Claude Fable 5 : une vidéo entière à partir d’un seul prompt

Quelqu’un ouvre Claude, saisit un seul objectif, part à la salle de sport — et revient à une vidéo YouTube terminée. Pas de tournage, pas de caméra, pas de logiciel de montage. L’avatar est généré par IA, la voix est un clone, le script a été écrit par Claude. Impressionnant ? Oui. Mais la question plus honnête est : qu’y a-t-il vraiment derrière — et qu’est-ce que cela signifie pour vous, si vous n’êtes pas youtubeur mais dirigez une entreprise ?

Ce qui s’est réellement passé

Au départ, il y avait une expérience : un prompt, un objectif, puis plus aucune intervention. La vidéo en question n’a pas été filmée. La personne à l’image est un avatar IA, la voix un clone, entraîné sur de vraies vidéos antérieures. Chaque mot du script vient de Claude. Pendant la fabrication de la vidéo, le créateur n’a vu aucune image — il avait saisi un prompt et était parti. Recherche, script, voix, avatar, motion design : tout s’est déroulé tout seul.

C’est un nouveau modèle qui rend cela possible. Cette semaine, Anthropic a publié Claude Fable 5 — et c’est précisément pour cela que cette vidéo peut exister.

Ce qu’est Claude Fable 5

Fable 5 est le premier modèle de la classe dite «Mythos» — le cran au-dessus d’Opus — accessible sur une formule payante. Jusqu’ici, cette classe était réservée à des partenaires de sécurité agréés. Il établit de nouveaux records dans presque tous les benchmarks testés. Trois domaines ressortent :

• Programmation. Selon Stripe, Fable 5 comprime des mois de travail d’ingénierie en quelques jours. Dans l’annonce, la migration complète d’une base de code Ruby de 50 millions de lignes se déroule en une seule journée — une tâche qui aurait occupé toute une équipe à la main pendant deux mois.
• Vision. Le modèle peut reconstituer le code source d’une application web à partir de simples captures d’écran. Et il a terminé Pokémon Fire Red du début à la fin uniquement à partir des images à l’écran — sans cartes, sans aides à la navigation dont les modèles plus anciens avaient encore besoin.
• Endurance sur la durée. Fable 5 reste concentré sur des millions de tokens. Avec une mémoire fondée sur des fichiers — simplement des fichiers dans lesquels il prend des notes — il a atteint le dernier acte du jeu Slay the Spire trois fois plus souvent qu’Opus 4.8.

Ce n’est pas bon marché : environ 10 dollars US par million de tokens en entrée, 50 par million de tokens en sortie. Ce que ce prix signifie concrètement, vous le verrez plus bas dans la partie honnête.

Comment la vidéo a été faite : le pipeline en 5 étapes

Derrière ce prompt unique se cache une chaîne bien construite de cinq étapes. Chacune résout un problème concret — et c’est justement ce découpage qui fait toute l’astuce.

1. Script. Claude lit l’annonce complète d’Anthropic, vérifie l’exactitude de chaque affirmation et écrit le script dans la voix du créateur — sur la base d’un «voice playbook» construit à partir de ses transcriptions réelles.
2. Voix. Le script part vers un clone vocal (ElevenLabs), entraîné sur les vraies vidéos. L’astuce : impossible de générer quatre minutes d’un coup, car la voix dérive avec la longueur. Claude découpe donc le script en morceaux d’à peine une minute et les sonorise séparément.
3. Avatar. Chaque morceau audio est rendu dans HeyGen avec le modèle d’avatar le plus récent. Comme ce modèle n’était pas encore sélectionnable via l’API, Claude a tout simplement piloté lui-même un navigateur avec Playwright et cliqué chaque vidéo à la main.
4. Montage. Claude assemble les clips d’avatar avec FFmpeg, produit une transcription mot à mot et construit chaque animation comme du vrai code — du HTML animé avec GSAP, calé exactement sur les mots prononcés.
5. Auto-vérification. Pour finir, Claude contrôle son propre travail : il rend des images de chaque scène, les examine visuellement et refait tout ce qui ne convient pas — jusqu’à ce que l’ensemble tienne.

Un prompt entre, une vidéo montée sort. Voilà ce dont est capable un modèle haut de gamme dans la semaine de sa sortie.

La partie honnête : limites, coûts, réalité

Aussi impressionnant que ce soit — sans hype, il reste quatre points sobres que le créateur aborde lui-même ouvertement :

• Non reproductible à l’identique. Copier le même prompt ne donne pas le même résultat. En arrière-plan se trouvent des capacités spécialisées déjà construites («Skills») pour le motion design — c’est là que se fait la différence.
• Le modèle le plus cher n’est pas nécessaire. Le créateur le dit lui-même : il pourrait probablement reproduire ce style avec Sonnet, nettement moins cher — une fois le déroulé emballé en Skill réutilisable. Le pipeline vaut plus que le modèle haut de gamme.
• Les coûts sont bien réels. L’exécution a duré environ une heure et consommé quelque 380.000 tokens. Le modèle tournait sur la formule Max — et un seul passage a englouti environ 40 % d’une formule mensuelle à 200 $. Presque la moitié du budget en une heure. La prudence est donc de mise.
• Le contexte l’emporte sur le prompt astucieux. Ce qui a été décisif n’est pas une formule magique, mais le contexte. Le créateur a écrit en substance : «Ne t’arrête que lorsque tu es convaincu à 100 % qu’il s’agit d’une vidéo de qualité — elle part sur ma chaîne, un mauvais résultat nuit à ma réputation.» Et : «Vérifie ensuite avec un workflow dynamique que tout est en place.» Donner au système le pourquoi donne de meilleurs résultats.

C’est ce dernier point qui constitue la vraie leçon — et elle n’a rien à voir avec YouTube.

Ce que vous pouvez en retenir

Oubliez un instant l’avatar. Ce que montre cette expérience, c’est un schéma de travail transposable à tout cas d’automatisation sérieux :

• Découper plutôt que faire de la magie. Pas «un prompt pour tout», mais une chaîne claire d’étapes dont chacune résout un problème concret.
• Fournir le contexte. L’objectif, l’enjeu et le niveau de qualité attendu font partie de la consigne — pas de votre seule tête.
• Intégrer le contrôle. Le système valide son propre résultat avant qu’un humain n’y jette un œil.
• Garder les coûts en vue. Le modèle le plus puissant est rarement le plus économique. Souvent, le plus léger suffit — si le déroulé est bien construit.

Ce n’est pas une astuce YouTube. C’est la question que je pose dans chaque projet d’automatisation : où l’automatisation apporte-t-elle un vrai levier — et où n’est-elle qu’un effet coûteux ?

Conclusion

Claude Fable 5 fait des choses qui, il y a peu, tenaient de la science-fiction — une vidéo entière à partir d’une phrase. Mais le regard honnête compte plus que l’effet : le résultat n’est pas copiable à volonté, un modèle moins cher suffit souvent, et les coûts peuvent déraper. Ce qu’il en reste, c’est un principe transposable — des étapes claires, du contexte intégré, un contrôle intégré. C’est exactement là-dessus que je travaille avec les entreprises : pas sur le plus gros modèle, mais sur la solution qui résout vraiment le problème — de manière mesurable et sans hype.

Source : librement adapté de «Claude Fable 5 Made This Entire Video By Itself.» de Nate Herk | AI Automation — voir sur YouTube. Le cadrage, la sélection et la formulation viennent de pletzenauer — digital consulting.