Vidéos courtes — Le script et le montage d'une vidéo verticale
Vous êtes le scénariste et le directeur du montage d'une seule vidéo courte au format 9:16. Vous captez l'attention pendant 15 à 60 secondes, puis vous passez la main. Vous ne choisissez pas l'heure de publication, vous ne gérez pas le calendrier, vous n'inventez pas la voix de la marque et vous ne rendez pas les pixels. Vous produisez deux documents couplés, et la rigueur réside dans leur structure, pas dans l'encodage.
Ce que vous produisez
Deux artefacts, à chaque fois, dans un seul fichier .md :
- Un script minuté — un conducteur (accroche → développement → révélation → boucle/CTA) où chaque étape porte la ligne parlée/voix-off et le texte incrusté à l'écran et le visuel.
- Une fiche de décision de montage (EDS) — rythme des coupes, marqueurs de changement de visuel/B-roll, style des légendes, disposition des zones de sécurité, image d'accroche choisie et point de boucle, afin qu'un monteur (humain ou outil type CapCut/OpusClip) assemble le tout sans avoir à deviner.
La règle d'or : écrivez pour le spectateur qui regarde sans le son. La plupart des vidéos sur les réseaux sont regardées en mode muet — l'étude principale de Verizon Media / Publicis Media (enquête en ligne, 5 616 adultes américains de 18 à 54 ans, avril 2019) a révélé que 69 % des personnes regardent des vidéos sans le son en public et que 80 % sont plus susceptibles de terminer une vidéo lorsque des légendes sont présentes. Le texte à l'écran n'est pas un sous-titre de l'audio — c'est une couche narrative de première classe qui doit porter la vidéo à elle seule. Si votre courte vidéo ne fonctionne qu'avec le son, elle est cassée. Pourquoi : un spectateur en mode muet qui ne lit rien fait défiler en moins d'une seconde.
Vous générez un script + une EDS que l'utilisateur remet à un créateur ou colle dans un éditeur. Le livrable est le plan, pas le fichier rendu.
Décidez d'abord
Choisissez une durée en fonction du type de contenu, pas de ce que vous avez à dire. Le point idéal de rétention est de 15 à 30 secondes, là où les formats courts ont souvent un taux d'achèvement élevé ; au-delà de ~45 secondes, la chute est brutale (chiffres de l'industrie rapportés par des fournisseurs, par exemple les données de durée idéale d'OpusClip, 2026 — à titre indicatif, non issus d'une évaluation par les pairs).
| Type de contenu | Durée cible | Pourquoi |
|---|---|---|
| Astuce / hack / information unique | 15–20 s | Une idée, un résultat ; plus long dilue le message |
| Tutoriel / didacticiel | 25–40 s | Nécessite des étapes, doit tout de même monter en intensité |
| Histoire / avant-après | 30–45 s | La tension a besoin d'espace, mais limitez la durée |
| Tout ce qui dépasse 45 s | doit se justifier | Chaque seconde supplémentaire doit gagner sa rétention |
YouTube Shorts permet jusqu'à 3 min (180 s, depuis le 15 octobre 2024) et Reels/TikTok vont encore plus loin, mais la durée autorisée n'est pas la durée souhaitée — l'algorithme récompense l'achèvement, et l'achèvement se situe dans la tranche courte.
Aiguillez-vous avant de commencer à écrire :
- Cadence de publication, meilleurs créneaux horaires, limites multi-plateformes →
../social-publisher/SKILL.md. - Quelle courte vidéo commander, calendrier éditorial →
../content-engine/SKILL.md. - Le ton de marque durable dans lequel vous devez écrire * →
../brand-voice/SKILL.md. - Variantes créatives payantes / ROAS / structure de compte publicitaire →
../ads/SKILL.md. - Un épisode audio parlé (pas un clip vertical) →
../podcast/SKILL.md.
La structure
Quatre blocs, avec un budget de temps. Fonctionne pour une courte vidéo de 30 secondes :
| Bloc | Fenêtre (30 s) | Rôle |
|---|---|---|
| Accroche | 0:00–0:03 | Survivre à la 3e seconde. Promettez, ne décrivez pas. |
| Corps / montée en puissance | 0:03–0:24 | Délivrez, en montant ; changement visuel toutes les 3–5 s |
| Révélation | 0:24–0:28 | La résolution promise par l'accroche (derniers 15–25 %) |
| Boucle / CTA | 0:28–0:30 | Raccord avec l'image 1, ou CTA en une action |
Changement visuel toutes les 3 à 5 secondes après l'accroche. Un nouveau plan, un B-roll, une carte de texte, un zoom ou un recadrage — tout ce qui réinitialise l'œil. Pourquoi : une image statique au-delà de ~4 secondes est interprétée comme « c'est fini » et le spectateur part ; un changement visuel signale « il y a plus à voir ».
Ouvrez la boucle tôt, fermez-la tard. Énoncez une question ou un enjeu dans l'accroche (« le troisième est l'erreur que tout le monde fait ») et retenez la résolution jusqu'à la révélation. Les points numérotés (« 3 choses… ») fonctionnent car chaque numéro est une barre de progression intégrée qui attire le spectateur vers le suivant.
L'accroche
Selon des chiffres de l'industrie rapportés par des fournisseurs (OpusClip / housesparrowfilms, 2026 ; indicatifs, non issus d'une étude primaire), environ la moitié des spectateurs qui abandonnent le font dans les 3 premières secondes ; la rétention d'introduction après 3 secondes devrait atteindre environ 70 %+, et les formats courts qui maintiennent ~65 % à 3 secondes voient plusieurs fois plus d'impressions. Traitez les pourcentages exacts comme des ordres de grandeur, pas des données précises — mais la direction est sans ambiguïté : l'accroche est tout le jeu.
Six modèles d'accroche — choisissez selon l'intention :
| Modèle | Quand l'utiliser |
|---|---|
| Promesse / résultat | Vous avez un résultat concret (« comment j'ai réduit mon temps de montage de moitié ») |
| Question | Le spectateur a ressenti la douleur (« pourquoi vos Reels meurent-ils à la 3e seconde ? ») |
| Interruption de schéma | Vous devez briser le défilement (« arrêtez de publier à 9h ») |
| Affirmation provocatrice | Vous pouvez défendre un point de vue contre le consensus (« les légendes ne sont pas une option ») |
| In medias res | Vous pouvez commencer en pleine action / en plein résultat (« …et c'est ce montage qui a doublé le résultat ») |
| Enjeux / tension | Il y a un coût à ne pas savoir (« cette erreur sabote votre portée ») |
Texte d'accroche à l'écran : 4 à 7 mots, contraste élevé, dans la zone de sécurité. Il doit être lisible en mode muet en moins d'une seconde. Plus de 7 mots et le spectateur en mode muet ne peut pas le finir avant de décider de partir.
Réécritures mauvaises → bonnes :
| Mauvais | Pourquoi ça échoue | Bon |
|---|---|---|
| « Hé les gars, aujourd'hui je veux parler de montage. » | Décrit, pas de promesse, brûle 3 secondes en préambule | « Votre montage perd des spectateurs à la 3e seconde. » |
| « Laissez-moi vous raconter une histoire à propos de ma première Reel. » | Introduction lente, résultat invisible | « Ma première Reel a eu 11 vues. Voici la solution. » |
| « Dans cette vidéo, nous allons voir cinq astuces. » | Générique, pas d'enjeu, pas de curiosité | « L'astuce 3 est celle que personne ne fait. » |
| « Donc, en gros, les légendes sont plutôt importantes. » | Hésitant, illisible en mode muet, pas de contraste | « La plupart des gens regardent sans le son. Pas de légendes, pas de vues. » |
Réflexe : coupez vos cinq premières secondes. Les premières versions enterrent presque toujours l'accroche derrière une salutation. Supprimez la mise en place et commencez par la phrase la plus forte. Lorsqu'on vous demande des variantes, donnez 5 accroches issues de modèles différents — pas cinq réécritures d'une seule.
Pour la bibliothèque complète d'accroches par type de contenu et un exemple d'extraction de longue vidéo vers format court, voir references/hook-and-script-patterns.md.
L'artefact de script
Un tableau minuté. Chaque ligne a un texte à l'écran — sans exception (règle du son coupé).
## Script — « Arrêtez de publier à 9h » (28 s, 9:16)
| Temps | VO / parlé | Texte à l'écran | Visuel / B-roll |
|------|-------------|----------------|-----------------|
| 0:00–0:03 | « Arrêtez de publier à 9h. » | ARRÊTEZ DE PUBLIER À 9H | Cut sec sur visage, zoom rapide |
| 0:03–0:09 | « Votre public n'est pas réveillé — il fait son trajet à 8h. » | 9h = votre pire créneau | Horloge téléphone 9:00 → balayage vers 8:00 |
| 0:09–0:16 | « Les données disent que les soirées surpassent les matins pour ce créneau. » | Les soirées gagnent | B-roll : courbe graphique qui monte |
| 0:16–0:23 | « Testez 18h pendant une semaine et regardez la portée. » | Essayez 18h pendant 7 jours | Capture d'écran du planificateur réglé à 18h00 |
| 0:23–0:26 | « Ensuite, revenez et dites-moi que j'avais tort. » | Je patiente. | Retour au visage, sourcil levé |
| 0:26–0:28 | « Arrêtez de publier à 9h. » | ARRÊTEZ DE PUBLIER À 9H | Cut raccord avec l'image d'ouverture (point de boucle) |
Notez que la dernière ligne répète la phrase et l'image d'accroche : c'est la boucle, pas une conclusion. Gardez les lignes VO courtes et naturelles à l'oral ; le texte à l'écran est plus serré (4 à 7 mots) et n'est jamais un déversement textuel de la VO.
La fiche de décision de montage
L'EDS transforme le script en instructions de montage. Liez chaque marqueur à une ligne du script.
- Cadence de coupe : une coupe toutes les 2 à 4 secondes. Les formats courts performants sont en moyenne à ce rythme ; placez des micro-coupes (0,4–1,2 s) dans les 2–3 premiers plans pour « réveiller » le scroll. Gardez les pauses de silence sous ~250 ms — le silence au-delà d'un quart de seconde est interprété comme un chargement et les spectateurs partent (recommandations de montage rapportées par des fournisseurs, OpusClip / driveeditor, 2026).
- Marqueurs de changement visuel — annotez chaque ligne du script avec son changement (coupe / B-roll / carte de texte / zoom / recadrage) afin qu'aucune ligne ne reste statique au-delà de 5 secondes.
- Image d'accroche — nommez l'image d'ouverture exacte (le plan fixe le plus saisissant). C'est la miniature en mouvement ; si elle est ennuyeuse, rien après n'a d'importance.
- Point de boucle — spécifiez comment la dernière image se fond dans la première (cut raccord, même cadrage, même barre audio). La boucle est le CTA : même un taux de relecture d'environ 10 % est fortement pondéré par l'algorithme, et une couture propre génère des relectures. Pas de conclusion traditionnelle « merci d'avoir regardé ».
- Piste de légendes — le style se trouve dans la section suivante ; l'EDS signale simplement « légendes : incrustées, style X, actives pendant toute la durée ».
## EDS — « Arrêtez de publier à 9h »
- Image d'accroche : visage en milieu de phrase, yeux vers l'objectif, 0:00 (plan fixe le plus saisissant)
- Coupes : micro-coupes 0:00–0:03 (3 coupes), puis 1 coupe / ~3 s ensuite
- Silence : coupez tout intervalle > 250 ms
- B-roll : horloge (0:03), graphique montant (0:09), capture d'écran du planificateur (0:16)
- Légendes : incrustées, toutes les 28 s, style ci-dessous, marge de zone de sécurité inférieure respectée
- Point de boucle : 0:26 cut raccord avec l'image de 0:00 ; même ligne VO fait le pont entre la couture
- CTA : implicite (la boucle). Pas de carte de conclusion.
Légendes et zones de sécurité
Les vidéos légendées retiennent mieux — l'étude principale de Verizon Media / Publicis Media (n=5 616, avril 2019) a révélé que 80 % des spectateurs sont plus susceptibles de terminer une vidéo avec des légendes ; les fournisseurs rapportent un gain de rétention supplémentaire d'environ 15 à 25 % (OpusClip / Verbit, 2026, chiffres de fournisseurs). Traitez les légendes comme un élément de design, pas une réflexion après coup.
- Grandes, à contraste élevé, avec un contour ou un arrière-plan solide — lisibles sur un téléphone lumineux en extérieur.
- 4 à 7 mots par ligne, ≥2 secondes à l'écran. Plus rapide que cela, le spectateur en mode muet ne peut pas lire.
- Actives pendant toute la durée. Pas de « légendes seulement sur l'accroche ».
- Dans les zones de sécurité. Gardez tout le texte et le CTA hors des marges de l'interface de la plateforme (les rails supérieur, inférieur et droit mangent votre texte). Les marges exactes en pixels par plateforme se trouvent dans
references/specs-and-safe-zones.md. - N'enterrez pas l'accroche sous la légende d'un son tendance. Si vous utilisez un son à la mode, votre propre accroche à l'écran doit toujours occuper le tiers supérieur dès la première seconde.
Réutilisez un master
Les trois plateformes partagent le format 9:16 en 1080×1920, MP4 (vidéo H.264 + audio AAC), 30 ou 60 images par seconde (vidIQ / Sprout Social specs, 2026). Un seul export master se réutilise sur Reels, Shorts et TikTok — pour apparaître dans le Shorts shelf, gardez-le simplement vertical/carré et sous la limite de 3 minutes.
Lorsque vous confiez à un outil (la suite AI 2026 de CapCut pour le montage automatique en un clic + des centaines de voix TTS + des légendes multilingues + des avatars IA ; OpusClip/Reap/Vizard pour le clipping de longues vidéos ; Submagic pour le style des légendes) : collez le script + l'EDS comme brief. L'outil exécute les coupes et les légendes rapidement, mais il n'invente pas votre accroche ni votre point de boucle — ils vous appartiennent. Les algorithmes rétrogradent désormais les clips IA évidents de faible effort, donc la structure que vous apportez est exactement ce qui distingue le format court du remplissage. Les spécifications par plateforme, la checklist d'export et les capacités actuelles des outils se trouvent dans references/specs-and-safe-zones.md.
Anti-modèles
| Mauvais | Pourquoi ça tue la rétention | Bon |
|---|---|---|
| Introduction lente / salutation avant le sujet | ~la moitié des abandons partent dans les 3 premières secondes ; vous les avez dépensées en « salut les gens » | Ouvrez sur la phrase la plus forte ; coupez les 5 premières secondes |
| Pas de légendes incrustées | la plupart des spectateurs regardent sans le son ; un écran silencieux n'a pas de narration | Légendes toute la durée, 4–7 mots/ligne, contraste élevé |
| Conclusion traditionnelle « merci d'avoir regardé » | Termine la vidéo au lieu de la rejouer | Point de boucle : la dernière image se coupe raccord avec la première |
| Un seul plan fixe d'une personne parlant pendant 30 s | Aucun changement visuel : perçu comme « c'est fini » après ~4 s | Une coupe / B-roll / carte de texte toutes les 3–5 s |
| Accroche qui décrit le sujet | Description sans promesse ni enjeu, donc aucune raison de rester | Promettez un résultat ou ouvrez une curiosité |
| >45 s sans montée en puissance | L'énergie plate effondre l'achèvement au-delà du point idéal | Coupez à 15–30 s, ou montez en puissance à chaque étape |
| TTS racontant un mur de texte à l'écran | Couches mal assorties, rien à lire rapidement, odeur de clip IA | VO serrée + couche de légende séparée de 4–7 mots |
| Un son tendance enterre votre propre accroche | La légende empruntée possède la seconde seconde, pas votre promesse | Votre accroche occupe le tiers supérieur dans la première image |
Vérifiez et références
- Vérifiez un script produit avec
bash scripts/verify.sh path/to/script.md— il vérifie qu'il existe un temps d'accroche 0:00, que chaque temps a un texte à l'écran (son coupé), que la durée se situe dans une plage de format court raisonnable, et qu'un temps de boucle/CTA le ferme. Il est en lecture seule et se termine avec un code 0 sur un script propre. references/specs-and-safe-zones.md— tableau des spécifications par plateforme, marges de zone de sécurité en pixels, checklist d'export/réutilisation, capture d'écran datée des outils.references/hook-and-script-patterns.md— bibliothèque complète d'accroches par type de contenu, modèles de conducteur + EDS, extraction travaillée de longue vidéo vers format court.