Une vidéo d’une minute a coûté 70 yuans à mon patron ! J’ai demandé à Codex de monter un workflow vidéo Opus 5.5 en une seule phrase

En une phrase : je n’ai quasiment pas écrit de code. J’ai juste exprimé mes besoins à Codex, validé les exécutions et corrigé le cap, et j’ai fini avec un workflow vidéo Opus 5.5 en une seule phrase. Le résultat est bluffant, mais la facture ne l’est pas moins.

Je me suis lancé dans un truc franchement addictif : j’ai demandé à Codex de reproduire un workflow vidéo. Je tape une phrase de brief, et Opus 5.5 se charge tout seul de la planification, du code d’animation, de la musique d’accompagnement, des vérifications et des corrections, puis exporte un MP4.

Quand la vidéo est sortie, j’étais ravi. Et puis j’ai jeté un œil aux coûts. Pour une vidéo d’environ 1 minute, mes relevés indiquent 9,4943 dollars de frais de modèle, soit environ 70 yuans. Heureusement, c’est le patron qui paie.

Tout ce qui suit (la mise en place, la consommation de quota et les coûts) vient de mon propre run, y compris la fois où Codex est parti dans la mauvaise direction dès le premier essai.

Aide-mémoire des termes du workflow vidéo Opus 5.5 (à connaître)

Nous allons réutiliser ces mots un peu plus loin. Autant poser le vocabulaire tout de suite, pour éviter de s’y perdre en cours de lecture.

01 Je tombe sur une vidéo Opus 5.5 sur Bilibili, et j’ai soudain envie d’en faire une moi aussi

Tout est parti d’un détail. Il y a quelque temps, en faisant défiler Bilibili, je suis tombé sur une vidéo réalisée avec Opus 5.5. Le fil narratif était limpide, les images agréables à regarder, l’esthétique globale au rendez-vous. Contrairement aux premières vidéos d’IA, qui n’étaient qu’un empilement de plans spectaculaires, celle-ci racontait vraiment quelque chose.

Je me suis tout de suite dit que ce format était idéal pour la gestion de contenu et la marque personnelle. Si l’IA peut gérer toute seule la conception, les visuels, la voix off et le montage, la barrière d’entrée baisse énormément. C’est particulièrement vrai pour les contenus pédagogiques ou spécialisés, qui demandent des explications claires sans que l’on ait forcément envie de passer devant la caméra.

À partir de là, impossible de rester tranquille : si d’autres y arrivent, je dois pouvoir monter ma propre chaîne de production.

02 Je n’ai dit qu’une chose à Codex : « Je veux la même que lui, fais-moi ça »

Je n’avais aucune intention de me plonger dans les moteurs d’animation, les pipelines de rendu ou le traitement audio, et encore moins d’écrire un système vidéo complet. J’ai donc balancé mon objectif directement à Codex, avec à peu près ces mots : « Je veux la même que lui, fais-moi ça ».

Ensuite, c’est Codex qui a fait le gros du travail :

• Chercher des tutoriels, lire la documentation et le code source du projet de référence
• Installer Node.js, Python, FFmpeg et les autres dépendances, puis configurer l’environnement local
• Relier entre eux les outils de rendu, de son, de sous-titres et de vérification
• Lancer les tests et corriger lui-même les erreurs rencontrées

De mon côté, je me contentais d’exprimer mes besoins, de valider la direction et de cliquer sur « approuver » quand il voulait exécuter une commande. Plus que de la construction, j’avais le rôle d’un client peu technique mais qui sait très bien ce qu’il veut.

La première fois, Codex a mal construit le workflow vidéo Opus 5.5

Tout ne s’est pas passé comme prévu. Ce que Codex a d’abord construit était un poste de travail du type « le modèle génère le storyboard + des modèles d’animation figés ». Opus ne pouvait que remplir des textes et des paramètres dans des gabarits prédéfinis. Ça fonctionnait, mais cela bridait complètement sa marge de création, et le résultat n’avait rien à voir avec ce que j’avais vu sur Bilibili.

J’ai alors changé de méthode. Au lieu de répéter « je veux un truc beau comme ça », je lui ai demandé de s’appuyer sur un cas déjà réussi. Codex est allé relire le récit de fabrication de Ploto et a choisi comme base le projet open source qui y est mentionné, Lemo-Opuscar. C’est là que la direction est enfin devenue la bonne.

💡 La leçon la plus utile à retenir : quand on confie une tâche complexe à un agent, lui fournir directement un exemple concret et abouti fonctionne souvent bien mieux que d’expliquer encore et encore ce que l’on veut.

Monter le workflow vidéo Opus 5.5 a d’abord englouti 80 % de mon quota Codex

Une fois le tout installé, j’ai constaté que Codex avait consommé environ 80 % du quota de la fenêtre de cinq heures de mon abonnement ChatGPT Plus de l’époque.

03 Au final, qu’est-ce que ce workflow vidéo Opus 5.5 que j’ai monté ?

Commençons par clarifier les trois rôles. En lisant « Codex met en place un workflow Opus », beaucoup de gens imaginent deux modèles qui fabriquent la vidéo ensemble. En réalité, ils interviennent à deux étapes bien distinctes :

La base, Lemo-Opuscar, est une boîte à outils de styles pour « générer des films avec du code ». Elle répartit la méthode de réalisation, l’implémentation technique et le style visuel dans différents guides, et l’agent crée en suivant ces guides. Le projet embarque une bibliothèque de styles utilisables directement, et il est aussi possible de créer le sien. Il précise clairement que ces styles ont été optimisés pour Claude Opus 5.5, et qu’avec un autre modèle, on n’obtiendra pas forcément le même résultat. D’après la documentation de la version installée sur ma machine, la réalisation d’un film demande généralement à l’agent environ 30 à 60 minutes d’exécution, et consomme un volume de tokens non négligeable. Je n’y avais pas prêté attention sur le moment, et je n’ai compris qu’en voyant la facture.

Le workflow vidéo Opus 5.5, ce n’est pas de l’« IA qui génère directement une vidéo »

C’est le point qui prête le plus à confusion. Il ne s’agit pas d’appeler un modèle de génération vidéo : on ne tape pas une phrase pour qu’il crache une séquence. Selon la documentation technique du projet, le film est fabriqué par du code, sans modèle de génération vidéo et sans images d’archives. Concrètement, Opus écrit le code des visuels et des animations dans une page web, le navigateur capture chaque image à des instants précis, puis l’image et le son sont assemblés en vidéo.

Voici la chaîne d’outils en bref :

• Node.js + Canvas/WebGL : exécute le code visuel écrit par Opus et dessine les animations au fil du temps
• Navigateur headless Playwright : ouvre la page d’animation et capture les images une à une
• Kokoro : synthèse vocale en chinois en local, non utilisée ici puisque ma vidéo n’a pas de voix off
• Whisper : quand il y a une voix off, retranscrit l’audio en texte pour vérifier phrase par phrase
• Python : voix off, vérifications, effets sonores et musique
• FFmpeg : encodage, mixage et assemblage de la vidéo finale

Cette approche a un avantage : image, musique, sous-titres et effets sonores partagent la même ligne temporelle, ce qui permet d’aligner les changements de plan sur les événements sonores. Côté prérequis, le projet demande Node.js 20+, FFmpeg 7+ et Python 3.11+, avec une sortie par défaut en 1920×1080 à 24 fps. Pour ma part, j’ai tourné en 30 fps.

04 Une phrase, et le workflow vidéo d’Opus 5.5 se met au travail tout seul

Une fois en place, l’utilisation est très simple. Voici le déroulement général :

1. Je saisis une phrase pour dire à Opus quelle vidéo je veux
2. Opus planifie, écrit le script et conçoit les plans de manière autonome
3. Production visuelle : il écrit le code d’animation, crée les effets visuels et les mouvements de caméra
4. Production sonore : musique, effets sonores, sous-titres ; si une narration est nécessaire, il fait appel à la synthèse vocale
5. Extraction d’images clés pour vérifier le visuel et le son, avec correction automatique en cas de problème
6. Rendu image par image, assemblage et export en MP4

La partie voix off a eu droit à un petit épisode. L’interface chinoise hors ligne par défaut du projet produit bien du son, mais lors de la première vérification avec Whisper, la transcription était très éloignée du texte d’origine. En s’appuyant sur l’exemple chinois fourni par l’auteur du moteur Kokoro, Codex a ajouté le modèle chinois v1.1 et le frontal de prononciation chinoise Misaki. Après ces ajustements, les deux phrases de test en chinois ont passé la validation, sans qu’il soit nécessaire de basculer vers une voix off en ligne. C’est une capacité du système, mais je ne l’ai pas utilisée pour les huit films réalisés cette fois-ci.

Le workflow final propose deux points d’entrée :

À noter : le « une phrase » n’est qu’une simplification au niveau de l’interaction. En coulisses, il y a toujours de multiples appels à Opus, des exécutions d’outils et des retouches à répétition, et la consommation de tokens n’en est pas réduite pour autant.

05 Une fois le workflow vidéo d’Opus 5.5 lancé pour de bon, j’ai été un peu surpris

Pour mon premier vrai essai, j’ai choisi un sujet plutôt ardu : la présentation des « huit portes » (八门) de Qimen Dunjia, un art divinatoire traditionnel chinois. Le cahier des charges : environ 1 minute, 1920×1080, 30 images par seconde, sans voix off. Dans ses notes d’exécution, Opus proposait une approche « sous-titres façon colophon + musique de guqin ». Le fichier de crédits du répertoire du projet précise aussi que tout le son de cette vidéo est synthétisé par du code : aucun enregistrement, aucune voix humaine.

Le résultat m’a vraiment surpris. Le plus frappant, ce sont les caractères chinois : nets, bien alignés, bien meilleurs que ce que j’attendais. Quand les éléments techniques comme les palais, les étoiles volantes ou les hexagrammes apparaissent, je m’attendais à retrouver les défauts des premières vidéos générées par IA : des motifs brouillés, des caractères mal écrits ou déformés. Rien de tout ça, la mise en page est propre et soignée.

Le sens esthétique est aussi au rendez-vous. Un fond façon peinture à l’encre de Chine, des sous-titres de style colophon, du guqin en musique de fond : l’ensemble est sobre, ample, et colle parfaitement au sujet. Ce que j’ai ressenti, ce n’est pas seulement que « l’IA sait générer des images », mais qu’elle semble savoir comment ce genre de contenu doit être représenté.

06 Puis j’ai jeté un œil au coût du workflow vidéo d’Opus 5.5 : une minute, 9,4943 dollars

Je suis allé regarder ce que ça avait coûté.

Avec un taux d’exemple d’environ 7,3 yuans pour 1 dollar, ça fait à peu près 70 yuans.

Voici ce que j’en pense vraiment : le résultat est vraiment bon, mais 70 yuans pour une minute de vidéo, rien que pour la production, ce n’est clairement pas donné. Si la vidéo est publiée sans rien rapporter, ni trafic, ni abonnés, ni retombées commerciales, alors c’est de l’argent perdu.

Les forfaits Claude et la facturation à l’usage de l’API : deux structures de coûts différentes

Je suis retourné consulter la documentation officielle d’Anthropic : les mécanismes de facturation des deux options sont bel et bien différents.

On ne peut donc pas dire simplement que l’API coûte forcément plus cher que le forfait, ni que le forfait permet de tourner sans limite. Le forfait convient sans doute mieux à des workflows réguliers et volumineux ; l’avantage de l’API, c’est qu’on sait précisément combien chaque appel a coûté. Ce qui est le plus rentable dépend de votre volume d’utilisation réel et de votre fréquence de production. Le mieux est de comparer à partir de données réelles collectées sur une certaine période.

💰 Conseil de suivi des dépenses : si vous optez pour la facturation à l’usage, pensez à vérifier le détail dans la console APIYI (apiyi.com) après chaque vidéo produite, et notez en parallèle le sujet traité et le nombre de tours de retouches. Au bout de quelques vidéos, vous pourrez estimer votre fourchette de coût par vidéo.

Envie de tester à petit budget ? Commencez par évaluer seul les capacités de planification d’Opus 5.5

Si vous n’avez pas encore décidé de monter toute la chaîne, vous pouvez dépenser très peu : un seul appel à Opus 5.5 suffit pour juger la qualité de ses storyboards et regarder la consommation de tokens :

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # Interface compatible OpenAI d'APIYI
)

resp = client.chat.completions.create(
    model="claude-opus-5.5",  # Nom donné à titre d'exemple, référez-vous au nom réel dans la liste des modèles d'APIYI
    messages=[{"role": "user", "content": "为一条1分钟的奇门八门科普短片写6个镜头的分镜，水墨风格，无旁白"}],
)
print(resp.choices[0].message.content)
print(resp.usage)  # Consommation de tokens en entrée et en sortie pour cet appel

import json
import time
from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"
)

LOG_PATH = "usage_log.jsonl"

def ask_with_log(prompt: str, model: str = "claude-opus-5.5", tag: str = "storyboard") -> str:
    """Appelle le modèle et ajoute la consommation de tokens de chaque appel au journal, pour faciliter le rapprochement ultérieur"""
    resp = client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": prompt}],
    )
    usage = resp.usage
    record = {
        "time": time.strftime("%Y-%m-%d %H:%M:%S"),
        "tag": tag,
        "model": model,
        "prompt_tokens": usage.prompt_tokens,
        "completion_tokens": usage.completion_tokens,
    }
    with open(LOG_PATH, "a", encoding="utf-8") as f:
        f.write(json.dumps(record, ensure_ascii=False) + "\n")
    return resp.choices[0].message.content

def summarize(log_path: str = LOG_PATH) -> dict:
    """Totalise la consommation cumulée de tokens ; appliquez vous-même le prix unitaire affiché dans la console pour la conversion"""
    total_in, total_out = 0, 0
    with open(log_path, encoding="utf-8") as f:
        for line in f:
            r = json.loads(line)
            total_in += r["prompt_tokens"]
            total_out += r["completion_tokens"]
    return {"input_tokens": total_in, "output_tokens": total_out}

if __name__ == "__main__":
    print(ask_with_log("为一条1分钟的奇门八门短片设计镜头节奏和配乐思路"))
    print(summarize())

🚀 Test rapide : nous vous conseillons d’utiliser d’abord le crédit de test gratuit offert aux nouveaux utilisateurs sur APIYI (apiyi.com) pour lancer quelques essais de storyboard. Vous verrez ainsi si le style créatif d’Opus 5.5 vous convient avant d’investir dans toute la chaîne de production.

07 Le résultat me convainc, mais la facture de ce workflow vidéo Opus 5.5 mérite d’être recalculée

Cette expérience m’a montré concrètement jusqu’où un workflow vidéo agentique peut aller. Pour la gestion de contenu, les marques personnelles, les vidéos de vulgarisation et les contenus de niche spécialisés, ce genre d’outil mérite qu’on continue de creuser. Mais savoir le faire techniquement et y trouver son compte commercialement, ce sont deux questions différentes.

Si ces vidéos parviennent ensuite à générer du trafic, des abonnés et des conversions, les 70 yuans peuvent être vus comme un investissement de production raisonnable. Si c’est juste pour se faire une vidéo d’une minute et la regarder dans son coin, 70 yuans ne valent clairement pas le coup. Un rappel au passage : le code et la documentation de Lemo-Opuscar sont sous licence MIT, les films d’exemple et les images fixes sous CC BY 4.0, et les vidéos produites avec l’outil appartiennent à leur créateur ; en revanche, les ressources tierces — dont une partie des voix off — ont leurs propres licences. Avant un usage commercial, mieux vaut partir de ses propres ressources et vérifier chaque élément un par un.

Le vrai bénéfice de cette fois, c’est d’avoir fait tourner moi-même un workflow complet de bout en bout, et d’avoir compris combien il coûte. En tout cas, ce tour a été mené avec de l’argent bien réel (même si c’est le patron qui a payé). Le résultat est vraiment bon, et l’argent a vraiment été dépensé. Ceux qui veulent essayer feraient mieux de vérifier d’abord s’ils passent par un quota d’abonnement ou par une facturation à l’usage de l’API — sinon la facture arrive avant que la vidéo ait généré le moindre trafic.

Questions fréquentes

Opus 5.5 : les points clés du workflow vidéo

• Bien répartir les rôles : Codex sert à monter l’infrastructure, Claude Code est l’espace de travail, et Opus 5.5 s’occupe de la création
• Ce n’est pas un modèle vidéo : les images sont rendues image par image par du code, ce qui garde textes et symboles nets et maîtrisables
• Un exemple vaut mieux qu’un long discours : une fois que Codex a dérapé dans sa mise en place, seuls des cas réussis l’ont remis dans le droit chemin
• Ne pas confondre les deux coûts : 80 % du quota de l’abonnement Codex d’un côté, 9,4943 $ de frais d’appel API de l’autre
• Les 70 yuans ne sont pas un tarif : c’est juste le coût d’une vidéo précise, et le taux de change utilisé n’est qu’un exemple
• Tester d’abord à petit budget : vous pouvez essayer les capacités de storyboard d’Opus avec le crédit gratuit sur APIYI (apiyi.com)

Conclusion

Après cette expérience de workflow vidéo avec Opus 5.5, je retiens trois choses :

1. Les capacités sont bien réelles : le rendu des caractères chinois, des palais, des astres et des hexagrammes, ainsi que l’esthétique globale façon peinture à l’encre, ont dépassé mes attentes
2. Le coût l’est aussi : environ 70 yuans pour une vidéo d’une minute, auxquels s’ajoute la grosse part du quota Codex consommée pendant la mise en place. Ce n’est pas donné
3. La rentabilité dépend du retour : si ça rapporte du trafic, des abonnés et des conversions, c’est un investissement ; sinon, c’est une perte

Que ce soit faisable techniquement ne veut pas dire que ça vaille le coup commercialement. Je vous conseille de bien définir ce que la vidéo doit vous rapporter avant de choisir entre un abonnement et une facturation à l’usage. Si vous voulez valider l’idée sans trop investir, vous pouvez tester seul les capacités de conception d’Opus 5.5 avec le crédit gratuit d’APIYI (apiyi.com), puis lancer tout le workflow une fois le résultat convaincant.

📚 Références

1. Dépôt du projet Lemo-Opuscar : une boîte à outils de styles pour générer des films à partir de code
2. Lien : github.com/lemomo-ai/lemo-opuscar

3. Description : contient trois types de guides (réalisation, technique, style) ainsi que les informations de licence

4. Documentation technique de Lemo-Opuscar, TECHNIQUE.md : explication du mécanisme de production des films

5. Lien : github.com/lemomo-ai/lemo-opuscar/blob/main/TECHNIQUE.md

6. Description : présente les images générées par code, le rendu image par image, la vérification du doublage, les sous-titres et le processus d’assemblage avec FFmpeg

7. Centre d’aide Anthropic : présentation de Claude Code et des forfaits Pro, Max et Ultra

8. Lien : support.claude.com/en/articles/11145838-use-claude-code-with-your-pro-max-or-ultra-plan

9. Description : la différence entre le quota d’abonnement et la facturation API, ainsi que la priorité accordée à ANTHROPIC_API_KEY

10. Making-of de Ploto : retour d’expérience sur la création d’une longue vidéo avec l’IA

11. Lien : ploto.me/posts/how-i-made-a-long-video-with-ai
12. Description : source du cas réussi qui a servi de référence à Codex pour corriger l’orientation de la mise en place

Auteur : l’équipe technique d’APIYI
Échanges techniques : n’hésitez pas à nous contacter depuis la page d’accueil du site APIYI. Vous trouverez davantage de ressources d’intégration dans le centre de documentation : docs.apiyi.com

Articles connexes

• Maîtriser le glissement des points de compétition de la production de mini-séries par IA : 6 étapes pour passer de la génération d’un plan unique à la gestion des actifs sur plusieurs épisodes: Face au déplacement de la concurrence dans la production par IA de mini-séries, établir en 6 étapes une bibliothèque d’actifs multi-épisodes, des règles de version, des fiches de plan et un contrôle de continuité pour réduire les incohérences et reprises entre épisodes.
• Karpathy crée un site vidéo en deux heures : 6 étapes pour le reproduire avec Opus 5.5 et 3 pièges à éviter: Analysez les informations publiques sur la création de HackerTube par Karpathy avec Opus 5.5 en deux heures, détaillez 6 étapes pour la reproduire, 3 pièges fréquents et une estimation des coûts, puis expliquez comment connecter Claude Code via APIYI.
• Ni vent ni pluie, ni brume ni éclaircie : de l’abandon des études au travail en usine jusqu’au sommet des tendances GitHub, il a créé Archify, qui transforme une phrase en diagramme d’architecture interactif (prise en main en 5 étapes): Tu Shaokun, développeur front-end passé par un cursus de passerelle vers la licence, a créé le Skill open source Archify, gratuit en lui-même — seul le modèle sous-jacent est payant — et cet article explique en 5 étapes comment le connecter à claude-opus-5-5 pour générer un diagramme d’architecture interactif en une phrase.
• Claude Code commence à bloquer le « clonage de jeux » : comment les développeurs indépendants peuvent-ils contourner ce blocage pour créer des prototypes ?: Le 27 octobre, Claude Code a ajouté deux phrases à son invite système limitant la copie de jeux existants précis ; cet article détaille les changements, les demandes toujours possibles, un modèle de document de conception, trois reformulations d’invites et le choix du modèle selon son coût en phase de prototypage.
• Tutoriel Claude Motion : transformer des invites en vidéos animées avec Opus 5.5 et créer sa première vidéo en 5 étapes, sans aucune expérience préalable: Guide pas à pas pour débutants : obtenez la clé de claude-opus-5-5, collez une invite pour qu’Opus 5.5 crée une animation lisible dans le navigateur et l’enregistre en vidéo, avec 4 invites d’exemple, une liste de vérification de la console et un tableau de dépannage.