Tellers.ai veut automatiser le montage vidéo grâce aux agents d’IA

Retrouver une séquence dans plusieurs heures de rushes, assembler des images autour d’un angle éditorial ou décliner un tournage en clips pour les réseaux sociaux : Tellers.ai développe une plateforme qui confie une partie du montage vidéo à des agents d’intelligence artificielle. Cofondée par Robin Guignard-Perret, incubé à Station F avec le launchpad HEC et Bjay Kamwa Watanabe, elle cible notamment les médias, les entreprises et les équipes de production.

Monter une vidéo reste un travail minutieux. Il faut visionner les rushes, repérer les séquences pertinentes, synchroniser les pistes audio, couper les passages inutiles, ajouter des titres et de la musique, puis adapter le résultat au format de diffusion. Pour les organisations qui produisent régulièrement des contenus, ces opérations mobilisent du temps et des ressources. C’est sur cette chaîne de production que se positionne Tellers.ai, une plateforme conçue pour déléguer une partie de ces tâches à des agents d’intelligence artificielle.

Le principe : donner une instruction en langage naturel, fournir une vidéo ou une bibliothèque de fichiers, puis laisser l’outil analyser les contenus et proposer un montage. L’utilisateur peut préciser un angle, demander de retrouver certains passages ou produire plusieurs extraits à partir d’un même tournage. « Notre expertise, c’est le montage vidéo », résume Robin Guignard-Perret.

La nuance est importante dans un marché où les outils de génération vidéo se multiplient. Tellers.ai ne cherche pas seulement à créer des images artificielles à partir d’un texte. La plateforme se concentre sur l’exploitation de contenus existants, qu’il s’agisse d’interviews, de tournages ou d’archives audiovisuelles. L’objectif est de faciliter leur réutilisation et d’en tirer de nouveaux formats sans reprendre manuellement l’ensemble du travail.

Des vidéos aux clips, sans tout reprendre à la main

Pour fonctionner, le système doit d’abord comprendre les contenus à sa disposition. Les vidéos sont analysées, indexées et stockées afin que les agents puissent retrouver rapidement les séquences pertinentes. La plateforme prend en compte ce qui apparaît à l’image, mais aussi les paroles prononcées. Cette double analyse permet de rechercher un passage à partir d’un sujet ou d’une phrase, plutôt que de parcourir l’enregistrement du début à la fin.

Une entreprise peut ainsi fournir sa bibliothèque audiovisuelle et demander un montage sur un thème précis. Un média peut chercher à extraire des séquences d’une interview ou à remettre en circulation des images d’archives. Un créateur de contenu peut demander à l’outil de transformer un long tournage en plusieurs clips courts destinés aux réseaux sociaux.

Robin Guignard-Perret évoque un exemple tiré de sa propre expérience : une série de cinq épisodes comprenant plusieurs pistes de microphones, des captures d’écran et des interruptions d’enregistrement. Après les premiers essais, il estime avoir pu produire les épisodes destinés à YouTube avec environ deux prompts par épisode. Le système devait notamment retrouver les passages utiles et assembler différentes sources. Ce chiffre reste une estimation pour ce cas précis : le nombre d’instructions ne suffit pas à mesurer à lui seul le temps total économisé.

Autre possibilité : extraire d’un tournage une dizaine de clips courts. L’agent peut rechercher les moments intéressants et isoler les séquences adaptées aux réseaux sociaux. Lors de l’entretien, le cofondateur raconte notamment comment l’outil a retrouvé un passage dans lequel il annonçait qu’il allait parler successivement en français et en anglais. Une séquence spontanée qu’il souhaitait conserver, et que le système a identifiée dans l’enregistrement.

L’intérêt est de réduire le temps passé à rechercher et assembler les images, sans supprimer la nécessité d’un regard éditorial. La pertinence d’un extrait, le choix d’un angle ou le rythme d’une vidéo restent déterminants. Un montage techniquement cohérent n’est pas nécessairement un montage intéressant pour son public.

Un outil de postproduction plutôt qu’un générateur d’images

La plateforme va au-delà de la sélection des plans. Elle permet aussi d’ajouter du motion design, d’intégrer de la musique ou d’en générer, selon les besoins. Elle peut analyser les dynamiques d’un morceau pour adapter certaines coupes à son rythme. Ces fonctionnalités reposent sur différents outils que les agents peuvent mobiliser en fonction de la demande.

L’ambition est de rassembler ces possibilités dans un même environnement, plutôt que d’obliger l’utilisateur à jongler entre plusieurs services spécialisés. La génération d’images ou de sons peut compléter le montage lorsque le projet le nécessite, mais elle ne constitue pas le cœur du produit.

Tellers.ai envisage également des agents spécialisés capables d’appliquer les règles propres à chaque organisation : identité visuelle, logos, couleurs ou consignes de montage. Pour une équipe marketing, cela peut faciliter la production régulière de contenus conformes à sa charte graphique. Pour un média, l’intérêt réside davantage dans la capacité à retrouver des passages précis et à décliner une matière éditoriale existante.

La plateforme est conçue pour s’intégrer aux méthodes de travail des professionnels. Les montages peuvent être exportés vers des logiciels comme Adobe Premiere Pro ou Avid, afin d’être retravaillés dans ces environnements. L’idée n’est donc pas nécessairement de remplacer le monteur et ses outils, mais de lui permettre de déléguer certaines opérations avant de reprendre la main sur le résultat.

Un modèle économique à l’usage

Tellers.ai fonctionne sur un modèle d’abonnement complété par une consommation de crédits. Selon Robin Guignard-Perret, les premières offres commencent à 16 dollars par mois, tandis qu’un abonnement autour de 100 dollars donne accès à davantage de fonctionnalités et de crédits. Le coût dépend notamment du volume de vidéos analysées et des opérations demandées.

Le cofondateur estime le prix de l’analyse à environ trois dollars par heure de vidéo, selon les paramètres utilisés. Une conférence d’une heure et demie représenterait ainsi quelques dollars pour cette première étape, avant les éventuelles opérations de montage. Une fois les contenus analysés et indexés, l’utilisateur peut rechercher et extraire différents passages sans nécessairement reprendre toute l’analyse initiale.

Cette logique peut intéresser les entreprises qui disposent d’importantes bibliothèques audiovisuelles. Mais l’équation économique dépend des usages : il faut mettre le coût de la plateforme en regard du temps de travail économisé, des volumes produits et du niveau de retouche nécessaire. Le gain réel ne peut donc pas être déduit du seul prix de l’analyse.

La plateforme évolue dans un secteur où les grands acteurs de l’intelligence artificielle investissent massivement. Son positionnement repose sur une spécialisation : donner aux agents les moyens de travailler sur des contenus vidéo existants, de les comprendre et de les transformer, plutôt que de se limiter à la génération de nouvelles images.

Tellers.ai a notamment réalisé des démonstrations auprès de l’Agence France-Presse. Robin Guignard-Perret précise toutefois que cette relation n’a pas encore donné lieu à une activation commerciale. L’exemple témoigne de l’intérêt porté à la réutilisation des archives, mais ne constitue pas, à ce stade, une preuve de déploiement à grande échelle.

Un projet né d’un besoin de production

Robin Guignard-Perret découvre la programmation au collège et s’intéresse rapidement aux réseaux de neurones. Entre la première et la terminale, il rejoint l’école 42, où il se forme au développement informatique. Il travaille ensuite dans la tech, notamment chez Sonos, avant de développer plusieurs projets.

C’est une mission de freelance auprès d’un média qui l’amène à se pencher sur les besoins de production vidéo. La multiplication des contenus à produire et le temps consacré au montage lui font identifier un problème concret. Lorsque ce média perd ses financements, il décide de développer une solution pour y répondre.

Il lance d’abord un produit seul, avant qu’un ancien collègue ne le rejoigne. Leur collaboration conduit progressivement à la plateforme actuelle, qui dépasse le simple outil de montage pour proposer un environnement dans lequel des agents peuvent mobiliser différentes briques techniques.

Cette origine explique le choix de se concentrer sur un problème opérationnel. L’intelligence artificielle ne constitue pas une fin en soi : elle doit permettre d’effectuer des tâches qui mobilisent encore beaucoup de temps humain. Mais l’automatisation ne règle pas toutes les questions. La qualité des sources, la précision des consignes et la pertinence du montage final restent essentielles.

À mesure que les agents gagnent en autonomie, le rôle des professionnels pourrait évoluer vers davantage de direction éditoriale et de validation. Le monteur ne disparaît pas nécessairement du processus : il peut consacrer moins de temps à rechercher et assembler les séquences, et davantage à construire le récit et à en contrôler le résultat. C’est sur cette répartition du travail entre humains et machines que Tellers.ai entend faire sa place.