Comment créer un short viral IA en 30 minutes (édition 2026)

Une combinaison de quatre outils et un script reproductible qui transforme une seule idée en une vidéo verticale soignée et captivante, sans caméra, sans visage et sans studio.

En 2026, un short sans visage de 45 secondes peut générer un million de vues en une semaine et ne vous coûter que le temps de lecture de ce guide. Les outils sont devenus suffisamment performants pour que le goulot d'étranglement ne soit plus la qualité de l'IA, mais le script et le rythme.

Voici la combinaison exacte que nous utilisons pour transformer une idée d'une ligne en une vidéo verticale soignée en moins de 30 minutes. Pas de caméra. Pas de studio. Pas de visage à l'écran requis.

La combinaison de quatre outils

Il vous faut exactement quatre éléments. N'en ajoutez pas plus, chaque outil supplémentaire consomme du temps et ne le rentabilise jamais sur un clip de 45 secondes.

Coût mensuel total si vous publiez 3 shorts par semaine : environ 30 $. La même combinaison il y a un an coûtait plus de 100 $ et produisait des résultats visiblement moins bons.

• Une voix, ElevenLabs v3 pour la narration.
• Un visuel, Midjourney pour des images d'illustration 9:16 (ou Flux 2 si vous voulez un coût inférieur).
• Un éditeur, CapCut sur ordinateur, gratuit, rapide, avec synchronisation automatique des rythmes intégrée.
• Un finaliseur, Submagic pour les légendes, les accroches et les suggestions de B-roll IA.

Étape 1 : Écrire le script de 45 secondes (5 minutes)

Ouvrez un document vierge et écrivez trois choses :

Lisez-le à voix haute et chronométrez-vous. Si cela dépasse 45 secondes à un rythme naturel, coupez des mots. La vidéo verticale vit ou meurt par son rythme.

• L'accroche (les 1,5 premières secondes audio). Une phrase, contrariante ou curieuse. "La plupart des gens perdent de l'argent sur Bitcoin parce qu'ils achètent ce que leurs amis achètent." Pas "Dans cette vidéo, nous allons parler de…", cela est ignoré en 0,4 seconde.
• Le milieu (environ 110-130 mots). Trois points concrets, chacun lié à un visuel. Si vous ne pouvez pas imaginer le B-roll pour une phrase, supprimez la phrase.
• L'appel à l'action (1 phrase). Suivez pour X. Enregistrez pour plus tard. Commentez votre avis. Une seule demande, jamais deux.

Étape 2 : Générer la voix off (3 minutes)

Ouvrez ElevenLabs et choisissez une voix dans la bibliothèque v3. Testez trois voix sur la première phrase avant de vous engager, l'adéquation de la voix est plus importante que sa qualité. Une voix "premium" ennuyée surpassera toujours une voix "correcte" enthousiaste.

Paramètres qui fonctionnent bien pour les shorts :

Générez, écoutez une fois, et ne relancez que si un mot spécifique est mal prononcé. Ne recherchez pas la perfection, les spectateurs ne le font pas non plus.

• Stabilité : 35-45 (une touche de variation sonne humain)
• Similarité : 75
• Style : 20-30 si votre script a des emphase, 0 s'il s'agit d'un explicateur calme

Étape 3 : Générer des images d'illustration (10 minutes)

C'est là que la plupart des créateurs perdent une heure. La solution est de s'engager sur un seul style visuel dès le départ et de réutiliser une référence de style Midjourney (--sref) sur chaque prompt.

Flux de travail :

Vous obtiendrez un ensemble cohérent d'images verticales qui semblent provenir d'un seul directeur artistique. C'est ce qui sépare un bon short IA d'un contenu qui crie "déchet IA".

Si le prix de Midjourney n'est pas justifiable pour votre volume de production, Flux 2 fait 80% du même travail pour une fraction du coût, légèrement moins stylisé mais suffisamment bon pour les shorts.

• Générez une image "héroïque" que vous aimez. Copiez sa valeur --sref.
• Pour chaque ligne de votre script, écrivez un prompt. Ajoutez --ar 9:16 --style raw --sref <votre-code> à tous.
• Lancez-les en lot. Choisissez le meilleur variant de chacun. N'agrandissez pas encore.
• N'agrandissez que les 8-12 que vous utiliserez réellement.

Étape 4 : Monter dans CapCut (8 minutes)

Déposez d'abord la voix off sur la timeline. Toujours la voix d'abord, les visuels ensuite, l'audio dicte le montage, pas l'inverse.

Ensuite :

Exportez en 1080×1920, 60fps. N'expédiez pas en 30fps en 2026.

Vous voulez une timeline de bureau traditionnelle à la place ? Wondershare Filmora fait la même synchronisation automatique des rythmes sur un éditeur plus conventionnel, légèrement plus lent pour des shorts purs de 45 secondes mais mieux si vous éditez également des vidéos plus longues en parallèle.

• Placez chaque image d'illustration sur le rythme où sa phrase commence.
• Utilisez Auto-cut to beat pour toute musique de fond. La détection de rythme de CapCut est étonnamment bonne en 2026.
• Ajoutez un mouvement subtil à chaque image : zoom lent de 5 secondes, directions alternées. Les images statiques sur un écran vertical semblent mortes en 2 secondes.
• Pour la musique de fond, utilisez la bibliothèque de CapCut et choisissez quelque chose à 110-120 BPM avec un volume de réduction faible pour que la voix off reste au premier plan.

Étape 5 : Ajouter des légendes et une accroche dans Submagic (3 minutes)

Déposez votre export CapCut dans Submagic. Trois choses à faire :

Exportez. Vous avez terminé.

• Choisissez un modèle de légende qui correspond à votre chaîne. Les mots en gras, animés, avec emphase sur un seul mot fonctionnent mieux pour le contenu éducatif. La révélation mot par mot fonctionne mieux pour la narration.
• Utilisez le générateur d'accroche IA sur vos 1,5 premières secondes. Il réécrit votre accroche en 3-5 alternatives, choisissez la plus percutante. Cette seule étape vaut l'abonnement Submagic entier.
• Acceptez les suggestions de B-roll avec parcimonie. L'IA proposera parfois un clip d'archive qui améliore réellement un rythme, acceptez-les, ignorez le reste.

Ce à quoi cela ressemble en pratique

Une session typique, de bout en bout :

Le premier short que vous créerez prendra 90 minutes car vous apprendrez les outils. Le cinquième prend 25 minutes.

Erreurs qui tuent la portée

Quelques schémas que nous voyons tuer des shorts autrement décents :

• Style visuel incohérent. C'est pourquoi --sref est important. Mélanger le photoréalisme et l'illustration dans un même short semble amateur même lorsque les plans individuels sont excellents.
• Légendes génériques. Si vos légendes ne sont que du texte transcrit dans une police par défaut, vous perdez 30 % du taux d'achèvement par rapport à un modèle de légende conçu.
• Deux appels à l'action. "Suivez ET commentez ET enregistrez" apprend à l'algorithme que votre public ne fait rien. Une seule demande.
• Musique trop forte. Si votre voix off n'est pas 12-15 dB au-dessus du lit musical, les spectateurs glissent.
• Pas de variante d'accroche. Submagic génère 5 alternatives d'accroche en 10 secondes. L'accroche par défaut basée sur le script n'est presque jamais la meilleure.

Où aller ensuite

Une fois que vous aurez publié 10 shorts avec cette combinaison, le goulot d'étranglement passera de "puis-je créer une vidéo" à "puis-je trouver des idées qui valent la peine d'être créées". C'est le problème le plus difficile, mais c'est celui qui vaut la peine d'être résolu.

Pour l'instant, publiez simplement le premier. Aujourd'hui.