Finsbury

Le problème. Transformer un catalogue de photos produit en vidéos courtes et cohérentes, chaussure après chaussure, sans que le cuir se déforme, que le cadre dérive ou que le mouvement paraisse aléatoire.

Des prompts qui décrivent ce qu'on veut voir. Nommer un défaut dans un prompt a tendance à le provoquer : chaque prompt a donc été réécrit en formulation positive, sans liste d'interdits, seulement l'état que le cadre doit atteindre. « Le cuir et les lacets restent fermes, lisses et structurés. » « L'air est parfaitement immobile et entièrement vide. » La caméra fonctionne pareil : un adjectif vague la fait à peine bouger, une destination visible la déplace vraiment. « Jusqu'à ce que les chaussures remplissent la moitié basse du cadre, et la caméra garde cette distance. »

Une chaîne, pas un lot de prompts. Les modèles ont été testés plan par plan et choisis sur le résultat et le coût. Les visages sont traités avant la génération, en recadrant l'image de référence, jamais en recadrant la vidéo après coup. Chaque correctif qui fonctionne devient une étape permanente de la chaîne, avec sa condition de déclenchement. L'étalonnage est réglé par matière, et l'upscale n'intervient que sur les vidéos validées.

L'œil tranche. Des détecteurs automatiques signalent les problèmes et un outil de revue aligne les clips côte à côte, mais aucun seuil ne décide seul : chaque clip est validé à l'œil. Un registre partagé suit le statut de chaque produit, pour qu'une vidéo validée ne soit jamais régénérée par erreur.