Mots-clés vidéo stock avec ChatGPT : le prompt et la méthode

Quelles images donner à ChatGPT ou à Claude

Les assistants lisent des images. Le guide vision d'OpenAI accepte le PNG, le JPEG, le WebP et le GIF non animé, et sa FAQ sur l'envoi de fichiers cite les fichiers texte, tableurs, présentations et documents. Celui d'Anthropic pour Claude accepte le JPEG, le PNG, le GIF et le WebP, et ne garde que la première image d'une animation. La première étape vous revient donc : transformer chaque clip en quelques images fixes.

N'importe quel lecteur vidéo sait enregistrer une image. Pour un dossier entier, FFmpeg va plus vite. Cette commande enregistre un JPEG toutes les quatre secondes, soit cinq images pour un clip de 20 secondes :

ffmpeg -i clip.mov -vf fps=1/4 -q:v 2 clip_%02d.jpg

Choisissez ces images avec soin : c'est tout ce que le modèle saura du clip.

• Début, milieu et fin. Trois images montrent un changement : un sujet qui entre dans le champ, un drone qui découvre une côte, un ciel qui s'assombrit.
• Des images nettes, en taille réelle. Anthropic écrit que Claude peut se tromper sur les images de mauvaise qualité, pivotées ou très petites (moins de 200 pixels). Écartez les images floues de transition.
• Attendez-vous à moins bien sur le fisheye. OpenAI indique que son modèle peine sur les images panoramiques et fisheye.
• Un clip par message. Les images de deux clips dans une même demande donnent une seule liste mélangée.

Le modèle ne lit pas non plus votre fichier. OpenAI écrit que son modèle « doesn't process original file names or metadata », et Anthropic que Claude ne reçoit aucune métadonnée des images. Le lieu, le mouvement de caméra et la cadence doivent être tapés à la main : c'est le rôle du bloc de faits du prompt.

Un prompt ChatGPT pour les mots-clés Shutterstock, Adobe Stock et Pond5

Ce prompt fonctionne de la même façon dans ChatGPT et dans Claude. Remplissez les crochets, joignez les images dans l'ordre, envoyez. Il est en anglais, comme les métadonnées que vous allez soumettre. Les champs de sortie sont dimensionnés pour convenir aux trois agences à la fois :

You are writing stock footage metadata for ONE video clip.
The attached images are still frames from that clip, in order:
the first image is the start of the clip, the last one is the end.

Facts I know about the clip (use them as given, do not change them):
- Location: [city, region, country, or "unknown"]
- Camera move: [static / pan left / tilt up / dolly in / drone flying forward]
- Speed: [real time / slow motion / time-lapse]
- Use: [commercial / editorial]
- Other: [species, event, anything the frames cannot show]

Rules:
1. Describe only what is visible in the frames or listed in my facts.
   If you are not sure of a place, a species or an object, leave it out.
2. No brand names, product names, logos, camera or drone models,
   people's names or other personal information.
3. English only. Use each word once, and only one form of a word
   (for example "run" or "running", never both).
4. Do not pad the list with loosely related words. Stop when the clip
   is described.
5. My facts may be written in French. Translate them, and write your
   whole answer in English.

Return plain text in exactly this format:

DESCRIPTION: one factual sentence under 150 characters that says
who or what, doing what, and where. (For Shutterstock.)

TITLE: 40 to 70 characters, a short phrase describing the clip.
(For Adobe Stock and Pond5.)

KEYWORDS: 15 to 40 keywords, comma-separated, most important first.
The first 10 must cover the main subject, the action, the place
and the setting. Include the camera move and speed from my facts.

UNSURE: words you left out because the frames could not confirm them.

Ce que dit le prompt, en bref :

• le bloc « Facts » donne au modèle ce qu'il ne peut pas voir : lieu, mouvement, vitesse, usage commercial ou éditorial ;
• les règles 1 à 4 interdisent les suppositions, les marques, les doublons et le remplissage ;
• la règle 5 force une réponse anglaise, même si vos faits sont en français ;
• la ligne « UNSURE » liste les mots que le modèle a écartés faute de preuve : c'est là que vous tranchez.

Deux réglages par agence. Pour Pond5, les 20 premiers mots-clés de la liste correspondent à sa recommandation de 10 à 20. Pour Adobe Stock, titres et mots-clés doivent suivre la langue réglée dans votre compte contributeur. Le détail de chaque limite est dans combien de mots-clés par agence.

Écrire en français, recevoir en anglais

Shutterstock exige des métadonnées en anglais (seuls les noms latins d'espèces font exception) et Pond5 un titre en anglais. Or un assistant peut répondre dans la langue de la conversation : écrivez « Lieu : Annecy, Haute-Savoie » et demandez « donne-moi des mots-clés », vous risquez de recevoir des mots-clés français, contraires à la règle de Shutterstock.

Trois habitudes évitent ce piège :

1. Gardez le prompt en anglais, même si vous remplissez les crochets en français. La règle 5 demande de traduire vos faits et de répondre entièrement en anglais.
2. Vérifiez les noms de lieux. Un nom propre peut avoir une forme anglaise (« French Riviera » pour la Côte d'Azur). Gardez la forme que vous pouvez justifier, et contrôlez que le modèle n'a pas inventé une traduction.
3. Réglez votre compte Adobe Stock en anglais si vous vendez aussi sur Shutterstock et Pond5 : Adobe veut une seule langue, celle du compte. Avec un compte réglé en français, demandez une seconde version française des mêmes champs.

La langue exigée par chaque agence, avec les citations exactes, est détaillée dans mots-clés en anglais ou en français.

Vérifier la réponse

Le guide d'OpenAI écrit que son modèle « may generate incorrect descriptions or captions », et Anthropic que Claude « might hallucinate or make mistakes ». Lisez chaque réponse avec le clip en lecture :

1. Lisez d'abord la ligne UNSURE. Elle montre où le modèle a hésité ; tranchez vous-même chaque mot.
2. Contrôlez lieux et espèces. Un modèle qui voit un pont de pierre peut nommer un pont célèbre. Gardez un lieu seulement s'il figure dans vos faits, et un nom latin d'espèce seulement si vous pouvez le confirmer.
3. Rayez les marques et le matériel passés entre les mailles, y compris un modèle de téléphone ou de drone dans la description.
4. Cherchez les racines et quasi-doublons : sunset et sunsets, aerial et aerial view, city et cityscape côte à côte.
5. Comptez caractères et mots-clés avec le vérificateur de titre et de mots-clés (gratuit, en anglais). Ne vous fiez pas au comptage du modèle pour les 150 ou les 70 caractères.
6. Fixez l'ordre pour Adobe avant de soumettre : il est verrouillé pendant la modération.

Si la même erreur revient d'un clip à l'autre, corrigez le bloc de faits ou les règles plutôt que chaque réponse à la main. À quoi ressemble une liste complète pour des sujets courants : exemples de mots-clés vidéo stock.

Ce qu'un assistant ne fait pas pour un lot

La méthode marche. Son coût, ce sont les manipulations autour, et il grandit à chaque clip.

À cinq images par clip, le plafond d'OpenAI de 80 fichiers toutes les trois heures donne 16 clips par tranche de trois heures. La voie du CSV est décrite dans le guide CSV Shutterstock et le guide CSV Adobe Stock (en anglais).

Quand un outil dédié vaut la peine

La méthode du chat a du sens pour de petits volumes ou des clips inhabituels. Un outil dédié commence à rapporter quand :

• vous préparez chaque semaine plus de clips que vous ne voulez en traiter un par un dans une fenêtre de chat ;
• vous envoyez les mêmes clips à plusieurs agences et il vous faut un CSV ou un formulaire rempli pour chacune ;
• vous voulez l'extraction d'images et le respect des limites en automatique, sans compter les caractères ;
• vous voulez que le fichier lui-même soit contrôlé avant qu'un modérateur le voie.

Ce que les outils font des images, et les erreurs qu'ils partagent avec les assistants, est expliqué dans les mots-clés IA pour la vidéo stock. Les outils qui gèrent la vidéo sont comparés sur les mêmes critères, avec leurs prix publiés, dans les outils de mots-clés pour la vidéo stock (en anglais).

Où se place RushPilot

RushPilot est une application de bureau pour les contributeurs de vidéo stock, en bêta privée. Elle fait la boucle de cette page pour un dossier entier : elle lit cinq images de chaque clip, écrit le titre, la description et les mots-clés en anglais selon les limites de chaque agence (par ordre d'importance pour Adobe Stock), contrôle les motifs de refus courants comme la résolution, la durée, les logos visibles ou l'agrandissement, et attend votre validation avant d'envoyer vers Shutterstock, Adobe Stock et Pond5.

Elle ne remplace pas ce que vous savez du tournage : un lieu ou une espèce que les images ne prouvent pas demande toujours votre œil, et aucun outil ne peut promettre l'acceptation. Comptez de 0,05 € à 0,09 € par clip selon l'offre, avec 25 clips gratuits pour les nouveaux comptes ; le détail est sur la page des tarifs. Vous pouvez rejoindre la liste d'attente de la bêta.