Image-to-video, lip sync, LoRA, seed, C2PA… Quand on débute avec les outils d’IA vidéo, image ou audio, le vocabulaire arrive avant les résultats. Les interfaces sont souvent en anglais, les tutos aussi, et un même mot change de sens d’un outil à l’autre. Ce glossaire réunit les 60 termes qu’on croise le plus dans ces outils, avec pour chacun une définition courte, un exemple concret et, quand c’est utile, le terme anglais que vous verrez dans les menus.
📌 L’essentiel à retenir
- 60 termes classés en 6 familles : les bases, les prompts et réglages, la vidéo, l’image, l’audio, puis avatars et droits.
- Text-to-video part d’un texte ; image-to-video part d’une image qu’on anime. Le second donne plus de contrôle sur le rendu.
- Lip sync = synchroniser les lèvres d’un visage avec une piste audio. C’est la brique du doublage IA et des avatars.
- C2PA et filigranes invisibles servent à prouver qu’un contenu a été généré par IA. Depuis le 2 août 2026, l’AI Act impose d’étiqueter les deepfakes.
- Les définitions sont écrites pour être lues seules : vous pouvez sauter directement au terme qui vous intéresse.
Sommaire : L’IA en termes simples • Les bases • Prompts et réglages • Vidéo IA • Image IA • Audio et voix • Avatars, deepfakes et droits • FAQ
Qu’est-ce que l’intelligence artificielle en termes simples ?
L’intelligence artificielle, c’est un programme qui apprend à partir d’exemples au lieu de suivre des règles écrites à la main. On ne lui explique pas ce qu’est un chat : on lui montre des millions d’images de chats, et il finit par repérer seul ce qui les distingue. L’IA générative va un cran plus loin. Elle ne se contente pas de reconnaître un chat, elle en fabrique un nouveau, en image, en vidéo ou en son, à partir d’une simple description.
Tous les outils dont on parle sur ce site (générateurs de vidéos, de voix, d’images) reposent sur ce principe. Et c’est pour ça qu’ils partagent un vocabulaire commun. Une fois ces mots compris, on passe d’un outil à l’autre beaucoup plus vite. Pour aller plus loin sur le fonctionnement global, notre dossier vidéo IA déroule le pipeline technique de bout en bout.
Quel est le vocabulaire de l’intelligence artificielle ? Les 14 termes de base
Ces notions reviennent partout, dans les annonces de nouveaux modèles comme dans les conditions d’utilisation. Pas besoin de maîtriser les maths derrière : savoir ce qu’elles désignent suffit.
1. Intelligence artificielle (IA) : ensemble de techniques qui permettent à une machine d’accomplir des tâches qu’on associe à l’intelligence humaine (reconnaître une image, comprendre une phrase, produire un texte). En France, le terme est défini au Journal officiel dans la liste de vocabulaire publiée par la Commission d’enrichissement de la langue française.
2. IA générative : branche de l’IA qui crée du contenu nouveau (texte, image, vidéo, son, code) à partir d’une consigne. ChatGPT, Midjourney, Kling ou ElevenLabs sont des IA génératives.
3. Apprentissage automatique (machine learning) : méthode où le programme améliore ses résultats en analysant des données, sans qu’on code chaque règle. C’est le socle de presque toute l’IA actuelle.
4. Apprentissage profond (deep learning) : forme d’apprentissage automatique qui empile de nombreuses couches de neurones artificiels. C’est elle qui a rendu possibles la reconnaissance vocale fiable et la génération d’images réalistes.
5. Réseau de neurones : structure de calcul inspirée, de loin, du cerveau. Des milliers à des milliards de petites unités reliées entre elles se transmettent des valeurs et ajustent leurs connexions pendant l’apprentissage.
6. Modèle : le « cerveau » entraîné qui produit les résultats. Quand un outil annonce « Kling 2.6 » ou « Veo 3 », il parle de la version de son modèle. Un même site peut proposer plusieurs modèles au choix.
7. Données d’entraînement (dataset) : la masse d’exemples (images, vidéos, enregistrements, textes) sur laquelle le modèle a appris. Leur origine pose des questions de droits d’auteur encore débattues devant les tribunaux.
8. Entraînement (training) : la phase, longue et coûteuse, où le modèle ajuste ses paramètres en comparant ses productions aux exemples. Elle se fait une fois, chez l’éditeur, avant la mise en ligne.
9. Inférence : le moment où le modèle déjà entraîné travaille pour vous. Chaque génération de vidéo est une inférence, et c’est elle que les crédits vous font payer.
10. Paramètres : les réglages internes du modèle, appris pendant l’entraînement. On parle de modèles à plusieurs milliards de paramètres. Plus n’est pas toujours mieux : l’architecture et la qualité des données comptent autant.
11. LLM (grand modèle de langage) : modèle entraîné sur d’immenses quantités de texte pour comprendre et produire du langage. GPT, Claude, Gemini ou Mistral sont des LLM. Dans les outils vidéo, ils servent souvent à réécrire votre prompt ou à générer un script.
12. Multimodal : se dit d’un modèle qui traite plusieurs types de contenus à la fois, par exemple du texte et des images en entrée, de la vidéo et du son en sortie.
13. Modèle de diffusion : technique de génération qui part d’un bruit aléatoire (une sorte de neige télé) et le « débruite » étape par étape jusqu’à obtenir une image ou une vidéo cohérente avec le prompt. La plupart des générateurs d’images et de vidéos actuels en utilisent une variante.
14. Modèle ouvert (open source, open weights) : modèle dont les poids sont publiés et téléchargeables, comme Stable Diffusion, Flux dans certaines versions ou Wan. On peut le faire tourner sur sa propre machine. « Open weights » est plus précis qu’« open source », car le code d’entraînement et les données ne sont pas toujours fournis.
Prompts, crédits et réglages : 8 termes pour piloter les outils
C’est le vocabulaire des interfaces. On le croise dans chaque générateur, avec parfois des noms légèrement différents pour le même réglage.
15. Prompt (invite) : la consigne écrite qu’on donne à l’IA. Pour une vidéo, un bon prompt décrit le sujet, l’action, le décor, la lumière et le mouvement de caméra. « Un chat » donne un résultat aléatoire ; « un chat roux saute sur un rebord de fenêtre au coucher du soleil, plan rapproché, caméra lente » donne une intention.
16. Prompt négatif : liste de ce qu’on ne veut pas voir (« flou, texte, mains déformées »). Tous les outils ne le proposent pas, et les modèles récents en ont moins besoin.
17. Seed (graine) : nombre qui fixe le point de départ aléatoire d’une génération. Même prompt + même seed + même modèle = résultat très proche. Pratique pour refaire une variante sans tout perdre.
18. Guidance (CFG scale, « créativité ») : curseur qui règle à quel point le modèle doit coller au prompt. Trop haut, l’image devient rigide ou saturée ; trop bas, le modèle prend des libertés.
19. Crédits : la monnaie interne des outils d’IA. Chaque génération en consomme selon la durée, la résolution, le mode de qualité et les options (audio, par exemple). Les plans gratuits en donnent un petit stock, souvent renouvelé chaque jour ou chaque mois.
20. Fine-tuning (ajustement fin) : réentraîner légèrement un modèle existant sur un petit jeu de données spécifique, pour qu’il adopte un style, un produit ou un visage précis.
21. Hallucination : quand l’IA produit avec assurance quelque chose de faux ou d’incohérent. En texte, une date inventée ; en vidéo, une main à six doigts ou un objet qui traverse un mur.
22. File d’attente (queue) : le délai avant que votre génération démarre. Sur les plans gratuits des générateurs vidéo, il peut aller de quelques minutes à plusieurs heures aux heures de pointe, et les abonnés passent devant.
💡 Astuce : notez le seed et le prompt exact de chaque génération réussie dans un simple fichier texte. Le jour où il faut décliner la vidéo en format vertical ou changer un détail, vous repartez de là au lieu de brûler vos crédits à retrouver le même rendu.
Vidéo IA : 16 termes pour comprendre les générateurs
Le cœur du sujet. Ces termes apparaissent dans toutes les fiches de nouveaux modèles et dans les menus des générateurs.
23. Text-to-video (texte vers vidéo) : générer une vidéo uniquement à partir d’un prompt écrit. Le modèle invente tout : personnages, décor, cadrage.
24. Image-to-video (image vers vidéo) : animer une image existante (photo, illustration, image générée). Le modèle conserve la composition et ajoute le mouvement. C’est la méthode qu’utilisent la plupart des créateurs pour garder le contrôle du rendu.
25. Video-to-video : transformer une vidéo existante, par exemple en changer le style (dessin animé, peinture) ou remplacer un élément, tout en gardant les mouvements d’origine.
26. Image de début et de fin (start frame, end frame, keyframes) : on fournit l’image de départ et celle d’arrivée, le modèle invente la transition entre les deux. Les modèles récents acceptent plusieurs images clés pour guider tout un plan.
27. Motion control (contrôle du mouvement) : reproduire le mouvement d’une vidéo de référence (une danse, un geste) sur un autre personnage, par exemple celui d’une photo. Kling AI a popularisé cette fonction.
28. Motion brush (pinceau de mouvement) : on peint une zone de l’image et on dessine la trajectoire qu’elle doit suivre. Utile pour faire bouger un seul élément (des cheveux, une voiture) sans toucher au reste.
29. Contrôle de caméra : réglages qui imposent un mouvement de caméra virtuelle (travelling, panoramique, zoom, orbite), en plus ou à la place de la description dans le prompt.
30. Multi-shot (plans multiples) : capacité à générer en une fois une séquence de plusieurs plans qui s’enchaînent (plan large, puis gros plan), avec les mêmes personnages.
31. Cohérence temporelle : le fait que les objets, les textures et la lumière restent stables d’une image à la suivante. Quand elle manque, on voit des scintillements ou des formes qui « fondent ».
32. Cohérence des personnages (character consistency) : garder le même visage, la même tenue et la même silhouette d’un plan ou d’une vidéo à l’autre. C’est le défi numéro un pour raconter une histoire avec l’IA.
33. Images par seconde (fps) : nombre d’images affichées chaque seconde. Le cinéma tourne à 24 fps, la plupart des vidéos web à 24, 25 ou 30 fps.
34. Résolution (720p, 1080p, 4K) : la taille de l’image en pixels. 1080p correspond à 1920 x 1080 pixels en format horizontal, 4K à 3840 x 2160. Les plans gratuits sont souvent limités en 720p.
35. Ratio d’aspect (format) : rapport entre largeur et hauteur. 16:9 pour YouTube, 9:16 pour TikTok, Reels et Shorts, 1:1 pour certains posts.
36. Extension de vidéo (extend) : prolonger un clip déjà généré de quelques secondes en repartant de sa dernière image, pour dépasser la durée maximale d’une seule génération.
37. Audio natif : génération du son (dialogues, bruitages, ambiance) en même temps que l’image, par le même modèle, au lieu de l’ajouter après coup. Veo 3 et Kling 2.6 ont généralisé cette approche à partir de 2025.
38. Upscaling (mise à l’échelle) : augmenter la résolution d’une image ou d’une vidéo en reconstituant les détails par IA, par exemple de 720p vers 4K. Le résultat n’invente pas une vraie définition, il la devine.
Quelle différence entre text-to-video et image-to-video ?
En text-to-video, le modèle part de zéro : il décide seul à quoi ressemblent le personnage, le décor et la lumière. C’est rapide pour explorer des idées, mais le résultat varie beaucoup d’un essai à l’autre. En image-to-video, vous fixez d’abord l’image (une photo de produit, un portrait, une illustration générée et retouchée), puis le modèle l’anime. Vous contrôlez la composition, le modèle gère le mouvement. Dans la pratique, la plupart des créateurs qui publient des vidéos IA travaillent en image-to-video : on génère ou on choisit l’image parfaite, puis on l’anime. On détaille la méthode dans notre guide image-to-video.
Image IA : 7 termes à connaître
39. Text-to-image (texte vers image) : créer une image à partir d’un prompt. Midjourney, GPT Image, Flux, Nano Banana ou Imagen fonctionnent ainsi.
40. Image-to-image : partir d’une image existante et la transformer selon un prompt (changer le style, l’éclairage, la saison) en gardant sa structure.
41. Inpainting : modifier uniquement une zone sélectionnée d’une image (effacer un passant, changer une couleur de veste) ; l’IA reconstruit le reste pour que la retouche se fonde dans l’image.
42. Outpainting : agrandir une image au-delà de ses bords en inventant ce qui se trouve autour. Utile pour passer un visuel carré en format 16:9.
43. LoRA : petit module d’ajustement (quelques dizaines à centaines de mégaoctets) qu’on greffe sur un modèle d’image ou de vidéo pour lui apprendre un style, un personnage ou un produit, sans réentraîner tout le modèle.
44. Référence de style (style reference) : image fournie à l’outil pour qu’il reprenne son esthétique (couleurs, grain, type d’illustration) sans copier son contenu.
45. Détourage (suppression d’arrière-plan) : isoler automatiquement un sujet de son fond. C’est aujourd’hui l’une des tâches que l’IA fait le mieux, en un clic.
Audio et voix : 8 termes pour les voix off, le doublage et la musique
46. Synthèse vocale (TTS, text-to-speech) : transformer un texte écrit en voix parlée. Les meilleures voix françaises de 2026, comme celles d’ElevenLabs, gèrent intonation et liaisons de façon très naturelle. Comparatif dans notre article texte en voix IA.
47. Clonage de voix (voice cloning) : créer une copie synthétique d’une voix réelle à partir d’un échantillon audio, de quelques secondes à plusieurs heures selon la qualité visée. À n’utiliser qu’avec sa propre voix ou avec l’accord écrit de la personne.
48. Speech-to-speech (changeur de voix) : remplacer le timbre d’un enregistrement par une autre voix en conservant l’intonation, le rythme et les émotions de la prise d’origine.
49. Transcription (speech-to-text) : convertir une parole en texte écrit. C’est la base des sous-titres automatiques et du montage vidéo par le texte.
50. Lip sync (synchronisation labiale) : faire correspondre le mouvement des lèvres d’un visage avec une piste audio, qu’elle soit réelle ou générée.
51. Doublage IA : traduire une vidéo dans une autre langue en conservant la voix de l’orateur (par clonage) et, souvent, en recalant ses lèvres sur la nouvelle langue. Notre guide pour traduire une vidéo avec l’IA compare les outils.
52. Séparation de pistes (stems) : isoler la voix, la batterie, la basse ou les autres instruments d’un morceau déjà mixé. Les pistes isolées s’appellent des stems.
53. Musique générative : musique composée par une IA à partir d’un prompt (genre, ambiance, durée), avec ou sans paroles. La question des droits d’utilisation dépend de la licence de chaque outil.
C’est quoi le lip sync en IA ?
Le lip sync IA analyse les sons d’une piste audio (les phonèmes) et déforme la zone de la bouche d’une vidéo ou d’une photo pour qu’elle les articule. On s’en sert dans trois cas : faire parler un avatar ou une photo, doubler une vidéo dans une autre langue sans décalage entre voix et lèvres, et corriger une phrase ratée sans retourner la scène. La qualité se juge sur les consonnes labiales (« p », « b », « m ») : si les lèvres ne se ferment pas, l’illusion tombe. C’est aussi la brique technique des deepfakes, d’où les règles de transparence détaillées plus bas.
Avatars, deepfakes et droits : 7 termes indispensables
Ces mots-là ne sont pas techniques, mais les ignorer peut coûter cher. Ils touchent au droit à l’image, au droit d’auteur et aux nouvelles obligations européennes.
54. Avatar IA : personnage numérique qui présente face caméra un texte que vous fournissez. Il peut être choisi dans une bibliothèque ou créé à partir de votre propre vidéo. Synthesia est l’un des outils les plus utilisés en entreprise pour la formation.
55. Talking photo (photo parlante) : une seule photo de visage animée pour qu’elle prononce un texte, grâce au lip sync. Voir notre guide pour animer une photo avec l’IA.
56. Face swap (échange de visage) : remplacer un visage par un autre dans une photo ou une vidéo. Usage ludique fréquent, mais encadré dès qu’il s’agit d’une personne réelle. Notre dossier face swap AI détaille les outils et les limites.
57. Deepfake (hypertrucage) : contenu image, audio ou vidéo généré ou modifié par IA qui fait croire qu’une personne réelle a dit ou fait quelque chose. « Hypertrucage » est le terme retenu par la version française du règlement européen sur l’IA ; la recommandation officielle publiée au Journal officiel en 2020 est « vidéotox » (ou « infox vidéo »). Le cadre légal en France est résumé dans notre article sur les deepfakes et la loi.
58. C2PA (Content Credentials) : standard ouvert porté par la Coalition for Content Provenance and Authenticity (Adobe, Microsoft, Google, OpenAI et d’autres). Il ajoute au fichier des métadonnées signées qui indiquent comment il a été créé ou modifié, y compris par une IA.
59. Filigrane invisible (watermark) : marque cachée dans les pixels ou le son, invisible à l’œil, qui permet de détecter qu’un contenu vient d’un outil d’IA. SynthID, de Google DeepMind, en est l’exemple le plus connu. Contrairement aux métadonnées C2PA, il résiste en partie aux recadrages et réencodages.
60. AI Act et licence commerciale : l’AI Act est le règlement européen sur l’IA. Son article 50, applicable depuis le 2 août 2026, oblige à signaler les deepfakes, ainsi que les textes générés par IA publiés pour informer le public sur des questions d’intérêt public. La licence commerciale, elle, est le droit, accordé par l’outil selon votre abonnement, d’utiliser ce que vous générez dans un contexte rémunéré (pub, chaîne monétisée, client). Les plans gratuits l’excluent souvent.
⚠️ Attention : le fait qu’un outil vous laisse générer une vidéo ne veut pas dire que vous pouvez la diffuser. Vérifiez deux choses avant publication : la licence de votre plan (usage commercial ou non) et le consentement de toute personne réelle reconnaissable (visage ou voix).
Le glossaire en tableau : les 12 termes les plus recherchés
Pour ceux qui veulent juste l’équivalent rapide, voici les termes les plus recherchés, avec leur traduction et l’endroit où on les croise.
| Terme | En français | En une phrase | Où on le croise |
|---|---|---|---|
| Prompt | Invite, consigne | Le texte qui décrit ce qu’on veut | Tous les générateurs |
| Text-to-video | Texte vers vidéo | Vidéo générée depuis un texte seul | Kling, Veo, Seedance, PixVerse |
| Image-to-video | Image vers vidéo | Une image fixe qu’on anime | Mêmes outils, onglet dédié |
| Seed | Graine | Nombre qui rend un résultat reproductible | Réglages avancés |
| Upscaling | Mise à l’échelle | Augmenter la résolution par IA | Éditeurs vidéo et photo |
| Inpainting | Retouche ciblée | Modifier une zone d’une image | Générateurs d’images |
| LoRA | Module d’ajustement | Apprendre un style ou un personnage au modèle | Modèles ouverts, outils pro |
| TTS | Synthèse vocale | Un texte lu par une voix de synthèse | Outils de voix, éditeurs vidéo |
| Voice cloning | Clonage de voix | Copie synthétique d’une voix réelle | Outils de voix, doublage |
| Lip sync | Synchronisation labiale | Lèvres calées sur la voix | Avatars, doublage, photos parlantes |
| Deepfake | Hypertrucage | Faux contenu crédible d’une personne réelle | Actualité, cadre légal |
| C2PA | Certificats de contenu | Métadonnées qui tracent l’origine d’un fichier | Adobe, appareils photo, réseaux |
Pour des définitions plus techniques, côté apprentissage automatique, le glossaire de Google consacré à l’IA générative va beaucoup plus loin, et la CNIL publie son propre glossaire centré sur les données personnelles. Le nôtre reste volontairement pratique : il couvre ce qu’on rencontre en utilisant les outils, pas ce qu’on étudie pour les construire.
🎯 Par où commencer
Si vous ne deviez retenir que cinq mots pour démarrer : prompt, image-to-video, crédits, lip sync et licence commerciale. Avec eux, vous savez décrire ce que vous voulez, choisir la bonne méthode, estimer ce que ça coûte, comprendre comment on fait parler un visage et savoir si vous avez le droit de publier le résultat. Le reste vient avec la pratique.
FAQ : vocabulaire de l’IA vidéo, image et audio
Quelle différence entre IA et IA générative ?
L’IA au sens large regroupe toutes les techniques qui permettent à une machine d’apprendre à partir de données, par exemple pour reconnaître un visage ou filtrer des spams. L’IA générative est la partie qui produit du contenu nouveau : texte, image, vidéo, voix ou musique.
Que veut dire « modèle » dans un outil d’IA vidéo ?
Le modèle est le moteur entraîné qui fabrique la vidéo. Un même site peut en proposer plusieurs (par exemple différentes versions de Kling), avec des qualités, des durées et des coûts en crédits différents.
Comment savoir si une vidéo a été générée par IA ?
Cherchez une mention ou un label sur la plateforme, vérifiez les métadonnées C2PA (Content Credentials) quand elles sont présentes, et observez les détails : mains, textes dans l’image, reflets, cohérence d’un plan à l’autre. Aucun indice n’est infaillible à lui seul.
Quel est le terme français officiel pour deepfake ?
Le Journal officiel recommande depuis 2020 « vidéotox » ou « infox vidéo », limités à la vidéo. « Hypertrucage », proposé au Québec, est le terme du règlement européen sur l’IA en français et couvre aussi l’image et le son ; dans l’usage, il est synonyme de « deepfake ».
Faut-il parler anglais pour utiliser les outils d’IA vidéo ?
Non. La plupart des outils comprennent les prompts en français, même si certains modèles obtiennent de meilleurs résultats en anglais. Connaître les termes anglais des menus, ceux de ce glossaire, suffit largement.
