Deux personnes utilisent le même outil, avec les mêmes réglages, et obtiennent des résultats très différents. La raison tient rarement à la technique : elle tient aux photos de départ.
Une IA de transition ne crée pas une vidéo à partir de rien. On lui donne une image de départ et une image d'arrivée, et elle fabrique le chemin entre les deux — les images intermédiaires qui n'existent pas. Plus ce chemin est court et plausible, plus le résultat est net. Plus il est long et improbable, plus l'IA doit inventer, et plus elle se trompe.
Tout le reste découle de ce principe.
La meilleure transition relie deux photos qui ont quelque chose en commun. Pas identiques — ce serait sans intérêt — mais partageant un élément que l'œil peut suivre.
Ça marche très bien :
Ça rate presque toujours :
Une photo de smartphone récent est largement assez détaillée. En revanche, la lumière fait une différence immédiate.
Les images bien éclairées, sans contre-jour violent donnent les transitions les plus propres. Dans l'ombre, les détails manquent, et l'IA invente des textures qui n'étaient pas là — c'est l'origine de ce rendu « cireux » qu'on reproche parfois aux vidéos générées.
Deuxième point souvent négligé : l'écart de luminosité entre les deux photos. Si la première est en plein soleil et la seconde dans une pièce sombre, le passage ressemblera à un changement d'ampoule plus qu'à un mouvement. Deux photos prises dans des conditions proches s'enchaînent bien plus naturellement.
L'œil humain est spécialisé dans la lecture des visages. Il repère instantanément ce qui cloche. Un arbre légèrement déformé pendant une transition passe inaperçu ; une bouche déformée saute aux yeux.
Trois précautions :
Le contre-exemple utile : deux portraits du même angle, même lumière, expressions proches. Là, la transition est bluffante.
Une transition de deux secondes et une de cinq secondes ne se ressemblent pas, même avec les mêmes photos.
Court (2 secondes) : le mouvement est rapide, l'œil n'a pas le temps d'inspecter les détails. C'est pardonnant — idéal quand les photos sont éloignées l'une de l'autre, ou de qualité inégale.
Long (5 secondes) : le mouvement est lent et chaque image intermédiaire est visible. Magnifique quand les photos sont proches et bien éclairées ; impitoyable sinon.
Autrement dit, la durée doit être choisie en fonction des photos, pas de l'envie d'une vidéo longue. Deux photos qui se ressemblent beaucoup supportent cinq secondes. Deux photos très différentes seront plus belles en deux.
Dès qu'on dépasse deux images, chaque passage est une transition distincte. Trois photos font deux transitions, cinq photos en font quatre.
Deux conséquences pratiques :
Avant de lancer une génération, posez-vous une seule question : si je devais dessiner moi-même les images entre ces deux photos, est-ce que je saurais quoi dessiner ?
Si oui — le sujet bouge, la lumière change, un objet se déplace — l'IA saura aussi.
Si non — parce que rien ne relie les deux images — elle improvisera, et vous ne serez pas content du résultat.
C'est une règle empirique, mais elle écarte neuf échecs sur dix.
Envie d'essayer ? Créez votre première vidéo — elle est offerte en ajoutant votre e-mail.