Écrire un script YouTube avec l'IA : le texte de ChatGPT se lit bien et se regarde mal

Tapez « écris-moi un script YouTube de dix minutes sur la facturation en auto-entrepreneur » dans ChatGPT. Vous obtenez en vingt secondes un texte propre : une salutation, un sommaire, trois grandes parties, une conclusion, un appel à s'abonner. Relu sur écran, c'est convaincant. Lu devant une caméra, ça se vide en une minute.

La raison tient dans YouTube Studio. Le rapport de rétention isole les 30 premières secondes de chaque vidéo et affiche le pourcentage de spectateurs encore là après. Le script généré d'un bloc dépense ces 30 secondes à dire bonjour et à annoncer le plan. Le spectateur, lui, a cliqué sur un titre et une miniature qui promettaient quelque chose de précis. Il attend qu'on tienne la promesse, tout de suite.

D'où la méthode qui suit, construite à partir de ce que la plateforme mesure plutôt qu'à partir de ce qu'un modèle de langage produit spontanément. Elle complète le guide sur la chaîne YouTube automatisée et ses règles de monétisation, qui couvre ce que YouTube autorise ; ici, il s'agit seulement d'écriture.

Ce que YouTube mesure, et ce que ça impose au script

La page d'aide « Analyser les temps forts de la rétention d'audience » décrit le rapport tel qu'il apparaît dans YouTube Studio, disponible dès qu'une vidéo dépasse 60 secondes et 100 vues. Quatre motifs y sont nommés. L'intro, d'abord, avec un chiffre à part : le pourcentage de spectateurs qui continuent après les 30 premières secondes. Puis la forme de la courbe elle-même, plate quand un passage est regardé du début à la fin, en pente douce quand l'attention décroche progressivement. Les pics signalent des passages que des spectateurs rejouent ou partagent, les baisses des passages sautés, ou le moment où les gens ferment la vidéo.

YouTube ajoute une recommandation qui vaut consigne d'écriture : placer les moments forts plus tôt dans la vidéo, et vérifier que la miniature et le titre correspondent à ce que la vidéo livre.

Capture de support.google.com, page d'aide YouTube sur la rétention d'audience, le 14 septembre 2026.

Il y a une deuxième mesure, moins visible. En septembre 2021, Cristos Goodrow, vice-président de l'ingénierie de YouTube, a décrit sur le blog officiel les signaux du système de recommandation : les clics, le temps de visionnage, les partages, les « j'aime » et les « je n'aime pas », et des enquêtes qui demandent au spectateur de noter la vidéo de une à cinq étoiles. Seules les notes de quatre ou cinq étoiles comptent dans ce que YouTube appelle le temps de visionnage de valeur.

Capture de blog.youtube, billet de Cristos Goodrow du 15 septembre 2021, capturé le 14 septembre 2026.

Un script qui retient par la ruse, en repoussant sans cesse la réponse promise vers la fin, gagne du temps de visionnage et perd des étoiles. Les deux comptent.

Traduit en règles d'écriture, ça donne trois contraintes que le premier jet d'une IA ne respecte jamais sans qu'on les lui impose :

• la première phrase dite à l'écran engage la promesse du titre, aucune salutation avant ;
• chaque segment se termine par une raison concrète de regarder le suivant, pas par une transition d'école ;
• le meilleur moment de la vidéo arrive tôt, dans le premier tiers, et le reste construit dessus.

Pourquoi le premier jet de ChatGPT plante la rétention

Le modèle fait ce qu'on lui demande. Le problème vient du brief, « écris-moi un script », qui ne contient ni le titre, ni la promesse, ni le spectateur, ni votre voix. Il comble les vides avec la forme la plus fréquente de ses données d'entraînement : un exposé.

Sans brief, trois défauts reviennent dans presque tous les jets, et chacun se lit sur la courbe de rétention.

L'ouverture en trois temps, « bonjour à tous, aujourd'hui on va voir, avant de commencer », occupe 25 à 40 secondes à débit normal. Elle tombe pile dans la fenêtre d'intro que YouTube mesure à part. Pendant ce temps, la promesse du titre attend.

Le plan en trois parties équilibrées, chacune avec sa phrase d'ouverture et sa phrase de bilan, produit une courbe en baisse progressive. Rien n'est faux, rien n'accroche, le rythme ne change jamais.

Et puis il y a le style, écrit pour être lu. Des phrases de trente mots avec deux subordonnées, des « il est important de », des « en effet ». À l'oral, on bute, on reprend son souffle au mauvais endroit, on lit au lieu de parler. Le spectateur l'entend.

Rien de tout ça ne se corrige en demandant « rends-le plus dynamique ». La correction se fait en amont, dans l'ordre des opérations.

La méthode en cinq passes

Pour un script de huit minutes, comptez une heure et demie à deux heures la première fois, et une bonne heure ensuite. La génération brute prend vingt secondes ; ce qui prend du temps, c'est tout ce qu'il faut préparer avant et vérifier après.

Passe 1 : le brief, avant d'ouvrir l'IA

Le brief tient sur une page. Il commence par le titre définitif et une ligne qui décrit la miniature. Si la miniature n'est pas décidée, décidez-la maintenant : c'est elle qui fixe l'attente du spectateur, et le script doit la tenir. La méthode pour une miniature qui convertit est détaillée ailleurs sur le site.

Vient ensuite la promesse, en une phrase que le spectateur pourrait répéter à un ami : « à la fin, tu sais quelle case cocher sur le formulaire Urssaf et pourquoi ».

Ajoutez trois faits ou exemples qui vous appartiennent, un chiffre de votre activité, une erreur que vous avez faite, une capture d'écran que vous montrerez. L'IA ne les a pas, et sans eux elle écrira la même vidéo que les cent autres sur le sujet.

Notez la durée cible et votre débit, mesuré une fois pour toutes : lisez une page à voix haute pendant une minute, chrono en main, et comptez les mots. Les calculateurs de voix off, comme celui de Chronotexte, tablent sur 120 à 160 mots par minute selon le ton. Le vôtre est peut-être à 125 ou à 165, et l'écart change la longueur du script d'un quart.

Terminez par le registre, tutoiement ou vouvoiement, avec deux ou trois expressions que vous employez vraiment et deux que vous ne dites jamais.

À 140 mots par minute, huit minutes font environ 1 100 mots. C'est le budget. Tout ce qui le dépasse sera coupé à la passe 4.

Passe 2 : les segments avant le texte

Ne demandez pas encore le script. Demandez la découpe. Le prompt que j'utilise, à adapter :

Voici le brief de ma vidéo YouTube : [coller le brief].
Propose 7 à 9 segments de 45 à 75 secondes chacun. Pour chaque segment, donne :
1. ce que le spectateur sait ou sait faire à la fin du segment qu'il ne savait pas avant ;
2. la question ou la tension qui reste ouverte et qui justifie de regarder le segment suivant.
Pas de segment « introduction », pas de segment « conclusion ». La première phrase du segment 1 doit répondre directement au titre.
Format : une ligne par segment, sans texte de script.

Vous obtenez une liste de sept à neuf lignes. Imprimez-les, ou écrivez-les sur des fiches, une par segment, et posez-les par terre dans l'ordre proposé. Puis réordonnez à la main. La question à se poser pour chaque fiche : si le spectateur part après celle-ci, a-t-il eu quelque chose ?

Deux règles de réordonnancement que l'IA ne fait pas d'elle-même. Le segment qui contient votre meilleur exemple, celui avec le chiffre ou la capture, passe en position 2 ou 3, jamais en dernier. Et le segment le plus abstrait, s'il en reste un, passe juste après le plus concret, pour qu'il s'appuie dessus.

Sur l'exemple de la vidéo « facturation auto-entrepreneur », une découpe générée place presque toujours la démonstration sur une vraie facture en segment 6, après les définitions. Remontée en segment 2, elle sert d'appui à tout ce qui suit, et le spectateur qui n'a que trois minutes repart avec l'essentiel.

Passe 3 : le texte, segment par segment, en oral

Un segment à la fois, jamais la vidéo entière d'un coup. La demande ressemble à ça :

Écris le segment 2 tel que je le dirais face caméra. Contraintes :
- phrases de 15 mots maximum, une idée par phrase ;
- [tutoiement / vouvoiement], expressions autorisées : [liste], expressions interdites : [liste] ;
- aucune formule d'annonce (« on va voir », « dans cette partie », « comme je le disais ») ;
- aucun appel à s'abonner, aucune salutation ;
- termine sur la question ouverte du segment 3 sans la formuler comme une question rhétorique.
Voici les faits à utiliser, et rien d'autre : [les faits du brief pour ce segment].
Longueur : [nombre de mots] mots.

La ligne « rien d'autre » compte. Sans elle, le modèle ajoute un chiffre plausible sur le nombre d'auto-entrepreneurs en France, une statistique sur les impayés, un « selon une étude ». Vous ne saurez pas d'où ça vient, et si vous le dites à l'écran, c'est vous qui le signez. Le guide sur le storytelling avec l'IA sans sonner ChatGPT traite plus longuement de cette question de la matière première : l'outil structure ce que vous lui donnez, il ne devrait pas fournir le fond.

Quand les segments sont là, collez-les bout à bout et lisez le raccord entre chaque paire. Neuf fois sur dix, le début du segment suivant répète la fin du précédent. Coupez la répétition.

Passe 4 : lecture à voix haute, chrono, et la colonne visuel

Lisez le script entier debout, à voix haute, chrono lancé, sans vous arrêter aux fautes. Notez le temps. Il dépasse presque toujours la cible, parce qu'on lit un texte inconnu plus lentement que la page familière chronométrée à la passe 1. Coupez jusqu'à tomber sous la cible.

Pendant cette lecture, marquez d'un trait chaque phrase sur laquelle vous avez buté. Ces phrases ont été écrites pour l'œil. Réécrivez-les vous-même, sans repasser par l'IA : c'est plus rapide et le résultat vous ressemble.

Ajoutez ensuite la colonne visuel, en marge. Face caméra, capture d'écran, plan de coupe, texte affiché. L'IA fait ça correctement si on lui donne le script terminé et la liste de ce que vous êtes capable de montrer (« j'ai des captures de mon espace Urssaf, un tableau Google Sheets, pas de plans tournés en extérieur »). Règle pratique pour une vidéo parlée : pas plus de vingt secondes sans que quelque chose change à l'image, sinon c'est le passage que la courbe désignera comme une baisse, quel que soit le texte.

Passe 5 : les segments deviennent des chapitres

Les chapitres YouTube, ceux qui découpent la barre de lecture, suivent trois règles écrites dans la page d'aide « Chapitres vidéo » : au moins trois codes temporels dans la description, le premier à 00:00, et dix secondes minimum par chapitre.

Capture de support.google.com, page d'aide YouTube sur les chapitres vidéo, le 14 septembre 2026.

Vos sept à neuf segments sont déjà des chapitres. Leur titre est la promesse du segment, en cinq mots : « La case qui change tout », pas « Partie 2 ». Un spectateur qui arrive par la recherche voit ces titres sous la vidéo et saute directement au chapitre qui l'intéresse. C'est de la rétention aussi, mesurée comme un pic sur ce chapitre, et c'est une raison de plus de ne pas garder le meilleur pour la fin.

Relire la courbe après publication

La méthode ne se boucle qu'avec le rapport de rétention de la vidéo publiée. Trois lectures, une fois les 100 vues atteintes.

Le pourcentage d'intro. S'il chute, comparez la première phrase dite à l'écran avec le titre. En général, l'écart vient de là : le titre promet un résultat, la première phrase parle du contexte.

Les baisses. Chaque creux net correspond à un segment. Notez lequel, et notez ce qu'il contenait : une explication longue, un passage sans visuel, une digression. Ce constat va dans le brief de la vidéo suivante, à la ligne « expressions interdites » ou « segments à éviter ».

Les pics, qui sont plus rares. Ce que les gens rejouent est ce qu'ils sont venus chercher. Dans la prochaine vidéo sur un sujet voisin, ce type de passage remonte en position 2.

Après cinq ou six vidéos, votre brief de la passe 1 contient une liste de ce qui marche et de ce qui fait fuir, spécifique à votre audience. La qualité du script vient de cette liste bien plus que du modèle utilisé, et aucun abonnement ne la fournit à votre place.

Ce que l'IA fait mal ici, et ce que ça coûte

Le modèle lisse. Donnez-lui une anecdote un peu ratée, un échec réel, il en fait une leçon bien rangée. Il faut reprendre à la main les passages où vous racontez quelque chose qui vous est arrivé, sinon tout le monde raconte la même histoire.

Il rallonge. Chaque relance produit un texte plus long que le précédent. Le budget de mots de la passe 1 sert à ça : une contrainte chiffrée dans chaque prompt.

Et dès que le brief ne contient pas de chiffres, il en fabrique, avec assurance. La règle « rien d'autre » de la passe 3 limite ce risque sans l'annuler. Toute donnée chiffrée qui apparaît dans un segment sans être dans votre brief est à supprimer ou à vérifier avant d'être dite à l'écran.

Côté coût, un abonnement à ChatGPT ou à Claude, autour d'une vingtaine d'euros par mois, suffit largement pour ce travail ; les versions gratuites permettent de tester la méthode sur une ou deux vidéos avant de payer. Le vrai coût est le temps : une heure et demie par script, à comparer aux deux ou trois heures d'un script écrit seul à partir d'une page blanche. Le gain existe, il n'est pas de dix contre un.

Sur l'outil d'écriture lui-même, un document texte suffit pour une vidéo parlée. Si votre format est de la fiction, un court métrage ou une série avec des personnages et des dialogues, un logiciel de scénario a du sens ; ScreenWeaver, le produit maison, est fait pour ce cas (actes, séquences et dialogues), et n'apporte rien de particulier à un tuto face caméra.

Reste la monétisation. Un script écrit avec l'IA selon cette méthode contient votre matière, votre voix et vos exemples ; il tombe hors de la catégorie « contenu non authentique » que YouTube a précisée en juillet 2026 et que le guide de la chaîne YouTube automatisée détaille. Un script généré d'un bloc, sans brief, publié tel quel avec une voix de synthèse, tombe dedans. La différence entre les deux se joue à la passe 1, avant même d'ouvrir l'outil.

Si vous écrivez aussi pour les formats courts, la logique du hook change et les 30 secondes deviennent trois : le guide sur le script vidéo adapté à TikTok couvre ce cas à part. Pour la partie captation, le choix du micro pour enregistrer ses vidéos YouTube pèse autant que le texte sur le confort d'écoute. Les autres guides sur la vidéo et les visuels produits avec l'IA sont regroupés dans la rubrique IA pour business.

Pour recevoir les prochaines méthodes de ce type, avec les prompts complets, le Telegram BusinessDynamite reste le canal le plus simple.