Prompt window peeper : 5 prompts à copier-coller pour les outils vidéo IA

Si vous payez déjà pour un modèle vidéo IA généraliste, vous n’avez pas besoin d’un site window peeper dédié. Il vous faut un prompt qui produise les cinq temps de façon fiable. C’est plus difficile qu’il n’y paraît, parce que le format repose sur un minutage précis : un travelling avant de quatre secondes, un regard fixe qui dure trop longtemps, un rideau qui ferme la scène.

Voici les prompts que nous utilisons pour tester les modèles, en version texte vers vidéo et image vers vidéo, avec les réglages et les modes d’échec qui comptent.

Avant les prompts : les cinq temps

Chaque prompt doit encoder la même structure. Si vous ne retenez qu’une chose, retenez cet ordre :

1. Plan large, extérieur de nuit : un immeuble, une fenêtre allumée.
2. Travelling avant lent : la caméra dérive vers la fenêtre, sans coupe.
3. La personne qui mange : visible à travers la vitre, inconsciente.
4. Le regard qui se lève : elle remarque l’objectif, se fige en pleine mastication, soutient le regard.
5. Le rideau : tiré d’un seul geste, la scène s’arrête.

Les modèles qui réussissent 1 à 3 et sautent 4 et 5 produisent de l’ambiance, pas la tendance. Demandez le regard fixe explicitement, dans sa propre phrase, avec une durée.

Prompt 1 : la base (texte vers vidéo)

À utiliser sur tout modèle qui accepte les prompts longs. Il est volontairement plat : les adjectifs rendent les modèles artistiques, et cette scène ne doit pas être artistique.

Vidéo verticale 9:16, 14 secondes. Extérieur de nuit d’un immeuble
ordinaire de six étages, filmé depuis l’autre côté d’une rue sombre.
La plupart des fenêtres sont éteintes ; une fenêtre du deuxième étage
est éclairée d’une lumière chaude. La caméra avance lentement vers cette fenêtre
en quatre secondes, sans coupe, caméra à l’épaule mais stable.
À l’intérieur, une personne est assise à une petite table et mange un
burger, vue à travers la vitre. Elle lève les yeux, remarque la caméra,
arrête de mâcher et fixe l’objectif sans bouger pendant quatre secondes.
Elle pose le burger, tend le bras et tire un rideau devant la fenêtre.
La vidéo se termine sur le rideau fermé. Réalisme documentaire, lumière
naturelle de fenêtre, pas de musique, pas de texte.

Pourquoi ça marche : l’indication de caméra (« en quatre secondes, sans coupe ») empêche le modèle de couper, ce qui est l’échec le plus courant. Le regard fixe a sa propre durée. La fin est une action physique, que les modèles gèrent mieux qu’une ambiance.

Prompt 2 : image vers vidéo (votre photo)

C’est la version qui met une personne précise dans la fenêtre. Envoyez un portrait de face comme référence, puis utilisez :

La personne de la photo de référence est assise à une table dans une
pièce à la lumière chaude, la nuit, vue de l’extérieur à travers une
fenêtre. Elle mange un burger. Caméra : plan extérieur de nuit d’un
immeuble, une fenêtre allumée, travelling avant lent vers la fenêtre,
sans coupe. La personne lève les yeux vers la caméra, se fige en pleine
mastication et soutient le regard quatre secondes. Puis elle tire un
rideau. Conservez exactement le visage, les cheveux et les vêtements de
la photo de référence. Vertical 9:16, 14 secondes, réaliste, pas de
texte, pas de musique.

C’est la formule « conservez exactement le visage, les cheveux et les vêtements de la photo de référence » qui fait tout le travail. Sans elle, les modèles image vers vidéo dérivent vers un visage générique en deux secondes.

Prompt 3 : le regard fixe long (version comique)

Si le modèle coupe toujours trop tôt, isolez le milieu :

Plan extérieur serré à travers une fenêtre éclairée, la nuit. Une
personne mange, voit la caméra, arrête de mâcher et fixe l’objectif.
Le regard fixe dure six secondes. Son expression ne change pas. Léger
flottement à l’épaule. Pas de coupe, pas de zoom, aucune réaction de la
caméra. La vidéo se termine alors qu’elle regarde encore.

Ce n’est pas la tendance complète, mais ce sont ses six secondes les plus drôles, et c’est bien plus facile à générer pour un modèle qu’un arc en cinq temps. Certains créateurs publient cette version et ajoutent le rideau en coupe au montage.

Prompt 4 : la fin au rideau

Le temps le plus difficile. Les modèles adorent fondre au noir au lieu de fermer un rideau.

Intérieur, nuit, lumière chaude de lampe. Une personne est assise à une
table avec un burger à moitié mangé et regarde vers la caméra. Elle se
lève à peine, tend le bras vers la droite, attrape un rideau en tissu et
le tire devant la fenêtre d’un seul mouvement continu. L’image se
termine remplie par le tissu du rideau. Pas de fondu au noir, pas de
coupe.

Dites « pas de fondu au noir » explicitement. Sinon, vous obtiendrez un fondu enchaîné, qui se lit comme un autre genre.

Prompt 5 : la scène alternative

Pour varier, quand le burger a été exploité jusqu’à l’épuisement :

Vertical 9:16, extérieur de nuit d’un petit immeuble. Une fenêtre
allumée. Travelling avant lent. À l’intérieur, une personne en peignoir
se tient devant un réfrigérateur et mange directement dans un récipient.
Elle remarque la caméra, se fige, fixe l’objectif quatre secondes, puis
baisse le store. Réaliste, caméra à l’épaule, pas de texte, pas de
musique.

Les mêmes cinq temps, un autre accessoire. Le format survit à l’échange ; la blague, c’est le regard, pas la nourriture.

Les prompts négatifs qui comptent

La plupart des modèles acceptent un champ négatif. Voici ceux qui valent la peine d’être ajoutés :

texte, sous-titres, filigrane, logo, dessin, anime, sursaturé,
éclairage de studio, coupe, flou de zoom, sourire à la caméra, salut de
la main, plusieurs personnes, doigts en trop

Deux méritent une explication :

• « sourire à la caméra » : les modèles partent par défaut sur de l’amabilité. La blague exige un visage impassible ; un sourire la transforme en vlog.
• « coupe » : sans ça, le modèle coupera volontiers vers un autre angle, ce qui détruit l’illusion du plan unique dont dépend le format.

Les réglages qui décident du résultat

Le conseil sur la seed est la chose la plus utile de cette page. Si un rendu est juste à 90 % (bon immeuble, bon regard, mauvais rideau), gardez la seed et changez une clause. Tout relancer de zéro, c’est comme ça qu’on y perd un après-midi.

Pourquoi le prompt reste plus dur qu’un préréglage

Trois problèmes structurels qu’aucun prompt ne corrige :

1. Les modèles ne comptent pas les secondes. « Quatre secondes » est une indication, pas une consigne. Vous en aurez deux, ou sept.

2. La cohérence du visage se dégrade. L’image vers vidéo tient un visage quelques secondes ; à la dixième, la référence pèse moins. La fenêtre rétrécit à mesure que la caméra avance, ce qui masque commodément le problème, mais pas toujours.

3. Cinq temps en une seule génération, c’est beaucoup demander. Chaque temps est une occasion de rater, et les échecs se cumulent. C’est pour ça que les outils dédiés découpent le travail : la scène est une chaîne fixe, et votre photo est la seule variable.

Si vous voulez écrire des prompts, écrivez-en. C’est un vrai plaisir quand ça marche, et un bon prompt sur un bon modèle bat un préréglage sur la composition. Mais prévoyez des nouvelles tentatives : trois à huit générations sont normales pour un arc en cinq temps propre.

Le prompt face à un outil photo vers vidéo

Le prompt gagne en souplesse. Le préréglage gagne en fiabilité. Pour un clip destiné à un groupe de discussion ce soir, le préréglage est le choix rationnel ; pour une fenêtre sous la pluie avec deux personnes et un chat, il vous faut le prompt.

Questions fréquentes

Quel est le meilleur prompt pour la tendance window peeper ? Le prompt 1 ci-dessus, en gardant la durée du regard fixe et la consigne « sans coupe ». Ces deux clauses corrigent la plupart des échecs.

Puis-je utiliser une photo avec un modèle texte vers vidéo ? Seuls les modèles image vers vidéo acceptent une référence. Avec un modèle texte seul, vous décrivez une personne, et ce ne sera pas vous.

Combien de secondes doit durer le regard fixe ? Quatre dans un clip de 14 s. Six si vous isolez le regard comme publication à part.

Pourquoi mon rendu sourit-il tout le temps ? Parce que « personne qui mange » est, dans la plupart des données d’entraînement, une scène agréable. Ajoutez « impassible, ne sourit pas » et mettez « sourire à la caméra » dans le champ négatif.

Faut-il un modèle précis ? Non. Les prompts sont écrits pour des modèles généralistes ; les résultats varient plus selon la rigueur du prompt que selon la marque.

Peut-on demander un immeuble précis ? Vous pouvez le décrire, mais vous n’obtiendrez pas un lieu réel. Pour un bâtiment reconnaissable, il faut le filmer.

---

Si vous préférez éviter les nouvelles tentatives, une photo et quatre minutes vous donnent les mêmes cinq temps. Pour comprendre ce que fait chaque temps avant d’écrire votre propre prompt, lisez l’analyse de la tendance.