Cohérence des personnages dans les courts métrages IA (2026) : pourquoi les visages changent d'un plan à l'autre, et les trois couches qui les verrouillent
Mis à jour le 12 septembre 2026
Réponse rapide : La cohérence des personnages dans les courts métrages IA signifie qu'un personnage garde le même visage, les mêmes vêtements et accessoires, et la même direction artistique sur les dizaines à centaines de plans d'une série. En 2026, c'est la première raison pour laquelle les plateformes et les spectateurs rejettent les séries réalisées par IA. Ce problème ne se résout pas par la formulation du prompt. Il se verrouille à trois couches distinctes : la fiche personnage (fond blanc, lumière directionnelle, traits d'identité en premier), la plaque de scène (décor vide, trois plans de profondeur, source de lumière décrite plutôt que l'endroit où la lumière tombe), et la continuité plan par plan dans le storyboard (actions et positions reportées, jamais de nom de personnes qui ne sont pas dans le cadre). La dérive du visage a trois causes racines, chacune correspondant à une couche : les descriptions textuelles se diluent, les références comportent une lumière intégrée, et les plans n'ont aucun point d'ancrage entre eux. Ci-dessous : ce qu'il faut faire à chaque couche, un tableau des entrées de référence, et une checklist d'acceptation en 5 plans.
Exemple : « Le Vœu de l'aigle » — HD réaliste, 1 épisode, produit de bout en bout par SceneMixer à partir du script · regarder les épisodes
Ce que « cohérent » signifie : trois couches
Traits d'identité : forme du visage, sourcils et yeux, nez et lèvres, teint, cheveux, corpulence, âge apparent, plus un point d'ancrage immédiatement reconnaissable (une cicatrice, un grain de beauté, un bijou, une coupe de cheveux). Porté par la fiche personnage.
Vêtements, maquillage et accessoires : ce que ce personnage porte et tient dans cette scène, et ce que le décor contient. Porté par la description de costume par personnage issue de l'analyse du script et par la plaque de scène. Le costume est propre à chaque personnage et à chaque classe sociale, pas un tag de style unique pour toute la série.
Lumière et direction artistique : discipline des couleurs, matériaux, densité du décor, emplacement de la source de lumière. Porté par la plaque de scène et par les lignes d'éclairage de chaque plan. Les images de référence elles-mêmes doivent rester neutres.
Pourquoi les visages dérivent : trois causes racines
Symptôme
Cause racine
Couche
Le même personnage obtient un nouveau visage tous les quelques segments et devient progressivement générique
Description diluée : la description du visage se trouve au milieu de longues instructions d'action et techniques, et le modèle retombe sur son a priori de « visage attrayant »
Couche 1 : l'identité n'est pas en premier dans le prompt de la fiche, ou la fiche n'est pas jointe comme référence à chaque génération
Bon visage, mais la lumière et la température de couleur sautent d'un plan à l'autre dans la même scène
Lumière intégrée : la fiche ou la plaque comporte un éclairage dramatique que chaque plan hérite, puis qui entre en conflit avec l'éclairage propre du storyboard
Couche 2 : les références ne sont pas neutres
Les positions, les actions et les accessoires ne se connectent pas à l'intérieur d'un segment ; des personnes qui ne sont pas dans la scène entrent dans le cadre
Pas de point d'ancrage entre les plans : la continuité n'est pas écrite, ou le storyboard nomme des personnes absentes dans des formulations négatives (« X sort du cadre »)
Couche 3 : continuité
Couche 1 : la fiche personnage
La fiche existe pour la reconnaissabilité, pas pour l'ambiance. Quatre règles strictes :
Fond blanc pur, en tant que clause propre. Énoncez-le comme une contrainte autonome et répétez-le dans la liste négative. Enfoui dans un autre paragraphe, il est ignoré.
Pas de lumière plate. « Éclairage uniforme, sans ombres » est la recette d'un visage en plastique : la lumière plate efface la texture de la peau et la structure osseuse. Écrivez une lumière clé directionnelle à environ 75 degrés avec un fill et un rim, et demandez une ombre sous le nez et la pommette, un reflet dans les yeux, et une atténuation progressive.
Identité d'abord. Ordre fixe du prompt : traits d'identité du sujet → verrouillage d'identité (pas de visage d'influenceur, pas de lissage des traits distinctifs) → bloc technique → contraintes de cadrage. L'analyse du script produit un texte d'apparence très détaillé (structure osseuse, grains de beauté, cicatrices) ; il doit mener, pas se trouver au milieu.
Visage > posture > costume, et l'expression doit jouer. Déclarez qu'il s'agit d'un test de look d'acteur, pas d'une photo de tenue e-commerce ; interdisez de reculer pour montrer la tenue au détriment de la tête. N'écrivez pas « expression neutre » : cela supprime la qualité même (un regard acéré, par exemple) qui rend le personnage reconnaissable.
Échec connu : les personnages en manteaux longs ou robes se font avaler par le vêtement dans un cadre plein corps 9:16, le manteau remplissant soixante-dix pour cent de l'image et le visage rétrécissant. C'est une limite physique du cadrage. La solution est une fiche mi-corps séparée qui porte le visage, au prix d'une image supplémentaire par personnage.
Dans SceneMixer, le champ d'apparence produit par l'analyse du script devient directement le sujet du prompt de fiche. Chaque personnage obtient une fiche plein corps 9:16 sur fond blanc, avec des recadrages visage et mi-corps coupés automatiquement, et chaque génération vidéo ultérieure joint les références de ce personnage. Avant de juger la qualité de la fiche, confirmez quel modèle d'image l'a produite : la taille de sortie et les a priori diffèrent beaucoup entre les modèles, et la preuve réside dans les dimensions de l'image et l'enregistrement de la tâche, pas dans une supposition.
Couche 2 : la plaque de scène
Une image de scène est une « plaque » vide à laquelle le modèle vidéo se réfère. La norme est là encore la neutralité :
Pas de personnes. Exprimez l'échelle avec les propres éléments du bâtiment (une porte de la taille de deux personnes, une table large d'un bras).
Trois plans de profondeur. Premier plan, plan moyen et arrière-plan, chacun avec des matériaux et un ameublement explicites, afin que le modèle ait de la place pour placer une caméra.
Décrivez d'où vient la lumière, pas où elle tombe. Écrivez « une suspension blanc chaud projette une lumière douce depuis le haut à droite », pas « la lumière éclaire le dessus de la table ». N'écrivez pas de ligne de séparation d'ombre, et évitez les mots de couleur saturés : 3200 K sur la peau est du blanc chaud, et « jaune » vous donne de la peinture jaune.
Pas d'étalonnage d'atmosphère. Pas d'étalonnage d'ambiance, pas de silhouettes, pas de brouillard ni de faisceaux lumineux, et aucun des vieux mots déclencheurs (cinématographique, dramatique, 8K). Le brouillard dans la plaque apparaît dans chaque plan de cette scène.
La direction artistique est un paramètre au niveau du projet qui alimente les images de scène, les images d'accessoires et les prompts vidéo, et jamais la fiche personnage, sinon la fiche sur fond blanc est éclairée comme le décor.
Couche 3 : continuité dans le storyboard
Segments longs, plans courts. Un segment correspond à un appel de génération et doit durer près de la limite de 15 secondes ; augmentez le rythme en raccourcissant chaque plan, pas en découpant le segment. Chaque segment supplémentaire fait repartir les positions depuis une nouvelle première image et casse la continuité.
Conservez la continuité à l’intérieur du segment. L’endroit où le personnage est assis, ce qu’il tient et ce qu’il faisait à la fin du plan précédent sont exactement le point de départ du plan suivant.
Décrivez uniquement les personnages présents dans le cadre. Ne nommez jamais les personnes absentes. Écrire « Mark sort » ou « Anna n’est pas présente » augmente le risque qu’ils apparaissent, car les noms dans une négation agissent comme des attracteurs.
Éclairage par cause. Même règle que pour le décor de référence. Position de la lumière, support et étalonnage sont énoncés une seule fois, sans répétition ni contradiction.
Entrées de référence par modèle
Modèle
Entrées de référence
Durée du clip
Notes
Vérifié
Seedance 2.0 (Volcano Engine Ark)
Texte plus références image, vidéo et audio ; les images peuvent servir de première image, dernière image ou référence de personnage
4–15 s
Audio natif ; images jusqu’à 30 MB et 300–6000 px par côté ; l’un des parcours vidéo dans SceneMixer
2026-09-05, d’après la documentation de l’API Ark
Wan 3.0 (Alibaba Cloud Model Studio)
Jusqu’à 10 images de référence, 5 vidéos de référence et 5 audios de référence par requête ; prompt jusqu’à 20 000 caractères
2–30 s
480P / 720P / 1080P ; les générations échouées ne sont pas facturées ; l’autre parcours vidéo dans SceneMixer
2026-09-05, d’après la documentation de l’API Model Studio
Autres modèles vidéo
La plupart acceptent des références image ou des première/dernière images
Variable
Les limites changent souvent ; quel que soit le modèle, la méthode de la fiche sur fond blanc plus décor neutre reste la même
2026-09-05
Seules les cellules vérifiées sont remplies ; les vides sont des vides, pas des suppositions. Ce qui détermine la cohérence n’est pas si la limite est de 9 références ou 50, mais si les quelques références que vous joignez sont neutres.
Checklist d’acceptation : cinq plans du même personnage côte à côte
☐ Forme du visage, sourcils, yeux, nez et lèvres correspondent à une seule personne sur les cinq plans.
☐ L’ancre visuelle (cicatrice, grain de beauté, bijou, coupe de cheveux) est présente et au même endroit dans chaque plan.
☐ Dans une même scène, la direction de la lumière et la température de couleur correspondent ; pas de plan chaud à côté d’un plan froid.
☐ Les costumes et accessoires tenus en main sont continus à l’intérieur du segment, rien n’apparaît ni ne disparaît.
☐ Aucun personnage absent n’entre dans le cadre ; aucun second « personnage principal » n’apparaît.
☐ La peau a de la texture et des ombres progressives, pas une surface plate et plastique.
Quand un plan échoue, revenez à la couche à laquelle il correspond et corrigez cette couche. « Renforcer le prompt » n’est pas une correction.
Pour aller plus loin
La façon dont le script lui-même construit la cohérence (un nom par lieu, pas plus de trois ou quatre décors par épisode) est expliquée dans Vertical Short Drama Script Format and Hook Structure. Les règles de divulgation et de droit à l’image se trouvent dans AI Short Drama Compliance Checklist 2026. Pour voir la méthode appliquée sur une série terminée, ouvrez les drames exemples : chacun présente la fiche des personnages ainsi que le script et la vidéo de chaque segment.
FAQ
Pourquoi les images de référence de personnage ont-elles besoin d’un fond blanc ?
Parce que la lumière et l’arrière-plan intégrés à la référence sont hérités par chaque plan où ce personnage apparaît. Une fiche prise sous une lumière de nuit froide fait dériver les scènes de jour vers le froid ; un accessoire en arrière-plan est repeint comme s’il faisait partie du personnage. Un fond blanc avec une seule lumière principale directionnelle à environ 75 degrés n’enregistre que la structure du visage et ne transporte aucune information de scène, donc l’éclairage de n’importe quel plan peut le remplacer.
Comment corriger des personnages incohérents dans une vidéo IA ?
Diagnostiquez par couche avant de toucher aux prompts. Des visages différents d’un plan à l’autre signalent un problème de fiche personnage : vérifiez un éclairage plat ou un visage trop petit dans le cadre. Le bon visage mais une lumière de costume qui saute indique un conflit entre le décor de référence de la scène et l’éclairage du plan. Des positions et actions qui ne s’enchaînent pas dans un segment viennent d’un manque de continuité dans le storyboard. Chaque couche a sa propre correction ; réécrire un seul gros prompt empire les trois problèmes.
Peut-on garder un personnage cohérent juste en décrivant son visage dans chaque prompt ?
Non. Sur des dizaines de générations, la description est diluée par les instructions d’action, de décor et d’éclairage de chaque segment, et le modèle retombe sur un visage générique et attrayant. La méthode stable consiste à joindre la même fiche personnage comme image de référence à chaque génération et à laisser le texte porter uniquement l’action et l’émotion du segment.
De combien d’images de référence chaque personnage a-t-il besoin ?
Au minimum une fiche plein format 9:16 sur fond blanc. Les personnages principaux gagnent à avoir un recadrage du visage supplémentaire pour les gros plans. Les personnages en manteaux longs ou robes ont tendance à être « avalés » par le costume en plan américain, donc une fiche mi-corps séparée qui montre bien le visage vaut l’image supplémentaire.
Les trois couches sont intégrées au pipeline
Le texte d’apparence issu de l’analyse devient le sujet de la fiche ; les fiches sur fond blanc et les décors neutres accompagnent chaque segment que vous générez.
