Vidéo de formation avec avatar IA : le workflow complet en 8 étapes

Créer une vidéo de formation avec l’IA prend quelques minutes sur les plateformes d’avatars : on colle un texte, on choisit un présentateur, on clique sur « Générer ». Le problème, c’est que ce type de vidéo n’apprend pas grand-chose. Une vidéo de formation efficace se prépare comme un module pédagogique : un objectif clair, des séquences courtes, un script écrit pour l’oral, de l’interaction, une relecture rigoureuse et un cadre juridique maîtrisé. Ce guide détaille le workflow que nous utilisons avec les équipes formation, de l’objectif à la mise à jour, avec des modèles prêts à l’emploi, un exemple complet et les points de vigilance propres à la France.

Cet article fait partie de notre guide des générateurs vidéo IA.

Réponse courte : comment créer une vidéo de formation avec un avatar IA ? En huit étapes : 1. fixer un objectif pédagogique ; 2. découper en séquences de moins de six minutes ; 3. écrire un script pour l’oral ; 4. choisir l’avatar et la voix, avec le consentement des personnes représentées ; 5. produire en alternant avatar et visuels ; 6. ajouter de l’interaction ; 7. relire, sous-titrer et signaler l’usage de l’IA ; 8. diffuser dans votre plateforme de formation, mesurer et mettre à jour.

En bref

• L’avatar ne remplace pas la conception pédagogique : le workflow commence par l’objectif, pas par l’outil.
• Des séquences courtes : dans la plus grande étude sur le sujet (6,9 millions de sessions sur edX), l’engagement chute nettement au-delà de six minutes (Guo, Kim et Rubin, 2014).
• Alterner avatar et visuels : la même étude montre que les vidéos qui mêlent présentateur et diapositives retiennent mieux que les diapositives seules.
• Le consentement est la première étape juridique dès qu’un double numérique représente une vraie personne.
• Le sous-titrage et la mention de l’IA sont à prévoir avant la diffusion, pas après.
• L’intérêt principal est la mise à jour : on corrige un script au lieu de refaire un tournage.
• Pour mettre ce workflow en place dans votre service, notre formation à la production de modules vidéo avec avatar IA part de vos contenus réels.

Quand choisir une vidéo avec avatar (et quand l’éviter)

Une vidéo avec avatar est pertinente dans certains cas précis, et contre-productive dans d’autres.

Elle fonctionne bien pour :

• les contenus qui changent souvent : procédures, réglementation, outils internes ;
• les contenus à décliner en plusieurs langues : sécurité, accueil, conformité ;
• les messages standardisés : présentation d’un dispositif, rappel de règles, accueil des nouveaux arrivants ;
• les introductions et les transitions d’un parcours de formation, où un visage humanise le contenu.

Elle fonctionne mal pour :

• les contenus émotionnels ou sensibles : annonce d’une réorganisation, accompagnement du changement difficile ;
• les gestes techniques : une démonstration filmée ou un enregistrement d’écran est plus clair ;
• les échanges et la pratique : l’avatar ne remplace ni la classe virtuelle, ni la mise en situation encadrée ;
• les contenus où le public pourrait se sentir trompé si la nature artificielle du présentateur n’est pas annoncée.

Règle pratique : si le message doit être identique pour tous, souvent mis à jour et compris dans plusieurs langues, l’avatar est un bon choix. S’il doit convaincre, émouvoir ou montrer un geste, privilégiez une personne filmée ou un autre format.

Le workflow en 8 étapes

Étape 1 : fixer l’objectif pédagogique

Tout commence par une phrase : « À la fin de cette vidéo, l’apprenant saura… ». Un verbe d’action observable (déclarer, choisir, repérer, appliquer), un contexte, un critère de réussite. Exemple : « À la fin de cette vidéo, le nouvel arrivant saura déclarer un incident de sécurité dans l’outil interne en moins de cinq minutes. »

Posez aussi trois questions : qui est le public (métier, niveau, langue), où la vidéo sera regardée (poste de travail, téléphone, salle de pause), et comment vous vérifierez que l’objectif est atteint (quiz, mise en situation, observation).

Étape 2 : découper en séquences courtes

Une vidéo de vingt minutes est rarement regardée jusqu’au bout. L’étude de Guo, Kim et Rubin sur 6,9 millions de sessions montre que les vidéos courtes sont nettement plus engageantes, avec une chute marquée au-delà de six minutes. Visez trois à six minutes par séquence, une idée principale par séquence, et un enchaînement logique dans le parcours. Les services pédagogiques des universités font la même recommandation pour les capsules vidéo, en insistant sur la fonction de chaque capsule dans le parcours (La Rochelle Université).

Structure type d’une séquence :

1. Accroche (15 à 20 secondes) : une situation ou une question ;
2. Contenu (2 à 4 minutes) : l’essentiel, en trois points maximum ;
3. Interaction (30 secondes) : une question ou un choix ;
4. Récapitulatif et suite (15 à 20 secondes) : ce qu’il faut retenir, ce qui vient ensuite.

Étape 3 : écrire le script pour l’oral

Un avatar lit exactement ce que vous écrivez. Un texte rédigé pour être lu devient pesant quand il est dit. Quelques règles :

• des phrases courtes, une idée par phrase ;
• le « vous » et des transitions orales (« Premier point », « Voyons maintenant ») ;
• les chiffres écrits comme on les prononce et les sigles développés à la première occurrence ;
• des pauses marquées par la ponctuation ou l’outil de pause de la plateforme ;
• les noms propres vérifiés à l’écoute : orthographe phonétique si nécessaire.

Modèle de script à dupliquer pour chaque séquence :

Séquence : [titre]
Objectif : À la fin, l’apprenant saura [verbe + contexte].
Durée visée : [3 à 6 minutes]

Scène 1 – Accroche : [situation ou question, 2 phrases]
Scène 2 – Point 1 : [explication, 3 à 5 phrases] | Visuel : [schéma, capture]
Scène 3 – Point 2 : [explication] | Visuel : [démonstration]
Scène 4 – Question : [question] | Réponses : [A / B / C] | Bonne réponse : [x] | Retour : [1 phrase]
Scène 5 – Point 3 : [explication] | Visuel : [exemple]
Scène 6 – À retenir : [3 points] | Suite : [séquence suivante]

Un assistant conversationnel peut transformer un support écrit en premier jet de script. Donnez-lui l’objectif, le public, la durée et la structure ci-dessus, puis relisez chaque phrase. Notre guide du prompt engineering détaille la méthode.

Étape 4 : choisir l’avatar et la voix

Trois options, selon votre contexte :

• Un avatar de catalogue : immédiat, sans question de droit à l’image d’un collaborateur, mais peu distinctif et parfois vu dans d’autres vidéos.
• Le double numérique d’un formateur ou d’un dirigeant : plus incarné et plus crédible pour votre public, mais soumis au consentement écrit de la personne (voir la section juridique).
• Un avatar à partir d’une illustration : utile pour une mascotte ou un personnage de marque.

Pour la voix, choisissez une voix française naturelle ou clonez celle de la personne représentée, avec son accord. Testez-la sur un passage contenant vos termes métier.

Pour créer un double numérique en pratique, notre guide HeyGen détaille les étapes, vidéo à l’appui.

Étape 5 : produire en alternant avatar et visuels

Choisissez la plateforme selon vos besoins. Nos guides détaillent les deux principales : HeyGen, orienté double numérique et traduction avec synchronisation labiale, et Synthesia, orienté formation d’entreprise et intégration aux plateformes de formation.

Dans les deux cas, n’enchaînez pas six minutes d’avatar plein écran. L’étude edX déjà citée montre que les vidéos qui alternent présentateur et diapositives sont plus engageantes que les diapositives seules. Alternez :

• l’avatar en plein cadre pour l’accroche et les messages clés ;
• l’avatar en incrustation à côté d’un schéma ;
• l’enregistrement d’écran ou la démonstration pour les procédures ;
• des mots-clés à l’écran pour ancrer les points importants.

Astuce budget : sur HeyGen, faites vos essais avec le modèle d’avatar le plus économique, puis générez la version finale avec le modèle le plus réaliste. HeyGen affiche le coût en crédits avant chaque génération.

💡 À ne pas confondre avec un agent IA : générer une vidéo à partir de votre script reste une production à la demande. Les outils qui écrivent le script, choisissent les visuels et assemblent la vidéo à partir d’une simple consigne (comme Video Agent chez HeyGen) enchaînent plusieurs étapes en autonomie, ce qui relève des agents IA. Pour découvrir les agents IA autonomes (qui exécutent plusieurs étapes en chaîne), voir notre cocon Agents IA.

Étape 6 : ajouter de l’interaction

Une vidéo regardée passivement s’oublie vite. Prévoyez au moins une interaction toutes les deux à trois minutes :

• une question de compréhension avec retour immédiat ;
• un choix de situation (« Que faites-vous ? ») avec embranchement selon la réponse ;
• une pause réflexive (« Notez un exemple dans votre contexte ») ;
• un lien vers une ressource à consulter avant la suite.

Les deux plateformes citées proposent des quiz et des embranchements selon la formule : dès Creator chez Synthesia, sur la formule Business chez HeyGen. Sinon, placez les questions dans votre plateforme de formation, entre les vidéos.

Étape 7 : relire, rendre accessible, signaler l’IA

La relecture en trois passes :

1. Le fond : un expert métier vérifie l’exactitude de chaque information.
2. La forme : un tiers regarde la vidéo en entier (prononciation, rythme, cohérence entre texte à l’écran et discours, artefacts visuels).
3. La cible : deux ou trois personnes du public visé la regardent et répondent aux questions.

L’accessibilité :

• des sous-titres synchronisés et relus, pour les personnes sourdes ou malentendantes et pour le visionnage sans son ;
• une transcription téléchargeable ;
• un contraste suffisant et une taille de texte lisible sur téléphone.

Ces points rejoignent les règles d’accessibilité des contenus web (WCAG), dont le W3C publie une traduction française officielle (W3C, WCAG 2.2).

La mention de l’IA : annoncez clairement, en début de vidéo ou dans le parcours, que le présentateur est un avatar généré par IA (voir la section juridique).

Étape 8 : diffuser, mesurer, mettre à jour

Diffuser. Téléchargez la vidéo en MP4, intégrez-la par un lien qui se met à jour automatiquement, ou exportez-la au format SCORM pour suivre la progression des apprenants dans votre plateforme de formation. Selon les éditeurs, l’export SCORM est disponible sur la formule Business chez HeyGen et sur la formule Enterprise chez Synthesia.

Mesurer. Suivez quatre indicateurs : taux de visionnage complet, résultats aux questions, questions posées au formateur ou au support après la vidéo, et application sur le terrain (observation ou retour du manager).

Mettre à jour. C’est le grand avantage de l’avatar : quand une procédure change, vous corrigez le script et régénérez la séquence. Tenez un registre des versions (date, modification, validation) pour savoir quelle version chaque apprenant a suivie.

Exemple complet : un module « Déclarer un incident de sécurité »

Contexte. Une entreprise industrielle de 300 salariés, trois sites dont un à l’étranger, veut former tous les nouveaux arrivants à la déclaration d’incidents.

Objectif. À la fin du module, le nouvel arrivant saura déclarer un incident de sécurité dans l’outil interne, en moins de cinq minutes, sans aide.

Découpage. Trois séquences de quatre minutes :

1. Pourquoi déclarer, même un incident mineur ;
2. Comment déclarer dans l’outil (enregistrement d’écran commenté) ;
3. Ce qui se passe après la déclaration.

Avatar. Le double numérique du responsable sécurité, avec son accord écrit (usages, durée de deux ans, langues française et portugaise, retrait possible).

Extrait du script, séquence 1 :

Scène 1 : Bonjour, je suis Marc, responsable sécurité. Une chute évitée de justesse, un outil mal rangé : ces situations comptent.
Scène 2 : Chaque déclaration nous aide à éviter un accident. Même un incident sans blessure mérite d'être signalé.
Scène 3 (question) : Un collègue glisse sur une flaque mais ne se blesse pas. Faut-il déclarer ? [Oui / Non]
Scène 4 : Oui. C'est justement ce type d'incident qui permet d'agir avant qu'un accident se produise.
Scène 5 : Dans la prochaine vidéo, je vous montre comment déclarer en quelques clics.

Production. Douze minutes de vidéo au total, en français puis traduites en portugais avec synchronisation labiale, sous-titres dans les deux langues, export SCORM dans la plateforme de formation.

Relecture. Validation par le responsable sécurité, test auprès de trois nouveaux arrivants, correction de deux termes mal prononcés.

Mesure. Taux de déclarations complètes sans aide suivi pendant trois mois.

Budget et délais : quelques repères

Les coûts dépendent de la plateforme, du modèle d’avatar et du volume. Quelques repères à partir des grilles officielles consultées en septembre 2026 :

• Synthesia : la formule Starter (29 $ par mois, 18 $ en facturation annuelle) inclut environ 10 minutes de vidéo par mois ; la formule Creator (89 $, 64 $ en annuel) environ 30 minutes ; l’export SCORM est réservé à Enterprise (Synthesia).
• HeyGen : la formule Creator (29 $ par mois) inclut 600 crédits ; un double numérique consomme de 4 crédits par minute (modèle le plus économique) à 48 crédits par minute (modèle le plus réaliste), soit de 12 à 150 minutes selon le modèle ; l’export SCORM est inclus dans la formule Business (149 $ par mois) (aide HeyGen).

Pour l’exemple ci-dessus (12 minutes, deux langues, export SCORM), une formule d’équipe est nécessaire chez l’un comme chez l’autre.

Délais indicatifs pour un module de trois séquences, avec une équipe formée : une à deux journées de conception et d’écriture, une demi-journée de production, une journée de relecture et de tests. La première réalisation prend souvent deux fois plus de temps : c’est l’apprentissage du workflow.

Le cadre juridique à respecter

Le consentement des personnes représentées. Les plateformes exigent le consentement de la personne dont le visage ou la voix sert à créer un avatar (Synthesia, HeyGen). En entreprise, le droit à l’image s’applique aussi : le consentement d’un salarié doit rester réellement libre. Rédigez un accord écrit qui précise les usages, les supports, les langues, la durée, la possibilité de retrait et ce qui se passe en cas de départ. Faites-le valider par votre service juridique.

Les données biométriques. La création d’un double numérique implique des données du visage et de la voix. Associez votre DPO, vérifiez l’accord de traitement des données de la plateforme et ses engagements sur l’entraînement des modèles.

La transparence. Depuis le 2 août 2026, l’article 50 de l’AI Act oblige ceux qui diffusent un hypertrucage (une image, un son ou une vidéo générés ou manipulés par IA, qui ressemblent à des personnes, objets, lieux, entités ou événements existants et pourraient être perçus à tort comme authentiques) à indiquer que le contenu a été généré ou manipulé par une IA (Commission européenne, AI Act). Un module présenté par le double numérique d’un collaborateur réel entre dans ce champ : annoncez-le clairement.

La maîtrise de l’IA par les équipes. L’article 4 de l’AI Act, réécrit par le règlement « Digital Omnibus » (UE) 2026/1744 en vigueur depuis le 27 juillet 2026, demande aux organisations qui utilisent l’IA de prendre des mesures pour soutenir le développement de la maîtrise de l’IA de leur personnel (lawandtechnology.eu). Former les équipes qui produisent ces vidéos en fait partie.

Les droits sur les contenus. Vérifiez vos droits sur les images, musiques, logos et documents intégrés, et relisez les conditions de la plateforme sur la propriété des vidéos générées.

Qualiopi : ce qu’il faut garder en tête

Pour un organisme de formation certifié, une vidéo avec avatar est une ressource pédagogique comme une autre. Le référentiel national qualité demande au prestataire de mettre des ressources pédagogiques à disposition des bénéficiaires et de leur permettre de se les approprier (indicateur 19), et de mobiliser les expertises, outils et réseaux nécessaires pour accueillir et former les publics en situation de handicap (indicateur 26) (Centre Inffo). Concrètement :

• documentez la place de chaque vidéo dans le parcours et son objectif ;
• gardez une trace des versions et des validations ;
• prévoyez les sous-titres et la transcription pour l’accessibilité ;
• maintenez un accompagnement humain : la vidéo complète la formation, elle ne la remplace pas.

Pour structurer ces pratiques, notre accompagnement des organismes de formation à la production de ressources vidéo par IA intègre les exigences du référentiel.

Les erreurs les plus fréquentes

Commencer par l’outil. On choisit l’avatar avant d’avoir défini l’objectif ; le résultat est une vidéo élégante qui n’apprend rien.

Coller un support écrit tel quel. Le texte est trop dense pour l’oral ; l’apprenant décroche.

Produire des vidéos trop longues. Au-delà de six minutes, l’attention chute ; découpez.

Oublier l’interaction. Sans question ni choix, la vidéo reste passive.

Négliger la relecture. Un terme métier mal prononcé ou une information fausse décrédibilise tout le module.

Oublier le consentement ou la mention IA. C’est un risque juridique et un risque de confiance.

Ne pas prévoir la mise à jour. Sans registre des versions, on ne sait plus quelle version est en ligne.

Au final, une vidéo de formation avec avatar IA n’est efficace que si elle suit un vrai workflow pédagogique : objectif, découpage, script oral, avatar choisi et autorisé, production variée, interaction, relecture, diffusion et mise à jour. Bien menée, elle permet de produire et d’actualiser des modules multilingues en une fraction du temps d’un tournage. Mal menée, elle ajoute une vidéo de plus que personne ne regarde. Pour installer ce workflow dans votre équipe formation, du premier module au suivi des versions, notre parcours IA générative pour concevoir des modules vidéo efficaces et conformes, certifié Qualiopi et finançable par votre OPCO, s’appuie sur vos contenus réels.