Comment une seule coupe franchit quatre millions d’années

Un film de marque a souvent une tâche que les mots font mal : montrer qu’un produit et ce qu’il vous apporte vont ensemble. Les monteurs ont un outil pour ça. Le raccord graphique, ou match cut, unit deux plans qui partagent une forme, un mouvement ou un son. Une seule coupe peut alors franchir des siècles, des continents, ou la distance entre un produit et son bénéfice.

C’est aussi une des coupes les plus difficiles à obtenir en vidéo générée. Chaque extrait IA est une génération distincte, avec son propre cadrage, son propre angle et sa propre vitesse : dans un projet IA, le raccord doit donc être conçu avant toute génération. Les classiques montrent ce qu’il faut concevoir.

Trois façons de faire rimer deux plans

Le guide Film Analysis de l’Université Yale définit le raccord graphique comme deux plans joints de façon à créer « une forte similitude des éléments de composition », comme la couleur ou la forme. Un cercle cède la place à un autre cercle, une diagonale à une autre diagonale. Le raccord de mouvement fait passer un geste d’un plan à l’autre : quelque chose tombe, tourne ou se balance, puis continue dans le plan suivant, même si le lieu et l’objet ont changé. Le raccord sonore fait la même chose avec la bande-son, en changeant un bruit de fin de scène en un bruit semblable au début de la suivante.

La technique déborde largement le long métrage. Les ingénieurs de Netflix, qui ont conçu un système pour aider les monteurs à repérer ces raccords dans des images tournées, notent qu’on en trouve aussi dans les bandes-annonces, et ils découpent le problème de la même façon : l’appariement de cadres, qui aligne des silhouettes, et l’appariement d’actions, qui suit le mouvement d’un plan à l’autre. En vidéo générée, chaque type s’appuie sur un contrôle différent. La forme passe par les images de référence et par une première ou une dernière image fixée, le mouvement par la consigne, et le son par le montage.

Quatre millions d’années en une coupe

Le raccord graphique le plus célèbre clôt la séquence de l’aube de l’humanité dans 2001 : l’odyssée de l’espace (1968). Un homme-singe lance dans les airs l’os dont il vient de se servir pour tuer, et sa rotation au ralenti cède la place à un engin en orbite autour de la Terre. Pour la Criterion Collection, Howard Suber y voit « une des coupes raccord les plus brillantes de l’histoire du cinéma » et identifie l’engin comme une ogive nucléaire en orbite. Il situe l’aube de l’humanité quelque quatre millions d’années avant l’an 2001 du film.

La coupe fait un argument sans un mot : le premier outil et l’un des plus avancés relèvent de la même idée, et les deux sont des armes. C’est ce qu’un raccord graphique ajoute à une simple transition. La forme commune invite le spectateur à comparer.

Demandez à un modèle de vidéo IA un os lancé en l’air, puis, dans une autre génération, un vaisseau spatial : les deux ne s’aligneront presque jamais, puisque l’angle, l’échelle et la rotation sont choisis à neuf chaque fois. Les chercheurs derrière MatchDiffusion, une méthode présentée en 2025 au congrès de vision par ordinateur ICCV, notent que ces raccords exigent « une planification soignée et un alignement visuel précis ». Leur méthode fait partir les deux extraits d’un bruit commun pour qu’ils adoptent une même structure. Dans leur étude auprès de 35 spectateurs, 39,44 % étaient tout à fait d’accord pour dire que les résultats respectaient leurs consignes et s’enchaînaient en douceur, contre 12,36 % pour la meilleure solution concurrente. Même en laboratoire, le raccord a dû être construit.

Le raccord qui devait être un fondu

Dans Lawrence d’Arabie (1962), Lawrence allume la cigarette de Dryden, puis souffle l’allumette. Le film coupe directement sur le soleil qui se lève sur le désert. Selon le Washington Post, le scénario prévoyait un fondu enchaîné. La monteuse Anne V. Coates et le réalisateur David Lean l’avaient seulement indiqué au crayon gras : en salle de projection, les deux plans ont donc défilé en coupe franche. Coates racontait que Lean lui avait demandé de la reprendre pour la rendre « parfaite ». Elle a retiré deux images.

En entrevue avec le Hollywood Reporter en 2016, Coates expliquait que la coupe était née par accident, parce qu’ils travaillaient sur pellicule. En montage numérique, disait-elle, « vous ne l’auriez jamais vue montée comme ça ».

Les flux de travail en IA ont leur propre fondu par défaut : une transition générée qui transforme un extrait en un autre. Les auteurs de SAGE, un article de recherche paru en 2025 sur ces transitions, notent que les méthodes antérieures « échouent souvent quand les extraits diffèrent beaucoup par le contenu ou le style ». Une flamme et un désert diffèrent à ce point. Une coupe franche entre deux images prévues pour s’aligner est généralement plus nette.

Le mouvement et le son d’un plan à l’autre

Psychose (1960) montre jusqu’où peut porter un raccord de mouvement. Après le meurtre sous la douche, la caméra sort en tournoyant du drain, et l’image se fond dans l’iris de Janet Leigh, qui tourne lui aussi. Le BFI raconte, en s’appuyant sur le documentaire 78/52 d’Alexandre O. Philippe, qu’Hitchcock lui a fait refaire ce plan 26 fois. La rotation mène le spectateur du drain à l’œil de la morte en un seul geste. La scène entière dure environ 45 secondes et a pris une semaine de tournage, le tiers du calendrier du film.

Hitchcock avait déjà raccordé deux scènes par le son dans Les 39 marches (1935). Une logeuse découvre un cadavre, et son cri, écrit Michael Wilmington pour Criterion, devient le sifflet strident d’un train « avant même qu’on l’entende », pendant que le héros s’enfuit. La coupe saute les suites de la découverte et atterrit en pleine poursuite.

Ces deux raccords sont difficiles à obtenir avec des générations séparées. Une rotation exige le même sens et à peu près la même vitesse des deux côtés de la coupe, mais chaque génération choisit son propre rythme : les deux consignes doivent donc le préciser. Le son pose un autre problème : un extrait généré de la logeuse arriverait avec son cri déjà dedans. Le sifflet doit le remplacer au montage sonore.

Planifier un raccord graphique pour des plans générés

Les ingénieurs de Netflix notent que trouver une paire de plans qui se raccordent dans des images tournées « peut prendre des jours, voire des semaines » : un film de deux heures compte environ 2 000 plans, soit à peu près 2 millions de paires possibles. La vidéo générée n’a pas d’images à fouiller. Le raccord n’existe que si quelqu’un le conçoit.

Planifier un raccord entre deux générations

On conçoit la coupe d’abord ; les deux extraits sont générés vers elle

La méthode commence sur papier : la forme commune sur une même grille de cadre, avec sa position, son échelle et son angle. On en tire deux images fixes : la dernière du plan sortant et la première du plan entrant. Chaque extrait est ensuite généré vers son image, avec un contrôle de l’image de fin pour le premier et une image de départ pour le second, et le même mouvement dans les deux consignes. Le monteur ajuste ensuite jusqu’à ce que la forme cesse de sauter.

Pour une marque, c’est là que le raccord graphique prend tout son sens. La forme d’un produit peut rimer avec ce qu’il apporte : un bouchon rond avec le soleil sur la terrasse d’un hôtel, la mèche d’une perceuse qui tourne avec une turbine dans l’usine. Un plan montre l’objet, le suivant montre ce qu’il fait, et la forme commune les relie sans une ligne de texte.

Ce qu’il faut exiger de tout projet vidéo IA

Demandez quelles coupes sont pensées comme des raccords, et exigez de voir chaque paire d’images avant le début de la génération. Demandez si chaque raccord repose sur des images fixées ou sur une transition générée. En révision, regardez chaque raccord à pleine vitesse, avec le son : la forme doit tomber au même endroit et le mouvement garder sa direction. Un raccord qu’il faut revoir pour comprendre n’a pas porté.