Motion-plan : où et quoi montrer
Tu ne décides pas « quelle belle animation faire » mais ce qui, parmi ce qui est dit, doit être montré visuellement. Ce sont deux tâches différentes. L'animation dans ce style ne fonctionne pas comme une décoration, mais comme un second canal : la voix explique, l'image montre simultanément la structure de la pensée.
D'où le critère principal de sélection : la pensée a une forme — contraste, séquence, hiérarchie, échelle, bifurcation. La technique est choisie en fonction de la forme, pas de l'ambiance.
Style par défaut — v4
Utilise le style v4 (../motion-build/references/style-v4.md, approuvé par l'auteur comme référence) :
- chaque scène a une mise en page :
kinetic(intro + 2–3 punchlines),split-cam(langage principal, ≈40 %),full(concept important, ≈20 %),split-screen(l'auteur montre/dessine, ≈25 %),lower(terme en cours de démo) ; - chaque scène, sauf kinetic et schémas purs, a un prompt d'image-héroïne en anglais : uniquement objet-métaphore en une phrase avec un détail cobalt-blue (style commun, dans
gen_images.sh) ; - chaque scène a des cues SFX (
whoosh / pop / click / click-soft / ping / key-press / typing / stamp / neg) ; - densité du flux : ~1 insertion toutes les 60 s, 8–19 s chacune, pas plus d'une fois toutes les 40 s ; là où l'auteur montre ou dessine en direct — split-screen/lower ou sans insertion (et note pourquoi) ;
- les timings doivent être mot par mot (Groq whisper avec
timestamp_granularities[]=word), pas par segments. Si l'auteur a enregistré une intro séparée — planifie l'intro selon le modèlerecipes/v4/intro-kinetic-steps-split.html.
Que lire
references/catalog.md— catalogue des techniques : quelle forme de pensée chacune montre et quand elle est pertinente. Référence principale, à lire en entier avant la planification.references/rhythm.md— rythme et mise en page : densité des montages par section, nombre d'insertions par vidéo, durée des scènes, quatre mises en page récurrentes. À lire avant de placer les timecodes.
Ordre
1. Obtenir le texte avec timecodes
Il y a une transcription — travaille avec. Les timecodes sont nécessaires ; s'ils manquent, demande-les ou extrais-les de la vidéo.
Il y a un lien ou un fichier vidéo — charge le skill watch. Il télécharge, extrait la transcription et découpe les images. Les images seront utiles : elles montrent où il y a déjà un screencast et où il n'y a qu'une tête parlante à animer.
Il n'y a qu'un script sans enregistrement — planifie avec lui, estime les timecodes approximativement à ~150 mots par minute, et indique honnêtement qu'ils dériveront après l'enregistrement.
2. Trouver les bits qui ont une forme
Parcours le texte et repère les endroits où l'auteur énonce une affirmation avec une structure. Indices :
- opposition — « avant / après », « pas X, mais Y », « hier / aujourd'hui » ;
- énumération — « trois choses », « premièrement… deuxièmement… » ;
- séquence — « d'abord, ensuite, finalement » ;
- hiérarchie ou niveaux — « couche », « à l'intérieur », « au-dessus » ;
- nombre ou comparaison de grandeurs — « dix fois plus », « en une minute au lieu de quatre heures » ;
- bifurcation — « soit, soit », « si — alors » ;
- citation ou pensée d'autrui ;
- définition — « X est ce qui… ».
Les endroits sans forme (« je vais vous raconter », « on en reparle plus tard », transitions entre thèmes) ne sont pas planifiés.
3. Maintenir la densité
Dans le style de référence, une insertion visuelle arrive environ toutes les 10 secondes, et presque aucun plan graphique n'est statique. Mais cela ne signifie pas « anime tout » : la moitié du temps est consacrée à la tête parlante avec overlay, pas à des graphiques plein écran.
Référence pour une vidéo de dix minutes : 8–14 insertions plein écran plus des overlays (titres, panneaux de chapitre, légendes) là où la tête parlante dure longtemps.
Si un bit est important mais que le voisin est déjà occupé — laisse-le sans graphique. Deux fortes insertions consécutives s'annulent ; il faut de l'air entre elles.
4. Choisir la technique selon la forme
Ouvre references/catalog.md et choisis la technique selon la forme de la pensée, pas selon sa beauté. Dans le catalogue, chaque technique indique ce qu'elle montre et quand elle est pertinente.
Trois règles plus importantes que le goût :
Une technique — une pensée. Si un bit contient deux pensées, ce sont deux bits ou l'une d'elles passe dans le texte.
Ne répète pas la même technique à la suite. Deux rack-focus à travers une scène donnent l'impression d'un modèle. Garde en tête la dernière utilisée et choisis la suivante différente.
La complexité de la technique est proportionnelle à l'importance de la pensée. La technique la plus coûteuse pour la thèse la plus importante de la vidéo. Si un travelling de caméra avec six couches sert une phrase anecdotique, le spectateur le perçoit comme du bruit.
5. Écrire MOTION.md
# Motion-plan — <titre de la vidéo>
Durée : 12:40 · insertions : 11 · overlays : 6
## Scènes
### 01 · 00:14–00:19 · Accroche en un travelling
**Dit :** « Presque tout le monde utilise l'IA de travers, et le problème n'est pas les prompts. »
**Forme de la pensée :** annonce-opposition, promesse de révélation.
**Technique :** travelling de caméra avec trois micro-techniques (glissement de marque, fondu de titre, marker wipe).
**Dans le cadre :** thèse 70px Unbounded, marqueur sous « de travers », marque au-dessus, deux icônes monolignes.
**Pourquoi :** c'est la phrase la plus importante de la vidéo, elle mérite la technique la plus coûteuse.
**Durée :** 5,0 s
### 02 · 00:47–00:51 · Avant / après
...
Champs obligatoires : timecode, ce qui est dit, forme de la pensée, technique, ce qui est dans le cadre, pourquoi cette technique, durée. Le champ « pourquoi » n'est pas une formalité — si on ne peut pas le remplir, la technique a été choisie au hasard.
6. Développer chaque scène en spécification
L'agent d'assemblage n'a vu ni la vidéo ni le plan. La spécification doit être autonome.
Spécification de scène
Format utilisé par /motion-build :
# Scène 02 — « Avant / après » (technique : push vertical avec velocity-match)
Référence technique : catalog → vertical-push. **Copier la mécanique, la palette est issue du système de design.**
## Ce qui se passe
Un paragraphe : l'essence du mouvement et pourquoi il est ainsi.
## Image par image
| t | État |
|---|---|
| 0.0–1.4 | Scène A en place, push-in 1.00→1.03 ease none. |
| 1.4–1.95 | Rail se déplace yPercent 0 → −50, power3.inOut, blur d'un filtre 0→14→0 avec pic à 1.675. |
| 1.95–3.6 | Scène B maintenue, titre et puces s'assemblent mot par mot. |
## Timings et easing
Chiffres exacts et courbes. Ce qui est critique et ce qui peut être ajusté.
## Ordre Z
[0] fond → [1] … → [N] …
## Contenu
Textes exacts qui doivent apparaître dans le cadre. Pas « titre », mais le titre lui-même.
## Durée de la composition : 3,6 s
Écris toi-même les textes dans le cadre et prends-les du discours de l'auteur — réduits à cinq-sept mots. L'agent d'assemblage ne doit pas les inventer : il ne sait pas de quoi parle la vidéo.
Vérifie l'arithmétique de chaque bit textuel. Durée du placement = nombre de mots × cadence (0.10–0.13 s/mot pour les légendes et puces, 0.20–0.25 pour ce qui est lu avec le narrateur). Si la fenêtre dans l'image par image est plus courte — la spécification est contradictoire en interne, et l'agent d'assemblage la violera de toute façon, perdant une itération. Cela a été détecté trois fois sur une seule vidéo : une citation de 14 mots ne tenait pas dans une fenêtre de 1.85 s, quelle que soit la cadence.
Prévois une entrée de 1,2 secondes, pas 0,6. L'entrée en deux étapes est une loi du style : entrée rapide expo.out ~.44 s, puis ralentissement power1.out ~.76 s. Le planificateur, voyant les images, trouve que le bloc « est déjà arrivé » à 0.6, et écrit dans l'image par image une fenêtre de 0.5–1.1. L'agent d'assemblage doit choisir entre la lettre de la fenêtre et la courbe — et selon les règles du skill, il choisit la courbe, donc la spécification est violée normalement et à chaque fois. Sur une vidéo, trois scènes sur neuf ont ainsi divergé.
Écris la fenêtre pour la durée totale des deux phases. Si la phase suivante doit commencer plus tôt — écris-le : « le ralentissement continue sous le dessin de la ligne », c'est un chevauchement normal des phases, pas un conflit.
Vérifie aussi les chevauchements : si « handoff avec chevauchement de 0.25 s » est écrit, additionne les chiffres propres des phases et assure-toi qu'on obtient 0.25, pas 0.05.
Ancre source transversale
Regarde les images sources avant la planification : y a-t-il un élément constant — caméra-PiP dans le coin, panneau de chaîne, cadre. Si oui, l'insertion plein écran le supprime, et à chaque insertion cet élément disparaît.
Cela se résout lors de l'assemblage (en superposant l'ancre sur les insertions), mais il faut le savoir lors de la planification : note dans l'en-tête de MOTION.md les coordonnées de l'ancre et précise que les insertions ne la recouvrent pas. Sinon, les scènes composeront l'image directement en dessous, et l'ancre cachera le contenu.
Où les montages réels ont lieu dans la source
La planification à partir de la transcription donne le timecode de la phrase, mais ne dit pas ce qui est dans le cadre à ce moment. Vérifier cela avec des images sélectives toutes les 20–30 secondes est insuffisant : sur cette vidéo, les images à 0:50 et 1:10 ont donné « visage » et « screencast », d'où il découlait que la tête parlante allait jusqu'à ~0:55. En réalité, le screencast commençait à 0:52.2 — exactement là où un overlay sur le visage avait été planifié, et la scène a dû être réassemblée.
Pour chaque point planifié, prends une image au timecode lui-même et à sa fin, ne te fie pas aux échantillons voisins. Cela représente deux images par scène et dix secondes de travail, et cela élimine toute la classe d'erreurs « le panneau n'a pas atterri au bon endroit ».
C'est particulièrement important pour les overlays : une insertion plein écran recouvre entièrement la source, et elle ne se soucie pas de ce qu'il y a en dessous, tandis qu'un overlay est conçu pour un arrière-plan spécifique. Un overlay planifié sur le visage et tombant sur un screencast cache le contenu de l'écran et ressemble à une erreur de montage.
Vérifie aussi que l'overlay ne cache pas le propre graphique de l'auteur. Sur un screencast, le cadre est déjà occupé : légendes sur le tableau, panneaux d'interface, son propre PiP. Le tiers inférieur n'est pas un emplacement universel ; si le bas du cadre est occupé, le glossaire se déplace dans le coin supérieur, ce qui est normal. Dans le plan, indique non pas « tiers inférieur », mais la zone libre spécifique que tu as vue sur l'image.
Overlays
Là où la tête parlante dure longtemps, une insertion plein écran n'est pas nécessaire — il faut un overlay par-dessus le cadre. Planifie-les aussi, dans une liste séparée : timecode, type (titre bas, panneau de chapitre, légende-citation, panneau de verre-thèse), texte.
Règle du système de design : verre seulement par-dessus la vidéo et maximum un panneau par cadre.
Erreurs typiques de planification
Illustration au lieu de démonstration. « Ici il parle de vitesse — mettons une horloge. » L'horloge ne montre pas la pensée, elle l'étiquette. Montrer la vitesse, c'est « avant / après » avec deux chiffres.
Technique choisie pour la beauté. Un carrousel de chapitres est pertinent là où l'on énumère les chapitres, pas là où l'on veut simplement du mouvement.
Trop de texte dans le cadre. Le spectateur lit le cadre en deux secondes. Pas plus de 3–4 éléments, texte principal à partir de 24px.
Planification selon ses propres capacités, pas selon la vidéo. Si la scène demande de la complexité — planifie-la complexe. La décision « c'est cher, faisons plus simple » est prise par l'utilisateur, pas par toi.