Cohérence de personnage en vidéo IA : garder le même visage dans chaque scène

Tu as conçu le personnage parfait. La scène un est superbe. Scène deux — la mâchoire a changé. Scène trois, elle a pris cinq ans et ses yeux ont changé de couleur. Si tu as mené ce combat, tu le sais déjà : la cohérence de personnage en vidéo IA est la frustration non résolue du cinéma par IA.

La bonne nouvelle, c'est que c'est aujourd'hui largement solvable — pas avec un modèle magique, mais avec un workflow qui empile les bonnes techniques dans le bon ordre.

Ce guide couvre tout : pourquoi la dérive se produit, les quatre mécanismes qui la combattent, le workflow Lock-Then-Animate qu'on utilise en production, la construction du jeu de références, et un tableau de réparation symptôme par symptôme pour quand la dérive s'invite quand même.

On y va :

Chapitre 1 : Pourquoi l'IA change sans cesse le visage de ton personnage

La dérive existe parce qu'un texte est une description, pas une identité. Quand ta seule entrée est un prompt, le modèle réinvente le personnage à partir des mots — à chaque fois.

Qu'est-ce que la cohérence de personnage en vidéo IA ?

La cohérence de personnage, c'est un personnage généré par IA qui conserve la même identité reconnaissable — structure du visage, couleur et forme des yeux, cheveux, corpulence et âge apparent — à travers plusieurs plans et scènes générés. Elle s'obtient en ancrant les générations sur des images de référence ou une image source fixe, plutôt qu'en régénérant le personnage à partir d'une simple description textuelle.

Regarde maintenant ce qu'un prompt donne réellement au modèle :

« Une femme aux cheveux courts et foncés et aux yeux verts » correspond à des milliers de visages distincts. Le modèle en échantillonne un par génération — et rien ne l'incite à échantillonner deux fois le même.

Règle en gras : si l'identité compte, les mots seuls ne la tiendront jamais. Tu dois donner au modèle une image de l'identité, pas une description.

Pourquoi est-ce particulièrement important pour la vidéo ?

Parce que la vidéo multiplie le problème. Une seule vidéo, ce sont des dizaines d'images que le modèle doit garder cohérentes, et un projet multi-scènes, ce sont plusieurs vidéos, chacune une nouvelle occasion de retirer le visage au sort. La cohérence doit être conçue aux deux niveaux.

Chapitre 2 : Les quatre mécanismes de cohérence

Il existe exactement quatre leviers, et ils se cumulent. Chaque astuce de cohérence que tu as vue sur n'importe quelle plateforme est l'un de ces quatre, déguisé.

Mécanisme 1 : les images de référence (le plus fort)

Tu fournis au modèle 2–6 photos de ton personnage, et il conditionne directement la génération dessus. C'est la lignée technologique de recherches comme DreamBooth et IP-Adapter — apprendre à un modèle ce sujet précis plutôt qu'une catégorie.

Les modèles d'image multi-références modernes — Nano Banana 2, Seedream, FLUX.2 entre autres — acceptent plusieurs références à la fois, et c'est ce qui rend les character sheets possibles.

Mécanisme 2 : l'ancrage sur l'image de départ

En génération image vers vidéo, l'image de ton personnage devient l'image un. Le modèle n'a pas à imaginer le visage — il part du visage et anime vers l'avant.

C'est l'astuce au plus fort levier pour la cohérence vidéo, et c'est la colonne vertébrale du workflow du chapitre 3.

Mécanisme 3 : les fonctions sujet intégrées

Certains modèles vidéo suivent l'identité d'un sujet en interne tout au long du clip — Kling 3.0 est remarquablement fort ici, avec une gestion du sujet conçue précisément pour ce problème. Ces fonctions réduisent la dérive au sein du clip ; elles ne résolvent pas à elles seules la dérive entre scènes.

Mécanisme 4 : les ancres de prompt (le plus faible, mais utile)

Une description de personnage fixe, mot pour mot, que tu colles dans chaque prompt : « Mara, une femme de 34 ans avec un carré net de cheveux noirs, des yeux vert pâle, une petite cicatrice au-dessus du sourcil gauche. »

Seule, elle est faible. Empilée sur des références et des images de départ, elle comble ce que les images ne peuvent pas dire — le nom, l'âge en chiffres, les détails que la caméra pourrait manquer.

Mais voilà le twist :

La plupart des gens n'utilisent que le mécanisme 4 et se demandent pourquoi leur personnage dérive. Les équipes qui obtiennent une cohérence digne du cinéma utilisent les quatre à la fois.

Chapitre 3 : Le workflow Lock-Then-Animate

Verrouille d'abord l'identité avec un modèle d'image ; seulement ensuite, laisse un modèle vidéo y toucher. Cette division en deux phases — c'est tout le secret du workflow Lock-Then-Animate (verrouiller, puis animer) : les modèles d'image sont bien meilleurs sur l'identité que les modèles vidéo, alors laisse chacun faire son travail.

Étape 1 : crée la character sheet (phase Lock)

Utilise un modèle d'image multi-références pour générer ton personnage sous plusieurs angles et expressions. Notre générateur de personnage IA est construit autour de cette étape — presets de style, plusieurs emplacements de référence, et sorties portrait / corps entier / character sheet.

Ne bâcle pas cette étape. Dix minutes d'itération ici épargnent des heures de relances plus tard.

À quoi ressemble une identité « verrouillée »

Tu sais que l'identité est verrouillée quand tu peux générer le personnage dans trois décors différents et qu'un inconnu dirait avec assurance que c'est la même personne. Si ce test échoue au stade de l'image, il échouera encore plus en mouvement — corrige ici, là où les itérations coûtent le moins.

Étape 2 : choisis le portrait canonique

Dans la sheet, choisis une image comme version canonique — la source unique de vérité sur l'apparence de ce personnage. Meilleurs candidats : de face, expression neutre, lumière propre, pas d'ombres dramatiques.

Tout ce qui suit hérite de cette image.

Étape 3 : utilise-le comme image de départ

Emmène le portrait canonique (ou une variante propre à la scène générée à partir de lui) en image vers vidéo. L'image un est désormais littéralement ton personnage ; la tâche du modèle passe de « inventer une personne » à « faire bouger cette personne ».

Étape 4 : anime doucement d'abord

L'amplitude du mouvement, c'est l'amplitude de la dérive. Un léger tour de tête, un sourire, une marche vers la caméra — ça tient bien l'identité. Un salto arrière à travers les flammes, moins.

Mets d'abord tes prises douces en réserve. Puis attaque les plans d'action, en sachant que tu peux te permettre des relances.

Étape 5 : réutilise, ne refais jamais

Sauvegarde la character sheet et le portrait canonique. Chaque scène future part des mêmes fichiers — pas de « je vais juste la régénérer vite fait ». Régénérer le personnage de zéro, c'est comme ça qu'un projet finit avec cinq quasi-sœurs au lieu d'une héroïne.

La bibliothèque d'assets d'Imgveo garde les générations rattachées à leurs prompts, donc « Animer ce personnage » et « Utiliser comme référence » rappellent exactement la même identité à chaque fois.

Chapitre 4 : Construis un jeu de références qui marche vraiment

Quatre images, une identité, un éclairage cohérent — voilà la recette. Plus de références n'aident que si elles sont d'accord entre elles.

Les quatre plans essentiels

1. Portrait de face — l'ancre. Ta meilleure image, expression neutre.
2. Vue de trois quarts — donne au modèle des indices de profondeur : projection du nez, ligne de la mâchoire, forme des oreilles. Ce seul ajout corrige la plupart des problèmes de « visage plat/différent quand il tourne ».
3. Photo d'expression — rire ou surprise. Elle apprend comment le visage bouge, ce qui rapporte énormément en vidéo.
4. Corps entier — corpulence, posture, tenue par défaut. Sans elle, les plans larges inventent un nouveau corps sous la tête de ton personnage.

Les règles de cohérence du jeu lui-même

• Même famille d'éclairage sur les quatre. Un portrait en studio plus une photo à l'heure dorée apprennent au modèle deux carnations différentes.
• Pas de filtres, pas de lissage beauté. Des références filtrées produisent une identité filtrée — et moins stable.
• Récentes et cohérentes entre elles. Si deux références se contredisent (longueur de cheveux différente, corpulence différente), le modèle les moyenne en quelqu'un de nouveau.

Combien de références, c'est trop ?

Les rendements décroissent vite. Quatre images alignées battent huit images contradictoires à chaque fois ; au-delà de six, tu ajoutes surtout du bruit. La plupart des modèles multi-références plafonnent l'entrée autour de six — un plafond raisonnable.

Chapitre 5 : Corrige la dérive par symptôme

Des dérives différentes ont des causes différentes — diagnostique avant de relancer. La régénération au hasard gaspille des crédits ; les correctifs ciblés aboutissent en général en une ou deux tentatives.

Les yeux changent de forme ou de couleur

La zone des yeux est petite dans la plupart des références, donc son signal est faible. Correctif : ajoute un portrait en gros plan serré au jeu de références, et énonce la couleur des yeux explicitement dans l'ancre de prompt (« yeux vert pâle » — dans absolument chaque prompt).

La mâchoire ou la largeur du visage vagabonde

Symptôme classique de l'information de profondeur manquante. Correctif : assure-toi qu'une vue de trois quarts figure dans le jeu, et évite les mouvements de tête rapides dans le clip précis où l'identité compte le plus.

La carnation change entre les scènes

Neuf fois sur dix, c'est une dérive d'éclairage, pas d'identité — le modèle a rééclairé ton personnage et la carnation a suivi. Correctif : fixe la lumière dans chaque prompt (« lumière du jour neutre et douce ») et garde une référence propre à balance des blancs neutre dans chaque exécution.

Le personnage vieillit ou rajeunit

L'âge est l'un des attributs les plus lâches de la génération. Correctif : énonce toujours l'âge en chiffres (« 34 ans »), et audite tes mots de style — « éclat juvénile », « buriné », « visage poupin » déplacent tous l'âge en douce.

Soyons honnêtes sur un dernier point :

Parfois, un résultat qui a dérivé est meilleur que ton canonique. Quand ça arrive, ne lutte pas — promeus la nouvelle image en canonique, régénère ton jeu de références à partir d'elle, et avance avec la version améliorée.

Chapitre 6 : Maintenir la cohérence entre scènes et plans

La cohérence entre scènes est autant un problème de discipline qu'un problème de modèle. Les outils tiennent leur part du contrat seulement si ton process tient la sienne.

Fixe les variables qui ne sont pas le visage

L'identité se lit au-delà des traits du visage. Garde ces éléments constants entre les scènes, par écrit, dans chaque prompt :

• Garde-robe — « veste militaire olive, t-shirt blanc » bat « tenue décontractée »
• État des cheveux — attachés vs lâchés change la reconnaissance plus que la plupart des dérives faciales
• Langage lumineux — choisis-en un (« lumière du jour voilée ») par séquence

Génère les images fixes des scènes avant les vidéos des scènes

Pour les projets multi-scènes, exécute la phase Lock par scène : génère d'abord une image fixe de ton personnage dans chaque nouveau décor (avec tes références), valide-la, puis anime l'image validée. Tu obtiens une porte de validation avant de dépenser des crédits vidéo — et chaque scène hérite de la même identité.

Budgète les relances dans le plan

Même en faisant tout bien, attends-toi à régénérer 20–30 % des plans pour des raisons d'identité. Ce n'est pas un échec ; c'est l'état de l'art actuel. Prévois les crédits en conséquence — l'économie de l'itération fonctionne ici comme en vidéo produit : brouillonne à bas coût, finalise en qualité.

Chapitre 7 : Deux personnages, une scène

Les scènes multi-personnages sont l'endroit où les workflows de cohérence paient ou s'effondrent. Le mode d'échec est prévisible : les deux personnages dérivent l'un vers l'autre, jusqu'à converger en frère et sœur.

Pourquoi les modèles mélangent les co-stars

Quand deux identités entrent dans une même génération, leurs signaux de référence se disputent la même image. Le modèle résout les conflits en moyennant — un peu de sa mâchoire à elle sur lui, un peu de son sourcil à lui sur elle.

Les tactiques de séparation qui fonctionnent

• Maximise le contraste écrit. Donne aux deux ancres de prompt des attributs opposés partout où c'est vrai : couleurs de cheveux différentes, âges différents énoncés en chiffres, corpulences différentes, palettes vestimentaires différentes. Plus les descriptions sont séparables, moins le modèle moyenne.
• Génère d'abord le plan à deux en image fixe. Exécute la phase Lock sur la paire : crée une image validée des deux personnages ensemble, corrige tout mélange sur l'image fixe (une retouche ciblée dans l'éditeur d'images IA coûte moins cher qu'une relance vidéo), puis anime le plan à deux validé.
• Positionne par le nom dans le prompt. « Mara à gauche, Jonas à droite » — les ancres spatiales réduisent les échanges d'identité entre les prises.
• Coupe entre plans individuels quand ça se corse. La grammaire du cinéma joue pour toi : une conversation filmée en gros plans alternés à un personnage paraît parfaitement naturelle et garde chaque génération mono-identité. Réserve les vrais plans à deux aux moments qui en ont besoin.

La règle de montée en effectif

Chaque personnage simultané supplémentaire multiplie la difficulté. Un personnage : routine. Deux : gérable avec les tactiques ci-dessus. Trois ou plus dans le cadre : storyboarde autour — installe le groupe dans un plan large, puis porte la scène en plans individuels et en paires.

Chapitre 8 : Limites honnêtes — forte ressemblance, pas des clones

Aucun outil aujourd'hui ne garantit un personnage identique au pixel près sur toutes les générations — et méfie-toi de quiconque le prétend. Ce que la génération actuelle de modèles offre, c'est une forte ressemblance : un personnage que ton public lit comme la même personne, scène après scène.

Où se situe le plafond en pratique :

• Les angles extrêmes (plongée verticale, de dos direct) secouent encore l'identité.
• Les clips très longs accumulent de la dérive vers la fin — une raison de plus pour laquelle des plans courts montés ensemble battent une longue génération.
• Les sauts du stylisé au réaliste (animer un personnage d'anime en photoréalisme) changent l'identité par définition ; garde le style constant si l'identité compte.
• Les résultats varient selon la qualité des références — le modèle amplifie ce que tu lui donnes, y compris l'incohérence.

Planifie ton projet à l'intérieur de ces murs et la cohérence cesse d'être le goulot d'étranglement. Bats-toi contre les murs et aucune plateforme ne te rendra heureux.

Conclusion : La cohérence est un workflow, pas une fonctionnalité

Le résumé en une ligne : verrouille l'identité en images d'abord, anime à partir de ces images, réutilise les mêmes références pour toujours, et diagnostique la dérive par symptôme au lieu de relancer à l'aveugle.

La cohérence de personnage a cessé d'être une affaire de chance à l'arrivée des modèles multi-références. C'est désormais un artisanat — et l'artisanat, ça s'apprend.

Commence ta character sheet dans le générateur de personnage IA, puis emmène ton portrait canonique directement en vidéo. Toute la boucle Lock-Then-Animate vit sur une seule plateforme.

Foire aux questions

Pourquoi mon personnage IA est-il différent dans chaque scène ?

Parce que chaque génération ré-échantillonne le personnage à partir de ta description textuelle, et des milliers de visages correspondent à n'importe quelle description écrite. Sans images de référence ni image de départ pour ancrer l'identité, le modèle n'a aucun mécanisme pour reproduire deux fois le même visage — la dérive est le comportement par défaut, pas un bug.

Comment garder le même personnage en vidéo IA ?

Empile quatre techniques : génère le personnage avec un modèle d'image multi-références, choisis un portrait canonique, utilise-le comme image de départ pour la génération image vers vidéo, et répète une description de personnage fixe, mot pour mot, dans chaque prompt. Réutilise les mêmes fichiers de référence pour chaque scène.

Combien d'images de référence pour un personnage cohérent ?

Quatre images bien choisies — portrait de face, vue de trois quarts, photo d'expression et corps entier — surpassent des jeux plus grands mais incohérents. Les quatre doivent partager le même style d'éclairage et être sans filtres. La plupart des modèles multi-références acceptent jusqu'à six références ; au-delà, les rendements diminuent.

L'IA peut-elle créer un personnage cohérent à partir d'une seule photo ?

Oui, dans une mesure utile : une photo de face de haute qualité comme image de départ en image vers vidéo tient bien l'identité pour ce clip. Pour les projets multi-scènes, étends d'abord la photo unique en jeu de références en générant des vues supplémentaires, puis travaille à partir du jeu.

Comment garder deux personnages IA cohérents dans la même scène ?

Donne à chaque personnage une ancre de prompt fortement contrastée (âges énoncés différents, cheveux, palettes vestimentaires), génère une image fixe validée de la paire avant d'animer, et ancre les positions par le nom (« Mara à gauche »). Quand un plan à deux continue de mélanger les identités, passe à des gros plans alternés à un personnage — la grammaire de cinéma standard qui garde chaque génération mono-identité.

Quelle IA est la meilleure pour la cohérence de personnage ?

Aucun modèle unique ne gagne sur tout. Les modèles d'image multi-références (Nano Banana 2, Seedream, FLUX.2) sont les plus forts pour verrouiller l'identité ; les modèles vidéo avec suivi du sujet comme Kling 3.0 la tiennent le mieux en mouvement. La configuration gagnante combine les deux — c'est pourquoi les plateformes multi-modèles ont l'avantage pour le travail de personnage.

---

Passe à la pratique : construis ton personnage dans le générateur de personnage IA, ou lis comment Nano Banana 2 gère la génération multi-références.