ChatGPT peut-il faire des vidéos ? Ce qu'il sait faire

ChatGPT peut-il faire des vidéos ? Pas tout seul. ChatGPT écrit et planifie, il ne fait pas de rendu vidéo. Sora, le modèle d'OpenAI, générait de courts clips à partir d'un prompt, mais OpenAI l'a depuis fermé. Et même quand il fonctionnait, un clip Sora n'était pas une vidéo finie avec narration, sous-titres et musique. Pour cela, il faut relier ChatGPT à un outil conçu pour assembler une vidéo, ou se passer de cette étape et utiliser directement un tel outil.

La question revient parce que deux choses différentes se retrouvent sans cesse confondues dans un même titre. « ChatGPT sait faire des vidéos maintenant » désigne presque toujours Sora, et Sora désignait généralement quelque chose de plus limité que ce que le titre laisse entendre. Voici ce que fait réellement chaque brique, où elle s'arrête, et comment on passe d'un prompt texte à une vidéo qui vaut la peine d'être publiée.

Une précision d'emblée : tout cela a évolué si vite qu'une bonne partie de ce que l'on croit savoir date d'il y a un an. Sora est d'abord sorti comme application à part, puis est arrivé dans ChatGPT pour certains comptes, et la durée des clips comme les conditions d'accès ont changé plusieurs fois depuis. Considérez ce qui suit sur les limites de Sora comme une description générale, pas comme une fiche technique, et vérifiez votre propre compte avant de vous organiser autour.

Ce que ChatGPT fait vraiment bien pour la vidéo

ChatGPT prouve son utilité avant même qu'une seule image existe. Il fait tourner à lui seul une très bonne salle d'écriture : rédiger un script avec un ton précis, muscler une phrase d'ouverture plate, ramener un monologue de 90 secondes à 30 secondes, sortir dix accroches pour avoir de quoi trier. Rien de tout cela ne fait appel à Sora ni à un modèle vidéo. C'est du langage, point.

• Scripts et accroches : narration complète, phrases d'ouverture, variantes sur une même idée
• Listes de plans et storyboards : une description texte, temps par temps, de ce qui doit apparaître à l'écran
• Titres, descriptions et tags pour la plateforme où ira la vidéo
• Horodatages et chapitres, dès que vous lui indiquez à peu près la durée de chaque partie
• Plans détaillés pour les vidéos longues, les temps forts dont une vidéo de 10 minutes a besoin avant qu'on touche à une caméra ou à un outil vidéo

C'est la partie que la plupart des gens négligent. Un script vraiment structuré (accroche, trois idées, une conclusion) l'emporte la plupart du temps sur une belle vidéo construite sur un script flou, parce que le script est le plan que suit tout le reste de la chaîne. Un générateur d'accroches dédié donne un premier jet plus rapide pour la phrase d'ouverture, et notre générateur de scripts pour YouTube Shorts fait la même chose pour le script entier.

Un rapide avant/après

Demandez « un script sur la productivité » et vous obtenez cinq paragraphes qui pourraient s'adresser à n'importe qui. Demandez plutôt « un script de 30 secondes pour des freelances qui perdent la trace de leurs factures, qui s'ouvre sur le moment précis où le paiement d'un client n'arrive pas », et le résultat change de nature : une vraie scène, un public identifié, une accroche qui n'est pas une phrase d'introduction déguisée. Ce n'est pas le modèle qui a changé. Ce sont les dix secondes passées à décider à qui s'adresse la vidéo.

ChatGPT ne décidera toujours pas trois choses : la durée de la vidéo, son orientation verticale ou horizontale, et la voix qui la lira. Tout cela dépend de l'endroit où la vidéo sera publiée et de qui la regarde. Décidez-les d'abord, puis demandez le script.

Si vous comparez les options uniquement côté écriture, avant qu'un outil vidéo n'entre en jeu, notre comparatif des meilleurs générateurs de scripts vidéo IA peut être une bonne étape suivante.

ChatGPT seul, ChatGPT + Sora ou un outil connecté

Mettez les trois configurations côte à côte et l'écart saute aux yeux. « ChatGPT seul », c'est juste la fenêtre de discussion. « ChatGPT + Sora » ajoute le modèle vidéo d'OpenAI, accessible dans ChatGPT ou via l'application Sora. « ChatGPT + un outil vidéo connecté » signifie confier le travail d'assemblage à un outil conçu pour ça, via une application, une extension ou un connecteur.

Ce tableau est plus souvent survolé et débattu en commentaires que lu ligne par ligne, et c'est dommage. Les deux « Non » de la ligne sur le montage d'une vidéo existante comptent plus qu'il n'y paraît. Ils expliquent pourquoi un prompt comme « monte ma vidéo » échoue quelle que soit sa formulation, dans les deux premières configurations.

La logique se vérifie à chaque ligne : ChatGPT écrit bien quelle que soit la colonne. Sora ajoutait une vraie capacité, de courts clips générés, et s'arrêtait là. La troisième colonne est la seule qui termine une vidéo de bout en bout, parce que c'est la seule conçue pour assembler un fichier plutôt que pour générer ou écrire en vue d'en obtenir un. Si vous comparez les options, notre comparatif des générateurs de vidéo IA gratuits pourra vous être utile.

Un « outil vidéo connecté » n'est pas non plus une chose unique. C'est parfois une application ouverte depuis ChatGPT, parfois une extension de navigateur, parfois un connecteur qui permet à ChatGPT d'appeler l'API de l'outil en pleine conversation. Le mécanisme change, le résultat non : ChatGPT cesse d'être toute la chaîne et en devient l'interface.

Ce que fait Sora, et où il s'arrête

Sora est le modèle de génération vidéo d'OpenAI. Donnez-lui un prompt texte, parfois une image de référence, et il produit un court clip généré de toutes pièces plutôt que monté à partir d'images fournies. En 2026, il existait dans sa propre application et, pour certaines offres et régions, directement dans ChatGPT. C'est du vrai texte en vidéo, pas le montage de quelque chose qui existe déjà, et c'est cette distinction qui piège la plupart des déçus. Sa disponibilité a changé plusieurs fois depuis son lancement, alors vérifiez d'abord votre propre compte.

• Les clips sont courts, de quelques secondes à environ 20 secondes par génération, rien qui ressemble à une vidéo narrée continue de 60 secondes
• Il génère à partir d'un prompt, il ne prend pas un fichier vidéo à vous pour le monter
• Ce qui se rapproche le plus du montage, c'est le remix : ajuster le prompt et régénérer, pas une coupe précise à l'image près
• L'accès dépend de l'offre et de la région, donc une méthode qui marche sur un compte peut échouer sur le suivant
• Aucune piste de voix off liée à votre script et aucune couche de sous-titres intégrée, le clip est purement visuel

Cela ne fait pas de Sora un gadget. De courts clips générés et marquants sont vraiment utiles pour du b-roll, un plan concept ou une image spectaculaire autrement inabordable. C'est le mauvais outil pour « transforme mon podcast en vidéo », et la plupart des déceptions viennent de cette attente.

Sora a aussi gagné des fonctions sociales par-dessus le modèle de génération : des personnes qui apparaissent dans les clips des autres avec leur consentement, un fil pour partager ses générations dans l'application. C'est une décision produit posée sur ce que rend le modèle. La limite de fond reste la même : des clips courts, générés à partir d'un prompt, avec des règles de contenu qui refusent certaines demandes d'office, et aucun moyen de lui confier vos propres images pour récupérer un montage.

L'accès et la vérification ont aussi évolué. Certaines fonctions ont exigé une vérification d'identité ou d'âge. Certaines ont été lancées dans une poignée de pays puis étendues. Les offres ChatGPT qui incluent Sora ont changé plusieurs fois. Vérifiez votre propre compte avant de vous organiser autour de ce qu'il permettait il y a six mois.

Pourquoi les prompts « monte ma vidéo » échouent

Tapez « monte ma vidéo » dans ChatGPT en joignant un fichier, et vous obtenez une explication polie de ce qu'il ne sait pas faire, pas une vidéo montée. Il n'y a aucun logiciel de montage derrière la conversation. Il peut lire une transcription et décrire en mots ce qu'un montage devrait accomplir, mais il n'a aucun accès image par image à la vidéo, aucune timeline, rien à couper réellement.

Le scénario qui revient le plus dans les messages que reçoit notre support à propos du montage : quelqu'un joint une vidéo complète et s'attend à recevoir une version raccourcie et sous-titrée dans la réponse suivante. C'est une idée raisonnable à tester. Ce n'est simplement pas ainsi que fonctionne la fenêtre de discussion.

Une partie de la confusion vient du fait que ChatGPT sait réellement traiter certains types de fichiers, images, PDF, texte brut, et la vidéo semble être l'étape suivante logique. Elle ne l'est pas, du moins pas dans la même fenêtre. Couper, recadrer, sous-titrer, étalonner, tout cela demande un logiciel conçu pour, et ChatGPT reste du côté de l'écriture : il dit à ce logiciel quoi faire au lieu de le faire.

Un prompt qui commence par « monte ma vidéo pour… » échoue presque toujours. Réécrivez-le en « écris une liste de plans pour un montage de 30 secondes de… » et confiez cette liste à un outil capable de l'exécuter. La même idée de fond, mais une seule version est réalisable dans une fenêtre de discussion.

La même limite apparaît avec « ajoute des sous-titres à ma vidéo ». ChatGPT écrira volontiers le texte des sous-titres à partir d'une transcription, et il formatera même les horodatages si vous lui indiquez à peu près le débit de parole. Ce qu'il ne peut pas faire, c'est prendre un MP4, incruster ces mots sur les images et vous rendre un fichier fini. Cette étape de rendu se déroule entièrement en dehors de la conversation.

Trois méthodes qui fonctionnent vraiment

Trois configurations permettent réellement de passer d'une conversation ChatGPT à une vidéo publiable. Le choix dépend du niveau de contrôle que vous voulez et de la durée de la vidéo finale.

Le prompt derrière ce clip est détaillé intégralement, mot pour mot, dans comment nous avons écrit le prompt d'un Short IA viral, si vous voulez voir exactement ce qui a été tapé avant le rendu.

1. Écrire le script dans ChatGPT, le coller dans un créateur de vidéos

Écrivez le script dans ChatGPT, puis collez le texte final dans un outil conçu pour transformer un script en vidéo. Il choisit les images, génère une voix, cale les sous-titres sur l'audio et produit un fichier. Deux étapes manuelles, chacune rapide. C'est la solution la plus simple pour qui n'a pas besoin d'une connexion directe entre les deux.

C'est aussi le bon choix si vous utilisez déjà ChatGPT au quotidien et ne voulez pas d'un deuxième compte juste pour une vidéo. C'est aussi la plus facile à expliquer en une phrase à un collègue, ce qui compte dès que le processus est confié à quelqu'un d'autre.

2. ChatGPT connecté à un outil vidéo

Certains outils vidéo se connectent directement à ChatGPT, sous forme d'application ou de connecteur, pour que personne n'ait à quitter la conversation. Dites « fais une vidéo verticale de 45 secondes là-dessus, avec sous-titres », et ChatGPT transmet la demande à l'outil connecté, qui prend le script, génère les images et la voix, et renvoie un fichier fini. FacelessGenie fonctionne ainsi : connectez ChatGPT à FacelessGenie une fois, et toutes les demandes suivantes restent dans la même conversation.

C'est la configuration idéale pour qui veut rester toute la journée dans une seule fenêtre : trouver des idées, rédiger, générer, sans changer de contexte. C'est aussi la façon la plus rapide d'itérer, puisque « raccourcis-la de 10 secondes » n'est que le message suivant et pas un retour sur un autre site. Le même principe de connecteur existe ailleurs : si vous utilisez surtout Claude, découvrez la version de ce côté-là dans connecter Claude à une API de vidéo faceless.

3. Format long, le plan dans ChatGPT et le reste pour un générateur

Au-delà de deux ou trois minutes, pour une vidéo explicative de style documentaire ou une vidéo YouTube plus longue, ne demandez pas tout en un seul prompt. Demandez d'abord à ChatGPT un plan partie par partie : les temps forts, la durée de chacun, l'endroit où placer un graphique ou une séquence. Donnez ensuite ce plan à un générateur de format long, partie par partie.

C'est volontairement plus lent. Une vidéo de 10 minutes laisse au rythme le temps de s'essouffler au milieu si personne ne l'a anticipé, et ce passage de planification en amont détecte le problème avant le rendu plutôt qu'après.

Du prompt à la vidéo, étape par étape

Voici à quoi ressemble concrètement la deuxième méthode, ChatGPT connecté à un outil vidéo, du premier prompt au fichier fini.

L'étape de génération vidéo est la seule qui prend vraiment du temps, et elle se déroule sur un serveur, pas dans la fenêtre de discussion. Rien ne vous empêche donc de faire autre chose pendant le rendu.

Les révisions font normalement partie de cette boucle, ce n'est pas le signe que quelque chose a planté. La première version trouve rarement la bonne voix ou le bon rythme du premier coup. Demander une deuxième version coûte un message, pas une reprise de tout le processus. D'après notre expérience, la plupart des gens demandent au moins un changement de voix avant d'arriver à la vidéo finale.

Des modèles de prompts qui marchent

Des prompts vagues donnent des résultats vagues. « Fais-moi une vidéo sur le marketing » produit un script générique et, avec Sora, un clip tout aussi générique. Des prompts précis, qui indiquent la durée, le ton, la structure et le public, donnent quelque chose d'exploitable. Deux exemples concrets :

Aucun de ces prompts ne demande « une vidéo » dans l'absolu. Chacun précise une durée, un format, un ton et un public. C'est la vraie compétence du prompt en vidéo : écrire un brief assez bon pour que celui qui le traite ensuite, humain ou IA, n'ait pas à deviner les trous.

Un prompt qui couvre ces cinq points l'emporte sur presque tout prompt plus vague, que la conversation se fasse avec ChatGPT seul ou avec un outil connecté.

• La durée, en secondes ou en minutes, jamais simplement « court » ou « long »
• Le format : vertical pour les Shorts, TikTok et les Reels, horizontal pour YouTube
• Le public, assez précis pour que le script puisse s'adresser directement à lui plutôt qu'à tout le monde à la fois
• Le ton : conversationnel, formel, urgent, calme, celui qui correspond vraiment au sujet
• Une seule action claire à faire pour le spectateur à la fin, pas trois qui se font concurrence

Les erreurs les plus courantes

La plupart des frustrations liées à la « vidéo avec ChatGPT » viennent de la même poignée d'habitudes.

• Demander une vidéo finie en un seul prompt, sans avoir décidé du script, de la durée ni du format
• Ne jamais choisir entre vertical et horizontal avant la génération, puis s'étonner que le résultat ne colle pas à la plateforme
• Oublier complètement les sous-titres, alors que la plupart des vidéos courtes sont regardées sans le son
• Attendre de Sora qu'il monte une vidéo importée au lieu de générer un nouveau clip à partir d'un prompt
• Prendre un clip Sora de 20 secondes pour l'équivalent d'une vidéo complète narrée avec voix off
• Ne jamais dire à ChatGPT à qui s'adresse la vidéo, si bien que le script semble écrit pour tout le monde et donc pour personne

Remettez l'ordre en place, le script d'abord, le format ensuite, la génération en dernier, et la plupart de ces problèmes disparaissent d'eux-mêmes.

Les deux premières erreurs de la liste causent l'essentiel des reprises. Sautez le choix du format et la génération revient en horizontal alors que la plateforme attendait du vertical, ce qui impose un recadrage qui coupe ce qui se trouvait sur les bords, souvent une main ou un logo important. Sautez le script et l'outil vidéo finit par renégocier le texte après avoir déjà fait lire la mauvaise phrase par une voix, ce qui se voit à l'écran avec un sous-titre qui ne correspond plus au narrateur deux secondes plus tard.

C'est l'une des questions les plus fréquentes que reçoit notre support sur cette étape précise : pourquoi le sous-titre ne correspond-il pas à la voix ? Presque toujours, le script a été modifié après la génération de la voix, et personne n'a relancé cette dernière étape avant l'export.

Quand rester dans ChatGPT, et quand en sortir

Restez dans ChatGPT pour tout ce qui relève encore des mots : rédiger, réécrire, trouver dix titres, vérifier qu'une accroche fonctionne vraiment comme accroche. C'est rapide, et il n'y a aucune raison d'ouvrir un autre outil pour une tâche qui ne concerne que la phrase.

Quittez ChatGPT dès que la tâche devient de l'assemblage : choisir les images, caler les sous-titres sur une voix, produire un fichier que l'on peut réellement mettre en ligne. ChatGPT n'a tout simplement jamais été conçu pour faire du rendu vidéo, et coller un script fini dans un créateur de vidéos dédié, ou connecter ChatGPT à l'un d'eux, comble cet écart sans obliger personne à apprendre deux métiers.

Une règle approximative tient la route : si le résultat se décrit encore en une phrase et que c'est du texte, ChatGPT seul suffit. Dès que la phrase a besoin de « … puis exporte-le en vidéo », il est temps de passer au deuxième outil, avec un script collé dedans ou un connecteur entre les deux.

Rien de tout cela n'est une critique de ChatGPT en particulier. Bien écrire est vraiment difficile, et il fait cette partie de façon fiable. Mais si un script vous attend dans un onglet ChatGPT en ce moment, c'est le moment de tester l'autre moitié : collez-le dans un créateur de vidéos, ou connectez ChatGPT à l'un d'eux, et voyez ce qui en ressort. Le guide complet de cette chaîne se trouve dans comment faire des vidéos avec l'IA, si une étape ci-dessus reste floue.