Intensif Gratuit 21–22/11Intensif gratuit de 2 jours en Vibecoding (21–22 nov, 16h00 MSK) · Cohorte 3 le 23/11S'inscrire gratuitement →Cohorte 3 (23/11)

Claude Code construit une ébauche 3D dans le navigateur, MiniMax H3 en tire une vidéo

Les modèles vidéo peinent à suivre les descriptions verbales de caméra et de démarche, et chaque génération ratée coûte de l'argent. Claude Code, avec Three.js (une bibliothèque 3D pour navigateur), assemble une ébauche de scène, un previz, avec un mannequin gris où l'on règle le pas, la pause et les angles de vue. La séquence est ensuite envoyée au modèle vidéo MiniMax H3 comme référence de mouvement, et le prompt se réduit à deux points. Il est donc moins coûteux de peaufiner la mise en scène dans le navigateur et de réserver la génération payante à la phase finale.

Traité par IA depuis TG: @cgevent (Метаверсище и ИИще) ; édité par Hamidun News
Claude Code construit une ébauche 3D dans le navigateur, MiniMax H3 en tire une vidéo
Source : TG: @cgevent (Метаверсище и ИИще). Collage: Hamidun News.
Écouter l'article
Fiche synthèse et chiffres clés
ParamètreDonnées
Source primaireTG: @cgevent (Метаверсище и ИИще) ↗
Rédacteur en chef
Prompt pour MiniMax H3« suivre le mouvement de la vidéo » et la description du lieu
Mannequin sans texturedans le navigateur, on ajuste la physique du pas et les angles de caméra
Chiffre clé #3Les plis du tissu et les manches demandent encore une retouche manuelle

Les modèles vidéo comprennent mal les descriptions verbales du mouvement, et chaque tentative coûte de l'argent. Vous décrivez un personnage qui marche dans la rue, s'arrête une seconde, se retourne, pendant que la caméra le contourne par la gauche, et vous obtenez une démarche qui n'est pas la bonne, une pause au mauvais moment et une caméra mal placée. L'auteur de la chaîne Telegram « Metaverseishche » (@cgevent) montre une solution de contournement.

D'abord, Claude Code, l'agent de programmation d'Anthropic, écrit en Three.js (une bibliothèque JavaScript 3D populaire pour le navigateur) une scène d'ébauche, ce qu'on appelle un previz, c'est-à-dire une esquisse peu coûteuse du plan à venir. Ensuite, cette esquisse, sous forme de vidéo, est transmise au modèle vidéo MiniMax H3 comme référence de mouvement.

La mise en scène se règle dans le code, et la génération payante reste pour la fin.

Comment fonctionne le pipeline

L'idée est familière à quiconque a travaillé dans le cinéma ou l'animation : avant un tournage coûteux, on réalise un previz et on répète le blocking, c'est-à-dire la place de chacun, ses déplacements et l'endroit d'où la caméra le filme. Ici, c'est Claude Code qui joue le rôle du previzeur.

Dans un premier temps, l'agent assemble une scène légère dans le navigateur. On y trouve un mannequin simple, non texturé, une silhouette grise sans visage ni vêtements. Dans le navigateur même, on ajuste la physique du pas, la durée de la pause avant le regard en arrière et les angles de caméra. À ce stade, aucun modèle vidéo n'intervient : une correction se résume à modifier quelques lignes de code et à recharger la page, sans nouvelle génération payante.

Ensuite, la scène est enregistrée sous forme de courte vidéo et envoyée à MiniMax H3 comme référence d'entrée. L'auteur réduit délibérément le prompt final à deux points : suivre le mouvement de la vidéo source, et décrire le lieu souhaité. Tout ce qu'il fallait auparavant écrire en mots, la trajectoire de la caméra, les temporalités, la démarche, est désormais contenu dans la référence elle-même.

Pourquoi cela fait économiser de l'argent

Le message ne donne aucun chiffre concret sur les coûts. On ne peut donc parler honnêtement que de la logique. L'inférence vidéo, c'est-à-dire l'exécution du modèle vidéo, est la partie la plus chère de la chaîne, et chaque tentative ratée est entièrement facturée. Le previz dans le navigateur coûte presque rien : un simple mannequin se dessine sur un ordinateur portable ordinaire, et le coût de Claude Code se réduit aux jetons consommés par un petit script.

Les itérations migrent donc vers l'endroit où elles sont bon marché. On peut tester dix variantes de la pause avant le regard en arrière en quelques minutes dans le navigateur, et seule la version validée part vers le modèle vidéo. Second effet : un prompt plus court. Quand le mouvement est défini par une vidéo, le modèle a moins de latitude d'interprétation, et l'auteur a moins de raisons de réécrire sa description dix fois.

Cela prolonge une approche que l'auteur présente comme une extension de l'idée du neuro-rendu. Il avait auparavant vu des exemples où l'agent Astra construisait des intérieurs et des extérieurs dans Blender et animait lui-même la caméra. Le même principe, « d'abord une base 3D contrôlable, ensuite le réseau de neurones », s'applique désormais aux personnages. Reste la question de savoir qui réalisera les scènes d'ébauche et les mannequins 3D : l'auteur y répond, c'est l'agent.

Limites et réponses possibles

L'auteur signale lui-même le point faible : la dynamique secondaire, c'est-à-dire les plis du tissu et le mouvement des manches, demande encore une mise au point. Un mannequin sans vêtements ne montre pas comment la matière réagit au pas et à la rotation, et le modèle vidéo ne reconstruit pas toujours cela de façon plausible. Pour un spot commercial, cela signifie une post-production manuelle ou des générations supplémentaires.

Il existe d'autres réserves. Pour juger qu'un agent a produit une démarche raisonnable, il faut savoir l'évaluer à l'œil, donc des bases en 3D restent utiles. Par ailleurs, il s'agit de la description d'un cas unique issu d'une chaîne personnelle, et non d'un benchmark : le message ne précise pas le nombre exact de tentatives économisées.

À retenir

Pour les équipes de production et les studios, la conclusion est simple. Si le budget part dans le choix des formulations pour la caméra et le mouvement, transférez ce travail vers le code et un rendu bon marché. Claude Code avec Three.js convient comme générateur rapide de scènes d'ébauche, et le modèle vidéo reste la couche finale qui applique l'image, la lumière et le lieu sur un mouvement déjà validé.

Pour les développeurs d'outils agentiques, c'est un nouvel exemple de partage raisonnable des tâches : l'agent écrit du code déterministe là où il faut du contrôle, et le modèle génératif intervient là où il faut de l'expressivité. Vous pouvez tester l'idée en une soirée : une scène simple, un mannequin, un mouvement de caméra et une vidéo de référence en entrée du modèle vidéo.

Dossier

Questions clés sur cet article

Comment fonctionne le pipeline?

L'idée est familière à quiconque a travaillé dans le cinéma ou l'animation : avant un tournage coûteux, on réalise un previz et on répète le blocking, c'est-à-dire la place de chacun, ses déplacements et l'endroit d'où la caméra le filme. Ici, c'est Claude Code qui joue le rôle du previzeur. Dans un premier temps, l'agent assemble une scène légère dans le navigateur. On y trouve un mannequin simple, non texturé, une silhouette grise sans visage ni vêtements.

Pourquoi cela fait économiser de l'argent?

Le message ne donne aucun chiffre concret sur les coûts. On ne peut donc parler honnêtement que de la logique. L'inférence vidéo, c'est-à-dire l'exécution du modèle vidéo, est la partie la plus chère de la chaîne, et chaque tentative ratée est entièrement facturée. Le previz dans le navigateur coûte presque rien : un simple mannequin se dessine sur un ordinateur portable ordinaire, et le coût de Claude Code se réduit aux jetons consommés par un petit script.

Que sait-on sur Limites et réponses possibles ?

L'auteur signale lui-même le point faible : la dynamique secondaire, c'est-à-dire les plis du tissu et le mouvement des manches, demande encore une mise au point. Un mannequin sans vêtements ne montre pas comment la matière réagit au pas et à la rotation, et le modèle vidéo ne reconstruit pas toujours cela de façon plausible. Pour un spot commercial, cela signifie une post-production manuelle ou des générations supplémentaires. Il existe d'autres réserves.

ZK
Zhemal Khamidun — CPO d'Alpina Digital, product manager d'AlpinaGPT. Conçoit des produits IA depuis 2019. Hamidun News est un projet personnel devenu un agrégateur en production avec plus de 6 000 lecteurs.
✦ Hands-On AI Engineering · Hamidun Academy

Build & Ship Production AI Agents Without Boilerplate Code

Start your free 72-hour trial at Hamidun Academy (academy.hamidun.com) — interactive lessons on Claude Code & Cursor, live Tech Radar, and production agent templates.

Start 72h Free Trial →Vibe-Coding Intensive
Qu'en pensez-vous ?
Chargement des commentaires…