Garder le même personnage d’une vidéo à l’autre
C’est le défaut le plus visible de la vidéo générée : le personnage de la scène 3 ne ressemble pas à celui de la scène 1. Le problème n’est pas le modèle, c’est la manière dont on lui transmet l’identité.
Pourquoi le visage change
Un modèle génératif ne « se souvient » de rien entre deux appels. Chaque génération repart du texte fourni. Si l’identité du personnage n’est décrite que par des mots — « une femme brune d’une trentaine d’années » — le modèle réinvente un visage plausible à chaque fois, dans l’immense espace des visages compatibles avec cette description.
Aucune quantité de détail textuel ne résout complètement le problème. Ajouter « yeux verts, grain de beauté à gauche » réduit l’espace de variation sans le fermer. Le texte est une contrainte trop lâche pour verrouiller une identité.
Les trois approches, par ordre de fiabilité
En pratique, trois méthodes coexistent, avec des résultats très inégaux :
- Le prompt figé. On réutilise exactement la même description. Simple, gratuit, et insuffisant dès que l’angle ou l’éclairage change.
- La référence visuelle. On fournit une ou plusieurs images du personnage, et les générations suivantes s’y conforment. Nettement plus stable, à condition que les références couvrent plusieurs angles.
- Le personnage persistant. La référence est stockée une fois, versionnée, et réutilisée automatiquement dans toutes les productions ultérieures, avec une force d’identité réglable.
Pourquoi le stockage change la nature du problème
Les deux premières approches replacent la charge sur l’opérateur : il faut retrouver les bonnes références, les renvoyer à chaque génération, et espérer que personne dans l’équipe n’utilise une version différente.
Une bibliothèque de personnages persistants déplace cette responsabilité côté système. Dans Viffly, un personnage généré est stocké dans le studio et réutilisable dans les productions suivantes ; la même logique s’applique aux produits, aux logos et aux palettes de marque. La cohérence devient l’état par défaut au lieu d’une discipline à maintenir.
C’est particulièrement décisif en production automatisée : un workflow qui génère vingt vidéos par semaine ne peut pas dépendre d’un humain qui vérifie que le visage est resté le bon.
Ce qui reste difficile
Il faut rester honnête sur les limites. Les changements d’angle extrêmes, les scènes de groupe et les plans très éloignés restent les cas où la ressemblance se dégrade le plus, quelle que soit la méthode.
La parade pratique consiste à enchaîner des plans progressivement similaires — même type de cadrage, même éclairage — plutôt que d’alterner brutalement entre gros plan et plan large, et à réserver les références les plus précises aux plans où le visage occupe le plus d’espace.