Monter ses vidéos avec Claude Code

Ce que Claude Code sait faire sur une vidéo, et ce qu’il ne sait pas

Claude Code est un agent qui travaille dans un terminal : il lit des fichiers, en écrit, lance des commandes et lit leurs résultats. Un logiciel de montage classique, lui, attend une main et une souris. Tout part de cet écart.

La méthode en découle : donner à Claude un texte fiable, lui faire écrire des fichiers simples, et garder l’oreille pour toi.

La méthode, en six étapes

C’est la chaîne qui monte mes vidéos, une par jour. Elle vaut pour la vidéo face-cam verticale : toi qui parles à la caméra, pour TikTok, les Reels ou les Shorts.

1. 01

   Transcrire mot à mot, sans rien nettoyer

   Chaque mot, avec son début et sa fin, hésitations et faux départs compris. C’est le seul accès de Claude à ta vidéo : une coupe, un sous-titre, un plan, tout se cale sur des mots.

   début    fin      mot
   0.412    0.598    J’ai
   0.598    0.871    cloné
   0.871    1.004    ma
   1.004    1.290    voix
   1.642    1.811    j’ai
   1.811    2.093    cloné
   …

   Trois façons de l’obtenir :

   • Whisper, en local gratuit

     Le modèle ouvert d’OpenAI, sur ton ordinateur (whisper.cpp, par exemple). Correct, mais il lisse parfois une redite, et il lui arrive d’inventer une phrase sur un silence.

   • OpenAI ou Groq, par API payant à la minute

     Rien à installer. À l’usage, la même qualité que Whisper en local.

   • ElevenLabs Scribe payant

     Le plus fidèle : les faux départs sortent marqués, les répétitions restent, rien n’est inventé sur les blancs. C’est lui qui transcrit mes vidéos aujourd’hui.

   Mon conseil : Whisper en local si tu ne veux pas payer, Scribe sinon.

   Le piège Une transcription qui « nettoie » écrit une phrase propre là où tu t’es repris trois fois. Elle cache exactement ce qu’il faut couper. Demande du verbatim, et vérifie sur une prise ratée que tes redites sortent bien.

2. 02

   Trier les prises

   En tournant, tu te reprends : un faux départ, une phrase redite trois fois, un blanc. Le son est d’abord découpé aux silences, mécaniquement. Claude, lui, tranche là où il faut comprendre ce que tu dis : entre plusieurs prises de la même phrase, laquelle garder.

   J’ai cloné ma voix j’ai cloné ma voix j’ai cloné ma voix pour en j’ai cloné ma voix pour faire une J’ai cloné ma voix pour faire une vidéo full automatisée.

   Il ne touche pas à la vidéo. Il écrit une liste de passages à retirer, en secondes :

   début      fin
   0.000      1.318
   3.487      13.263
   15.299     56.773
   …

   • Dans une phrase, un blanc court reste : c’est une respiration, pas un trou. Plafonne-le (un tiers de seconde après une virgule, un quart sinon) : au-delà, c’est un temps mort. Entre deux phrases, le blanc part.
   • Un passage douteux ne se tranche pas en silence : Claude le signale, et c’est toi qui décides.

   Le piège Ne demande pas à Claude de « couper la vidéo ». Demande-lui la liste des coupes. Une liste se relit, se corrige et se rejoue. Une vidéo déjà coupée, non.

3. 03

   Couper avec ffmpeg, toujours depuis le rush

   ffmpeg garde les passages entre les coupes et les colle bout à bout. Le montage n’est jamais un fichier qu’on retouche : c’est une liste de passages gardés, rejouée depuis le rush à chaque rendu. Une coupe en plus, c’est une ligne qui change.

   $ ffmpeg -i rush.mp4 -filter_complex "
     [0:v]trim=1.318:3.487,setpts=PTS-STARTPTS[v0];
     [0:a]atrim=1.318:3.487,asetpts=PTS-STARTPTS[a0];
     [0:v]trim=13.263:15.299,setpts=PTS-STARTPTS[v1];
     [0:a]atrim=13.263:15.299,asetpts=PTS-STARTPTS[a1];
     [v0][a0][v1][a1]concat=n=2:v=1:a=1[v][a]
   " -map "[v]" -map "[a]" coupe.mp4

   Les pièges La précision se joue à l’image. La règle qui tient : une image est coupée si son centre tombe dans la coupe. Et un mot est borné plus serré qu’on ne l’entend : le son commence un peu avant, s’éteint un peu après. Couper pile aux bornes du mot laisse un bout de son de chaque côté. Il faut élargir la coupe jusqu’au silence, lu dans la forme d’onde.

4. 04

   Sous-titrer au mot près

   Le transcript donne déjà l’instant de chaque mot. Claude en tire un fichier de sous-titres (au format ASS), choisit les mots à mettre en avant, et ffmpeg l’incruste dans l’image.

   [v]ass=subs.ass[vout]

   Le piège Chaque coupe décale tout ce qui suit. Les sous-titres ne se corrigent pas à la main : ils se recalculent depuis les mots gardés, à chaque fois.

5. 05

   Poser les visuels depuis un catalogue

   Le titre du haut dès la première image, celui que la grille du profil montre, des plans illustrés posés sur ce que tu dis : schémas, captures, textes. Claude écrit une liste de plans : quelle mise en page, sur quelle phrase. Avant le rendu, il vérifie l’ensemble sur une planche d’images fixes, ce qu’il sait regarder.

   Le piège Un agent laissé libre invente des effets, différents à chaque vidéo. Donne-lui un catalogue de mises en page : plein écran, bulle, décor, écran partagé. Chaque mise en page a ses règles : où va le visuel, où passent les sous-titres, où reste ton visage.

6. 06

   Rendre, puis contrôler

   Une version TikTok, une version Instagram, la musique. Puis une série de contrôles automatiques : si l’un échoue, rien n’est livré. Compte six à huit minutes de rendu sur les dernières vidéos.

   Le piège Un agent annonce « c’est fait » de bonne foi. Ce n’est pas à lui de le dire : ce sont des contrôles écrits une fois pour toutes, qui passent ou qui bloquent.

Un exemple réel

Une vidéo du défi, celle de la capture ci-dessus, du rush au rendu.

Ce qu’il te faut pour commencer

Tout ce qui précède se monte avec des outils que tu as peut-être déjà. Compte du temps : les pièges de ce guide se découvrent une vidéo à la fois.

• Claude Code : avec un abonnement Claude. C’est lui qui lit, décide et écrit les fichiers.
• ffmpeg, avec libass : sans libass, pas de sous-titres incrustés. Sur Mac, la formule ffmpeg-full de Homebrew l’a.
• Une transcription mot à mot : Whisper en local ou Scribe, voir l’étape 1.
• Un endroit pour écouter une coupe avant de rendre : c’est la pièce qui manque le plus vite. Un lecteur qui saute les passages coupés suffit pour commencer.
• Des contrôles écrits une fois pour toutes : durée, sous-titres, son : ce qui doit passer avant de livrer.

Commence petit : un rush, une transcription, une liste de coupes, un rendu. Les sous-titres et les visuels viennent après, quand la coupe tient.

Ce qu’on en a fait : Pif Paf Cut

Cette méthode, on l’a poussée trois crans plus loin. Avec Pif Paf Cut, la chaîne est déjà construite et tourne chez nous : tu déposes tes rushs, tu lances les vidéos que tu veux, on s’occupe du reste.

• La transcription. ElevenLabs Scribe, compris : pas de compte à ouvrir chez eux, pas d’abonnement à prendre.
• Le tri et le montage. Le découpage aux silences, les coupes, les sous-titres, le rendu TikTok et Instagram tournent sur nos machines.
• Ton Claude ne fait que juger. Il trie les prises en lisant du texte, par un connecteur. Ça use bien moins ton abonnement que de tout faire faire à Claude Code.
• Les deux portes, dans une app. Écouter la version coupée, relire le montage, au bureau ou au téléphone.

# une ligne pour brancher le connecteur
$ claude mcp add --transport http pifpafcut \
    https://app.pifpafcut.com/api/mcp \
    --header "x-api-key: ppc_…"

› trie les prises de la vidéo Terraform
› rends la vidéo Terraform

Où en est le produit. Pif Paf Cut ouvre sur invitation et tourne aujourd’hui sur les vidéos d’un seul créateur. La passe visuelle se lance encore depuis Claude Code, sur l’ordinateur où la chaîne est installée ; la publication, ton Claude la programme avec Nadia, par les connecteurs. Le détail, étape par étape : où en est le produit.

Les fonctionnalités Brancher ton Claude Le parcours d’une vidéo Le Check audio Demander un accès

Questions fréquentes