Avatar IA (présentateur virtuel)

L'accroche et l'intro

• L'avatar parle dès la 1re image, sans intro : question ou bénéfice direct (« Vous perdez des clients sur WhatsApp ? Voici 3 solutions. »).
• Cadrer serré (plan poitrine) au début pour capter l'attention, puis alterner avec des visuels.
• Afficher un élément visuel fort dans les 3 premières secondes (chiffre, image produit) pour ne pas reposer uniquement sur l'avatar.
• Mention « présentateur généré par IA » visible dès le début (bandeau ou lower-third).

La structure

• 0-3 s : accroche de l'avatar + visuel clé.
• 3-10 s : présentation du sujet (et de l'avatar si nécessaire : « Je suis l'assistante virtuelle de … »).
• 10-60 s : 3 points maximum, chacun avec un visuel de support (capture, B-roll, schéma) ; l'avatar à l'écran 40-60 % du temps.
• 60-75 s : récapitulatif en 1 phrase + visuel de synthèse.
• 75-90 s : CTA de l'avatar + écran de fin.

Le ton et le style

• Clair, posé, pédagogique ; phrases courtes (10-15 mots) : les voix de synthèse sont plus naturelles sur des phrases simples.
• Avatar habillé et cadré selon l'image de la marque (tenue professionnelle, boubou ou tailleur selon la cible) ; décor sobre ou fond de marque.
• Éviter le « faux humain » gênant : assumer l'avatar, l'habiller de graphismes, ne pas le faire passer pour une vraie personne.
• Style « JT » ou « formateur » selon l'usage.

L'habillage et les textes

• Lower-third avec le nom de l'avatar et la mention « Avatar IA » (ex. « Awa : assistante virtuelle IA ») 3-4 s au début.
• Mots-clés à l'écran (60-80 px en vertical, 50-60 px en 16:9) qui renforcent chaque point.
• Fond de marque ou décor virtuel aux couleurs du client ; logo permanent discret en haut.
• Schémas, listes numérotées et captures d'écran animés pour la formation.

La fin et l'appel à l'action

• L'avatar formule un CTA unique et précis : « Écrivez-nous “FORMATION” sur WhatsApp au … ».
• Écran de fin 3-5 s : logo, contact, QR code.
• Formation : annoncer le module suivant.
• Mention finale : « Vidéo réalisée avec un présentateur généré par IA ».

Le matériel

• Entrée de gamme : avatars de catalogue et voix standards dans HeyGen, Synthesia, D-ID ou Captions (abonnement), CapCut pour le montage.
• Pro (avatar personnalisé) : tournage de la personne à cloner en 4K 25 ips sur hybride (Sony FX30/A7 IV), objectif 35-50 mm, trépied, micro cravate (DJI Mic 2, Sennheiser EW-D), 2 panneaux LED + fond uni ou fond vert.
• Voix : clonage vocal professionnel (ElevenLabs, fonctions de voix des plateformes d'avatars) à partir de 30 min à 2 h d'enregistrements propres, avec consentement.
• Montage : Premiere Pro, DaVinci Resolve ou CapCut ; After Effects pour les graphismes.
• Connexion stable (les rendus se font dans le cloud) et onduleur pour le poste de travail.

Plans et cadrage

• Tournage de l'avatar personnalisé : plan poitrine à plan taille, caméra à hauteur des yeux, regard dans l'objectif, sujet au centre (ou au tiers si décor à droite).
• Enregistrer 2-5 min selon la plateforme : parler naturellement, gestes modérés et répétitifs, pauses bouche fermée de 2-3 s, pas de mains devant le visage.
• Prévoir plusieurs tenues/cadrages (plan serré et plan taille) pour varier les vidéos.
• Au montage : alterner avatar plein écran, avatar en incrustation (picture-in-picture) sur un visuel, et plans de visuels seuls.
• Vertical : avatar dans le tiers inférieur-central, textes au-dessus.

La lumière

• Tournage de l'avatar : lumière douce et homogène (2 softboxes à 45°, 5600K), contre-jour léger pour détacher, aucune ombre qui bouge.
• Éviter la lumière naturelle changeante (nuages, soleil qui tourne) : la plateforme exige une image stable.
• Peau : exposer correctement les carnations foncées (pas de sous-exposition), éviter les reflets brillants (poudre matifiante).
• Fond vert éclairé séparément et uniformément si incrustation prévue.

La prise de son

• Pour le clonage vocal : micro cravate ou micro de studio, pièce sans écho ni bruit (climatiseur et ventilateur coupés), 48 kHz / 24 bits, crêtes -12 à -6 dB.
• Enregistrer la voix dans les langues visées (français, wolof…) : un clone entraîné en français parle mal wolof.
• Le wolof et d'autres langues nationales sont peu ou mal pris en charge par la plupart des outils : tester, sinon faire enregistrer la voix par un comédien puis utiliser la synchro labiale sur cet audio.
• Room tone 30 s et prise de la déclaration de consentement vidéo exigée par la plateforme.

La mise en scène

• Consentement : autorisation écrite et signée de la personne clonée (image + voix), précisant usages, durée, langues, territoires, rémunération et droit de retrait ; les plateformes exigent en plus une vidéo de consentement.
• Ne jamais créer l'avatar d'une personne sans son accord (dirigeant, célébrité, employé parti) ; au Sénégal, visage et voix sont des données personnelles (loi n° 2008-12, CDP).
• Écrire le script pour l'oral : phrases courtes, chiffres écrits en lettres si la voix les lit mal, orthographe phonétique pour les noms locaux (ex. « Tivaouane », « Ziguinchor »).
• Faire valider chaque script par la personne clonée ou le client avant génération (c'est « sa » bouche qui parle).
• Transparence : informer le public que le présentateur est une IA.

Astuces de tournage

• Tournage de l'avatar en 25 ips, 1/50 s, 4K, balance des blancs manuelle, mise au point manuelle sur les yeux, stabilisation OFF sur trépied.
• Pas de bijoux qui brillent, pas de vêtements à fines rayures (moiré) ni de couleur proche du fond vert.
• Régler dans l'outil : vitesse de la voix 0,9-1,0×, pauses (balises de pause de 0,3-0,8 s), prononciation personnalisée des noms.
• Générer d'abord 15-20 s pour tester voix et synchro avant la vidéo complète (économie de crédits).
• Découper les longs scripts en segments de 30-60 s : plus faciles à corriger sans tout régénérer.

Les pistes de la timeline

• 7 à 9 pistes au total.
• V1 : fond/décor et B-roll ; V2 : avatar (plein écran ou incrustation détourée) ; V3 : captures, schémas, visuels de support ; V4 : textes, mots-clés, lower-third « Avatar IA » ; V5 : logo et écran de fin.
• A1 : voix de l'avatar ; A2 : SFX (pops, clics) ; A3 : musique.
• Exporter l'avatar sur fond vert ou transparent (WebM/ProRes 4444) quand l'outil le permet pour la composition.

Le rythme et les coupes

• Changer de visuel toutes les 3-5 s (l'avatar seul devient monotone au-delà de 8-10 s).
• Couper dans les pauses de la voix ; supprimer les silences trop longs générés.
• Punch-in (100 → 115 %) sur l'avatar pour marquer un point important.
• Formation : rythme plus lent (visuels de 5-8 s) pour laisser lire.

Transitions et effets

• Coupes franches et transitions de marque simples (glissement, fondu 0,3 s).
• Avatar en incrustation avec coins arrondis ou détourage propre, ombre portée légère.
• Animations de texte sobres (apparition mot par mot) ; éviter les effets qui déforment le visage de l'avatar.
• Pas de gros plan extrême sur la bouche : les défauts de synchro se voient.

Le sound design

• Pops légers (-20 dB) à l'apparition des mots-clés et des visuels.
• Clics ou « swipe » (-18 dB) sur les changements de diapositive/visuel.
• Ambiance de pièce très légère (-35 dB) sous la voix de synthèse pour la rendre moins « sèche ».
• Réverbération très courte (pièce, 0,3 s, 5-10 % mix) sur la voix si elle paraît trop artificielle.

La musique

• Corporate, lo-fi, pop légère ou afro-pop instrumentale, 90-110 BPM.
• Ducking -22 à -26 dB sous la voix (les voix de synthèse sont moins dynamiques, la musique doit rester discrète).
• Musique plus présente (-16 dB) sur l'intro et l'écran de fin uniquement.
• Droits : YouTube Audio Library, Artlist, Epidemic Sound.

Les sous-titres

• Sous-titres systématiques (beaucoup regardent sans le son) : générés depuis le script exact, donc sans faute.
• Réseaux : dynamiques mot par mot, 60-80 px, 2-4 mots par ligne ; formation : classiques 2 lignes, 44-50 px.
• Vertical : zone de sécurité ≈ 900×1400 px, sous-titres au-dessus du visage de l'avatar ou juste en dessous du menton.
• Versions multilingues : même vidéo en français, anglais, voire wolof/pulaar (voix humaine + synchro) avec sous-titres de la langue correspondante.

L'étalonnage

• Corriger l'avatar pour qu'il colle au décor (température, contraste, niveau de noir).
• Tons chair naturels : vérifier au vectorscope, corriger les avatars trop « lissés » ou grisâtres.
• Harmoniser avec les B-roll réels ; look propre et neutre (Rec.709), pas de look cinéma marqué.
• Grain très léger (2-3 %) pour réduire l'aspect « trop parfait » si l'avatar est intégré à des images réelles.

Mixage et export

• Voix -14 LUFS intégré (réseaux/YouTube), -16 LUFS pour les plateformes e-learning, true peak -1 dBTP.
• Export 1920×1080 ou 1080×1920, 25 ips, H.264 8-10 Mbps ; version légère 720p 2-3 Mbps pour WhatsApp et connexions faibles.
• Formation : fichiers SRT séparés + export SCORM/MP4 selon la plateforme.
• Archiver script, version de la voix et consentement associé à chaque vidéo.

Titre et miniature

• Titre orienté bénéfice : « 3 erreurs qui font fuir vos clients sur WhatsApp (en 60 s) ».
• Miniature : avatar expressif + 3-4 mots + badge de la marque ; ne pas faire passer l'avatar pour une personne réelle.
• Description : résumé, liens, mention « présentateur généré par IA ».
• Tags : formation, tutoriel, thème, marque.

La publication

• Étiquette IA activée sur YouTube/Meta/TikTok si l'avatar est réaliste.
• Série régulière (1 vidéo par semaine, même avatar, même format) : l'avatar devient une « mascotte » reconnaissable.
• Diffusion interne : envoyer via WhatsApp/Teams avec version courte + lien vers la version complète.
• Décliner chaque vidéo en 2-3 langues à coût marginal faible.

• Cloner une personne sans consentement écrit et vidéo, ou continuer à utiliser son avatar après son départ.
• Cacher que c'est une IA : perte de confiance, sanction des plateformes.
• Avatar seul à l'écran pendant 2 min : ennui garanti.
• Mauvaise prononciation des noms locaux et du wolof non vérifiée.
• Script écrit comme un texte (phrases longues) : voix monotone.
• Synchronisation labiale visible en gros plan ou en format trop long.