OpenMontage : un studio vidéo piloté par votre agent de code

« Fais-moi une vidéo explicative de 60 secondes sur la formation des trous noirs. » Avec la plupart des outils de vidéo par IA, cette phrase donne un clip de quelques secondes, généré d'un bloc, à prendre ou à laisser. Avec OpenMontage, elle déclenche une production : recherche documentaire, proposition, script, plan de scènes, génération des visuels, narration, musique, sous-titres, montage, rendu et contrôle qualité.

OpenMontage est un système de production vidéo open source qui se pilote depuis un agent de code. Il n'a pas d'interface propre pour écrire ses demandes : c'est Claude Code, Cursor, Copilot, Windsurf ou Codex qui orchestre, en lisant des fichiers d'instructions et en appelant des outils Python.

Un projet qui a pris très vite

Le dépôt calesthio/OpenMontage a été créé fin mars 2026. Il dépasse les 68 000 étoiles en octobre et s'est hissé en tête des tendances GitHub. Le code est en Python, sous licence AGPLv3. Le README annonce une douzaine de pipelines, plus de 100 outils et plus de 700 fichiers de compétences pour l'agent.

La licence mérite une ligne. L'AGPL impose de publier les sources modifiées si vous proposez le logiciel en service réseau. Pour produire vos vidéos en local, aucune contrainte. Pour bâtir un SaaS de génération vidéo par-dessus, c'est une autre discussion.

L'agent est l'orchestrateur

Le choix d'architecture est radical : il n'y a pas de programme chef d'orchestre. Toute la logique de production vit dans des fichiers lisibles.

OpenMontage/
├── tools/              # 100+ outils Python (les mains de l'agent)
├── pipeline_defs/      # manifestes YAML des pipelines (le scénario)
├── skills/             # fichiers markdown (le savoir-faire)
│   ├── pipelines/      # un « directeur » par étape de chaque pipeline
│   ├── creative/       # techniques créatives
│   └── meta/           # relecture, points de sauvegarde
├── schemas/            # contrats JSON Schema
└── remotion-composer/  # moteur de composition React

Quand vous faites une demande, l'agent choisit un pipeline, lit son manifeste YAML, puis le skill « directeur » de chaque étape, qui lui explique comment l'exécuter. Toutes les productions suivent la même chaîne :

research -> proposal -> script -> scene_plan -> assets -> edit -> compose

Python ne fournit que les outils et la persistance. Les décisions créatives, les critères de qualité et l'ordre des étapes sont en YAML et en markdown, donc modifiables sans toucher au code. Ces skills jouent le même rôle que les agents spécialisés d'agency-agents : une méthode écrite, que le modèle suit au lieu d'improviser. C'est le même principe que /brag, qui génère une vidéo de lancement depuis un agent, poussé à l'échelle d'un studio entier.

Les pipelines

Une entrée pratique : partir d'une vidéo qu'on aime. On colle un lien YouTube, un Short ou un Reel, l'agent analyse transcription, rythme, découpage et style, puis propose deux ou trois concepts différents, avec leur coût estimé, avant de produire quoi que ce soit.

Combien ça coûte

C'est la question qui compte, et le projet y répond mieux que la plupart.

Sans aucune clé d'API, make setup installe une chaîne gratuite : narration hors ligne avec Piper, images et vidéos d'archives depuis Archive.org, la NASA et Wikimedia Commons, composition avec Remotion ou HyperFrames, montage et sous-titres avec FFmpeg. Le pipeline « Documentary Montage » assemble alors de vraies images en mouvement, recherchées par similarité sémantique, au lieu d'animer quelques photos fixes.

Avec des fournisseurs payants, les exemples publiés donnent un ordre de grandeur. « The Last Banana », un court-métrage d'animation de 60 secondes avec six clips générés par Kling, une narration Google et des sous-titres mot à mot, a coûté 1,33 $. Le README situe la plupart des productions entre 0,15 et 3 $.

Pour éviter les surprises, le budget est encadré :

Les clés se déclarent dans un .env, toutes optionnelles : fal.ai pour FLUX, Veo et Kling, ElevenLabs pour la voix, Suno pour la musique, Pexels et Pixabay pour les banques d'images gratuites. Plus de clés, plus d'outils disponibles. Un sélecteur note chaque fournisseur sur sept critères, dont l'adéquation à la tâche, la qualité et le coût, et consigne son choix avec les alternatives écartées.

Installer

Il faut Python 3.10 ou plus, FFmpeg et Node.js 18 ou plus.

git clone https://github.com/calesthio/OpenMontage.git
cd OpenMontage
make setup

On ouvre ensuite le dossier dans son agent de code, et on demande, en langage naturel :

Make a 75-second documentary montage about city life in the rain. Use real footage only, no narration, elegiac tone, with music.

Avec une carte graphique, make install-gpu débloque la génération vidéo locale avec des modèles comme Wan 2.2, Hunyuan ou CogVideo, déclarés dans le .env. Rien ne part alors chez un fournisseur.

Backlot : voir la production avancer

L'image en tête de cet article vient du dépôt : c'est Backlot, un tableau local qui se remplit pendant que le pipeline tourne. Les étapes s'allument, le script s'affiche comme une page de scénario, les cartes de scène se remplissent au fil des générations, et chaque décision et chaque dollar dépensé apparaissent sur le mur.

python -m backlot open
python -m backlot open <project-id>

Backlot sert surtout de point de validation. La génération s'arrête sur une planche contact, scène par scène, avec les prises, les prompts et le coût de chaque élément. Vous validez les visuels avant le rendu, pas après. Ces validations humaines sont imposées : proposition, script, plan de scènes, éléments générés et publication attendent toutes votre accord, et l'outil refuse de marquer une étape comme terminée sans validation enregistrée.

Les contrôles qualité

Le projet s'attaque au défaut classique des vidéos générées : le diaporama animé. Avant le rendu, un score de « risque diaporama » mesure la répétition, la faiblesse du mouvement, la dépendance au texte. Une vidéo annoncée comme « portée par le mouvement » mais faite à 80 % d'images fixes est bloquée.

Après le rendu, l'agent vérifie le fichier avec ffprobe, extrait des images à quatre positions pour repérer les écrans noirs, analyse l'audio pour détecter silences et saturation, et contrôle la présence des sous-titres. Si la vérification échoue, la vidéo ne vous est pas présentée.

Les limites

La qualité dépend des fournisseurs. Le chemin gratuit produit des vidéos honnêtes, pas des films. Les exemples spectaculaires du README utilisent Veo, Kling ou Blender, et le temps d'un humain qui valide à chaque étape.

Les droits ne se règlent pas tout seuls. Les images d'Archive.org ou de Wikimedia Commons n'ont pas toutes la même licence, et certaines demandent une attribution. Pour une vidéo publique ou commerciale, vérifiez chaque source que l'agent a retenue.

Le coût en tokens de l'agent s'ajoute à celui des fournisseurs. Une production complète, avec 15 à 25 recherches web, la lecture des skills et plusieurs relectures, consomme une part non négligeable d'un abonnement Claude Code ou Cursor.

Enfin, les voix. OpenMontage gère narration et doublage, mais si vous voulez cloner votre propre voix sans rien envoyer dans le cloud, VoiceStudio pour le doublage vidéo en local va plus loin sur ce point précis.

OpenMontage montre ce que deviennent les agents de code quand on leur donne autre chose que du code : un cahier des charges en YAML, un savoir-faire en markdown, des outils et des points de validation humaine. Le résultat n'est pas une baguette magique, c'est une équipe de production qui travaille vite, documente chaque décision et vous demande votre avis aux bons moments. Pour les visuels fixes plutôt que la vidéo, ArtCraft comme alternative gratuite à Adobe et Canva couvre l'autre moitié de la création assistée.