vidéo, mais impossible de la décrire avec des mots. Le brief reste flou, et le résultat aussi. L’auteur de la chaîne Telegram « Technocafé » a choisi une autre approche : montrer à l’agent une vidéo de référence et lui demander d’en décortiquer la fabrication.

La référence choisie est une vidéo TikTok du compte @vibecodingiseasy, publiée le 28 octobre, qui explique comment créer des vidéos avec du code. Elle cumule 133 000 vues et près de 5 000 enregistrements : le format fonctionne manifestement.

Claude ne regarde pas les vidéos, il lit des images

Une précision essentielle : Claude ne perçoit pas une vidéo comme un humain. Il a accès aux images et au texte. Coller un lien et demander « qu’est-ce qu’il y a dedans ? » ne suffit donc pas. Il faut d’abord télécharger la vidéo, puis extraire les sous-titres, et seulement ensuite demander l’analyse. Le modèle dispose alors de deux points d’appui : les images et les mots, associés à des repères temporels.

L’analyse a révélé 46 coupes, un changement de plan environ toutes les trois secondes et un dialogue dans lequel les questions d’un personnage expriment les objections du spectateur. On ne parle plus simplement d’une « belle vidéo », mais d’une structure reproductible.

L’erreur principale : une image par seconde

La tentation la plus courante consiste à extraire une image par seconde pour constituer une planche-contact. Cela suffit pour comprendre les éléments statiques, mais pas le mouvement. Dans la vidéo étudiée, une carte entre à l’écran en seulement quatre images : son déplacement reste tout simplement invisible sur une telle planche. Le modèle constate son apparition, sans comprendre comment elle est arrivée.

Il faut donc exiger explicitement dans le prompt une analyse de chaque transition image par image : quel élément bouge, d’où il vient, sur combien d’images et sur quel mot le mouvement intervient. Pour une animation réalisée en code, ces paramètres constituent presque un cahier des charges : direction, durée et synchronisation avec la voix.

L’analyse se transforme ensuite en trois listes : ce qu’on reprend, ce qu’on modifie et ce qu’on laisse de côté. L’auteur insiste : on copie la recette, pas la vidéo. Les images de l’autre créateur restent les siennes.

L’ordre des étapes et le coût

L’ordre compte, car les erreurs coûtent cher. D’abord la voix, puis une image fixe par scène, et le rendu seulement après les corrections. Le rendu de cette vidéo a pris plus de trois heures : repérer une scène ratée sur une image coûte donc beaucoup moins cher que dans le fichier final.

Claude Code, avec Opus 5.5, a réalisé le scénario, les scènes 3D et le montage. Selon l’estimation de l’auteur, cela représente environ $16 en équivalent API et 1,6 % du quota hebdomadaire. Aucun modèle de génération vidéo ni aucune génération d’images : chaque image est dessinée par du code dans leur propre moteur, js-film. Les voix ont été produites avec ElevenLabs : environ 2 600 caractères ont coûté quelque $0,30. Le résultat est une vidéo dans laquelle Claude et Codex débattent.

Ce qu’on peut en retenir

Pour des vidéos promotionnelles, des démonstrations ou des vidéos explicatives, la méthode est entièrement transposable : télécharger une référence, extraire les sous-titres, exiger une analyse du mouvement image par image, établir les trois listes, puis seulement écrire le code. La même approche convient aux animations d’interface : au lieu d’indiquer qu’un élément « glisse doucement à l’écran », on donne à l’agent un nombre précis d’images et une synchronisation avec les mots.

La méthode a aussi ses limites. Les coûts et la consommation du quota sont des estimations de l’auteur, pas des mesures indépendantes, et dépendent de la formule choisie. Le moteur js-film est développé en interne ; la publication ne propose pas d’équivalent prêt à l’emploi. Un rendu de trois heures rend les itérations coûteuses : les images fixes sont donc indispensables. C’est la structure qu’il faut reprendre, pas les contenus : on ne peut pas réutiliser les images, la voix ou la musique d’un autre créateur. Enfin, la publication renvoie vers un club payant ; mieux vaut donc vérifier les détails sur son propre projet.