Claude peut-il créer vidéos et images ? Méthode QuQi

La réponse courte : pas tout seul. Claude est un modèle de langage. Il écrit, raisonne et code, et dans une conversation il peut esquisser des schémas et des graphiques en HTML et en SVG. Il ne peint pas de photos comme le fait un modèle d’image, et il n’a aucun bouton qui transforme un prompt en MP4.

La réponse longue est plus intéressante. Donnez un ordinateur à Claude et la situation change. Avec un navigateur, un terminal et ffmpeg, il peut concevoir un visuel comme une page web et l’enregistrer en image. Il peut animer cette page image par image et assembler ces images en vidéo. Et pour les rares choses que le code ne sait pas dessiner, comme une voix humaine ou une photo réaliste, il peut demander l’aide de modèles conçus précisément pour cela.

C’est ainsi que QuQi réalise désormais chaque vidéo, chaque visuel et chaque carrousel pour ses clients. Cet article soulève le capot : ce qu’est cet ordinateur, ce que Claude y fait, et pourquoi le résultat ressemble au travail d’un graphiste plutôt qu’à celui d’un générateur qui fait tout en un seul coup.

Ce qu’un modèle peut faire seul, et ce qu’un ordinateur ajoute

La différence se voit mieux côte à côte.

Tout ce qui figure dans la colonne de droite dépend d’une seule chose : un vrai ordinateur sur lequel le modèle peut travailler.

La pièce manquante, c’est un ordinateur

QuQi fait tourner Claude via Boxline, un service qui donne à un agent IA une machine isolée dans le cloud, avec un navigateur, un terminal et un disque. Chaque contenu est réalisé sur une machine vierge qui lui est réservée : rien du travail d’un client ne côtoie jamais celui d’un autre.

Sur la machine se trouvent les outils de l’ordinateur portable d’un motion designer, la souris en moins :

• Chrome, que Claude pilote directement pour ouvrir des sites, mettre en page des designs et capturer des images. Il peut même y faire tourner des scènes 3D simples pour une prise de vue produit.
• Un terminal avec Python et Node, pour écrire et exécuter son propre code.
• ffmpeg pour encoder la vidéo, et ImageMagick pour inspecter et préparer les images.
• Un disque de travail où se trouve chaque fichier du contenu : notes de recherche, plan, scènes, son et rendus.

Ce que la machine ne détient jamais, c’est une clé d’accès à quoi que ce soit. Quand Claude a besoin d’une voix, d’un fond musical, d’un extrait de banque d’images ou d’un plan généré, il le demande à QuQi via un petit outil en ligne de commande, et QuQi passe la commande avec ses propres comptes. Chaque contenu a des plafonds sur ce qu’il peut commander : l’agent ne peut pas dépenser plus que ce qu’un contenu autorise.

Ce qui attend Claude sur la machine au démarrage

Avant que Claude commence, QuQi dépose quatre choses sur le disque.

• RULES.md, les règles maison. Le fichier s’ouvre sur l’entreprise, avec son contexte et son kit de marque, puis expose ce dont le client a besoin et ses instructions. Claude doit le lire avant de pouvoir commander quoi que ce soit.
• Un dossier de marque avec le profil de l’entreprise, le logo et des captures d’écran du site.
• Une bibliothèque de compétences de création : des guides écrits sur les techniques du film et du design, qui couvrent les films produit, les plans de coupe animés, les vidéos explicatives, les structures de publicités courtes et le son, plus un guide sur la relecture d’un contenu avant son rendu.
• La commande quqi, son seul lien avec l’extérieur. Elle lit les règles, répond aux questions sur l’entreprise, liste les produits de la boutique, reçoit le plan, commande les ressources, mesure les scènes et vérifie le fichier final.

Remarquez ce qui ne figure pas sur la liste. QuQi ne fournit aucun élément tout prêt : ni modèles, ni kits, ni fichiers son, ni images choisies à l’avance. Tout ce qui se trouve dans le contenu final est choisi ou créé pour cette seule demande.

Une exécution, étape par étape

Imaginons qu’une boutique demande une courte vidéo sur ses soldes de printemps. Voici le chemin que suit Claude, de la demande au fichier final.

1. Lire les règles. La première commande est quqi rules. Rien ne peut être commandé avant.
2. Se documenter. Claude ouvre dans Chrome la page d’accueil de la boutique et les pages citées dans la demande, lit le profil de l’entreprise, liste les produits de la boutique et peut poser jusqu’à 12 questions à QuQi sur l’entreprise. Il consigne ce qu’il a appris dans un fichier de recherche. Pas de fichier de recherche, pas de commande.
3. Choisir le savoir-faire. Il ouvre au moins trois guides de création pour une vidéo (deux pour un visuel ou un carrousel), ainsi que le guide de relecture de son travail.
4. Planifier. Il rédige un plan qui indique, pour chaque scène, d’où vient l’image (le site, une banque d’images, un extrait généré ou son propre code) et pourquoi. Le plan liste aussi les techniques retenues, explique pourquoi elles conviennent à cette entreprise et précise en quoi le contenu se distinguera des trois derniers de la marque. QuQi vérifie le plan et le renvoie si, par exemple, Claude n’a jamais vraiment ouvert le site.
5. Construire. Chaque scène est une page HTML dotée d’une fonction capable d’en dessiner n’importe quel instant. Le texte est composé avec les polices de la marque, et les photos de produits sont détourées par QuQi pour s’intégrer proprement au design.
6. Sonoriser. Une prise de voix, un fond musical et une série d’effets sonores que Claude découpe et place lui-même. Les sous-titres sont calés sur le minutage des mots de la voix, et si un présentateur parle, les lèvres ne sont synchronisées que pendant les secondes où il est à l’écran.
7. Mesurer. quqi measure ouvre chaque scène dans Chrome à la taille finale et signale le texte trop petit, les lettres qui se touchent, les lignes trop serrées, les mots hors de la zone de sécurité, un logo trop petit pour être lu et tout ce qui est étiré ou coupé. Claude corrige ce qui est signalé.
8. Faire le rendu. Il parcourt chaque scène image par image et ffmpeg encode le résultat en une seule fois, avec les réglages qu’attendent les plateformes : de la vidéo H.264 à 30 images par seconde avec un son AAC.
9. Vérifier et livrer. quqi check s’exécute sur la vidéo terminée, puis QuQi effectue ses propres contrôles et place le contenu dans le Studio du client.

Un visuel suit le même chemin, sans le son ni l’animation image par image : Claude le conçoit comme une page, le mesure et l’enregistre en PNG. Un carrousel fait de même pour chaque slide.

Pourquoi le design est une page web

Il serait plus rapide de demander à un modèle d’image « un post Instagram sur des soldes de printemps ». Alors pourquoi faire le grand détour ? Parce qu’un navigateur est le compositeur typographique le plus précis que la plupart d’entre nous posséderont jamais, et que construire dessus apporte quatre choses qu’un générateur en un seul coup ne peut pas promettre.

• Du vrai texte. Les mots sont du texte, pas une peinture de texte : ils sont donc bien orthographiés et composés dans la police de la marque.
• Un design mesurable. Un navigateur connaît la position et la taille exactes de chaque bloc de la page. C’est ce qui rend possible un contrôle automatique du design.
• Des images reproductibles. Le même instant d’une scène se dessine toujours de la même façon : une correction peut donc refaire le rendu de ses seules secondes au lieu du film entier.
• Des retouches, pas des refontes. Changer un mot change un mot. Rien d’autre ne bouge sur la page, sauf si c’est voulu.

Les médias générés ont toujours leur place, mais une petite. Un visuel ou un carrousel reçoit une photo générée au maximum, et seulement une photo réaliste. Une vidéo reçoit un extrait généré au maximum, jamais une image fixe générée montrée à l’écran, et les banques d’images sont limitées à environ un tiers des séquences. Le reste est l’animation propre de Claude.

Les règles comptent plus que les prompts

Un agent doté d’un ordinateur peut faire beaucoup, et c’est pourquoi les règles comptent plus que n’importe quelle demande. Quelques-unes s’appliquent à chaque contenu que réalise QuQi :

• Les couleurs, les polices et le logo de la marque l’emportent sur tout style demandé.
• Pas de célébrités, pas de sosies et pas de logo d’une autre marque.
• Pas d’inconnus tirés de banques d’images présentés comme des membres de l’entreprise.
• Les affirmations sont reprises mot pour mot de l’entreprise, restrictions comprises.
• La carte de fin, c’est le logo avec le site en dessous, et rien d’autre.
• Dans une vidéo verticale, aucun mot dans le dixième supérieur ni dans le cinquième inférieur de l’image, là où les applications placent leurs propres boutons.

Une petite règle que nous aimons bien : chaque voix prononce QuQi « Q-Kee », et à l’écrit le nom reste toujours QuQi.

Qui vérifie le travail

Aucune seconde IA ne corrige la copie de la première. Claude est son propre relecteur, et il relit avec des chiffres. Les règles typographiques sont précises : pas plus de quatre tailles, chacune au moins un quart plus grande que la suivante, des titres jamais resserrés de plus de 2 %, et un interlignage compris dans des fourchettes fixées pour les titres et pour le texte courant.

Ensuite, QuQi vérifie le résultat de l’extérieur. Un contenu est renvoyé une fois si sa relecture ne montre aucune mesure, si la durée d’une vidéo ne respecte pas le brief, si l’image se prolonge après la voix, ou si un outil de transcription entend moins de la moitié des mots prononcés.

Trois niveaux de qualité, tous sur Claude

Les clients choisissent entre Standard, Normal et High quality. Les trois tournent sur Claude. Ce qui change, c’est le soin apporté au design, au tournage et à la relecture : Standard est plus rapide et coûte moins cher, et High quality est le plus soigné, pour les contenus qui comptent le plus. Les visuels et les carrousels démarrent en High quality, les vidéos en Normal. Chaque exécution tourne avec un niveau de raisonnement élevé pour Claude.

Les retouches se font sur la même machine

Quand un contenu est livré, sa machine n’est pas jetée. Elle est arrêtée et conservée deux jours, avec tous ses fichiers, et chaque retouche livrée ajoute deux jours de plus. Demandez une modification et Claude reprend là où il s’était arrêté. Si seul le son change, le nouveau son est mixé sur l’image déjà rendue, sans nouvelle image. Si une scène change, seules ses secondes sont reconstruites. Le client ne paie que ce qui a changé.

Comment les images de cet article ont été faites

Nous avons appliqué la même idée à cette page. La couverture, le schéma de la machine et l’exécution ci-dessus ont tous commencé sous forme de fichiers HTML, que nous avons ouverts dans Chrome sans interface (headless) et enregistrés en images. Aucun modèle d’image n’a servi, et c’est pourquoi chaque libellé y est bien orthographié. Nos autres articles sur la vidéo IA pour les réseaux sociaux et les visuels et carrousels à votre image ont été illustrés de la même façon.

Questions fréquentes

Claude peut-il générer des images ?

Pas sous forme de pixels à partir d’un prompt, comme le fait un modèle d’image. Il peut écrire le HTML, le SVG ou le code qui dessine une image, et avec un navigateur sur une machine, il peut rendre ce code sous forme de vrai fichier image. C’est ainsi que QuQi crée ses visuels et ses carrousels.

Claude peut-il faire des vidéos ?

Pas seul, puisqu’il n’a pas de modèle vidéo. Avec un ordinateur, il le peut : il construit chaque scène comme une page web animée, capture les images dans un navigateur et les encode avec ffmpeg. Des modèles spécialisés fournissent la voix, la musique et, au plus, un extrait généré.

Qu’est-ce que Boxline ?

Boxline est un service qui donne aux agents IA leurs propres machines isolées dans le cloud, chacune avec un navigateur, un terminal et un disque. QuQi l’utilise pour que chaque contenu ait une machine vierge rien qu’à lui, conservée ensuite deux jours pour les retouches.

Faut-il un compte Claude ou Boxline pour l’utiliser ?

Non. QuQi s’occupe de tout pour vous. Vous demandez une vidéo, un visuel ou un carrousel dans le Studio ou dans une conversation, et vous payez en crédits QuQi ce que le contenu utilise réellement.