Pour faire une vidéo explicative avec l'IA en 2026, on part d'un sujet en une ligne, d'un texte ou de sa propre voix ; l'outil écrit (ou transcrit) la narration, la découpe en scènes, illustre chaque scène avec des éléments animés, pose la voix off et les sous-titres, puis rend un MP4. Comptez 10 à 30 minutes de travail humain pour une vidéo d'une minute, dont l'essentiel est la relecture du script. Sur ClipOnIt, l'éditeur explainer fait tout cela en vertical 9:16 dès le plan Starter (29 $/mois, 15 vidéos explicatives par mois).
「AIで作られた」解説動画とは何ですか？
Une vidéo explicative répond à une seule question (« pourquoi le ciel est bleu », « comment marche un prêt immobilier », « à quoi sert notre produit ») en 30 secondes à 3 minutes, avec une voix off et des illustrations animées. « Faite par l'IA » recouvre trois niveaux très différents :
- Script seul : ChatGPT ou Claude écrivent le texte, vous montez le reste à la main (Canva, CapCut, After Effects).
- Avatar qui parle : un présentateur virtuel lit votre texte face caméra (Synthesia, HeyGen). Pratique pour la formation, peu adapté aux réseaux.
- Illustration générée scène par scène : l'outil choisit et anime des visuels qui suivent la narration mot à mot. C'est le format des chaînes « faceless » d'actualité et de vulgarisation sur TikTok et YouTube Shorts.
Cet article décrit le troisième niveau, le plus complet.
6ステップの方法
- Une question, pas un thème. « L'inflation » donne une vidéo molle ; « Pourquoi ton loyer augmente plus vite que ton salaire » donne une vidéo qui se regarde jusqu'au bout. Écrivez la question en une ligne.
- La narration d'abord. 130 à 150 mots par minute de vidéo en français parlé. Une idée par phrase, un chiffre par scène au maximum, la réponse dans les 3 premières secondes. Faites écrire un premier jet par l'IA, puis réécrivez-le à voix haute : tout ce qui accroche à l'oral doit sauter.
- Le découpage en scènes. Une scène = une phrase ou deux, 4 à 8 secondes. Une vidéo d'une minute compte en général 8 à 12 scènes.
- Les visuels, calés sur les mots. Chaque élément apparaît au moment où la voix le nomme. C'est ce qui sépare une vidéo explicative d'un diaporama.
- La voix et les sous-titres. Voix de synthèse ou votre propre voix ; sous-titres mot à mot, car une grande partie du public regarde sans le son (voir durée et format d'un short).
- Relecture et rendu. Regardez la vidéo en entier, sans le son puis avec. Corrigez les scènes qui traînent, puis exportez en 9:16, 1080×1920.
Ces étapes, l'éditeur de ClipOnIt les présente lui-même dans la vidéo ci-dessous, faite avec l'Explainer dans le style Pixel News : on parle au Réalisateur, on dicte au micro, on choisit entre trois variantes et on revient en arrière dans l'historique.
Pour essayer la méthode sans payer, le générateur de vidéo explicative gratuit fait 3 vidéos par mois avec filigrane, avec des exemples de sujets par secteur.
Combien de temps ça prend ?
| ステップ | À la main (Canva, CapCut) | Avec un éditeur explainer IA |
|---|---|---|
| Script | 20 à 40 min | 5〜15分（AIによる初稿＋書き直し） |
| Recherche et animation des visuels | 1 à 3 h | 自動、その後の手直しに5〜10分 |
| Voix off et sous-titres | 20 à 40 min | 自動 |
| 完成 | 5 min | Quelques minutes (environ 4 min par vidéo sur ClipOnIt) |
Les durées « à la main » sont des ordres de grandeur pour une vidéo d'une minute, pas une mesure. Le seul poste qui ne se compresse pas est le jugement : le choix de la question et la réécriture du texte.
ClipOnItを使った実例
L'éditeur de vidéos explicatives de ClipOnIt accepte trois points de départ :
- 一行のテーマ：AIがナレーションを書き、シーンに分割して、各シーンを構成します。
- Un texte déjà écrit : il est lu tel quel.
- Votre voix : vous racontez au micro, en une ou plusieurs prises, ou importez un fichier audio. La narration est transcrite mot à mot, découpée en scènes, et chaque élément est calé sur vos mots. Vous pouvez réenregistrer une seule phrase.
Les illustrations viennent d'une bibliothèque de milliers d'éléments animés, en 24 styles visuels dont Pixel News (pixel art 2D) et Archibald (fausse 3D low-poly avec caméra animée) ; vous pouvez aussi importer votre propre style. La voix de synthèse propose 10 voix. Ensuite, trois façons de modifier :
- Le Réalisateur IA : vous écrivez ou dictez « plus court », « un graphique ici », « change la couleur » ; chaque modification proposée est expliquée en une phrase, acceptée ou refusée, et tout s'annule.
- Les variantes : trois autres versions d'une scène, côte à côte, en gardant le texte lu ; le coût est affiché avant.
- À la main : déplacer, masquer, verrouiller un élément sur le canevas et la timeline.
出力は、そのまま投稿できる縦型のMP4です。バージョン履歴で各状態を保存します。
ClipOnItでAI解説動画を作るといくらかかるか
| プラン | 価格 | 解説動画 / 月 | ディレクターへのリクエスト／日 | 文字起こしした音声（分）/ 月 |
|---|---|---|---|---|
| Free | 0 $ | 3 (avec filigrane) | — | — |
| Starter | 29 $/mois (290 $/an) | 15 | 15 | 60 |
| Pro | 49 $/mois (490 $/an) | 30 | 40 | 180 |
| Business | 149 $/mois (1 490 $/an) | 100 | 120 | 600 |
Source : limites du catalogue des plans ClipOnIt au 5 novembre 2026, voir la page tarifs. Le plan gratuit ne demande pas de carte bancaire ; ses vidéos portent un filigrane et une carte de fin « Fait avec ClipOnIt », dans 8 styles.
Les erreurs les plus fréquentes
- Un script trop long. Au-delà de 90 secondes, chaque phrase doit gagner sa place.
- 装飾的なビジュアル。画像がナレーションの内容を示していなければ、気が散ってしまいます。
- Publier le premier jet de l'IA. Le texte généré est correct mais générique ; la vidéo devient intéressante quand vous y mettez un chiffre vérifié, un exemple réel ou un avis.
- Des faits non vérifiés. L'IA peut se tromper sur une date ou un chiffre. Vérifiez chaque nombre avant le rendu.
FAQ
Peut-on faire une vidéo explicative avec ChatGPT ?
ChatGPT écrit le script, pas la vidéo. Pour aller jusqu'au MP4, il faut un outil de montage ; ClipOnIt expose aussi son éditeur explainer par un serveur MCP, ce qui permet à Claude ou ChatGPT de produire la vidéo de bout en bout (outil explainer_produce).
絵が描けたり、アニメーションを作れたりする必要がありますか？
Non. Les éléments sont déjà dessinés et animés ; l'IA les choisit et les place. Vous pouvez dessiner un élément en pixel art si le catalogue n'a pas ce qu'il faut.
Peut-on utiliser sa propre voix ?
Oui : enregistrement au micro ou import d'un fichier audio, transcrit mot à mot. Les minutes transcrites sont plafonnées par plan (60 à 1 200 par mois).
Quel format pour TikTok, Reels et Shorts ?
Vertical 9:16, 1080×1920, MP4 ; c'est le format de sortie de l'éditeur. Les durées qui performent sont détaillées dans quelle durée et quel format pour un short en 2026.
YouTube向けの16:9はどうでしょう？
今回は対象外です。ClipOnItのExplainerエディターは縦型のみ出力します。アニメーションの16:9については、解説動画ツールの比較記事をご覧ください。
ClipOnItチームが執筆。2026年11月5日に更新。