Coût d'une chaîne faceless : ce que coûte chaque vidéo IA

Une vidéo faceless de dix minutes voulait dire deux factures : un monteur et un narrateur. D'après les fourchettes publiées par Vidico et les tarifs GVAA résumés par VoiceCrafters, ces deux lignes ensemble tombent entre 800 et 1 700 $ par vidéo. La même vidéo construite avec des appels d'API coûte quelques dizaines de dollars de machine, dont l'essentiel part dans les visuels.

La plupart des gens qui budgétisent une chaîne faceless se concentrent sur les lignes bon marché (script, voix) et laissent passer celle qui décide du budget : les secondes de vidéo générée. Voici un modèle de coût que vous pouvez reconstruire dans un tableur, appliqué à un short de 30 secondes, un short de 60 secondes et une vidéo longue de 600 secondes, avec chaque prix daté et sourcé.

Les cinq lignes qui composent le coût d'une vidéo faceless

Script. Des tokens d'un modèle de langage. Facturés par million de tokens.
Voix. Synthèse vocale, facturée au caractère de narration.
Visuels animés. Des clips vidéo générés, facturés à la seconde produite.
Visuels fixes. Des images générées utilisées comme diapositives, fonds ou miniatures, facturées à l'image.
Rerolls. Les prises que vous jetez. Personne ne publie ce chiffre, il faut donc le fixer vous-même.

Le montage (découpe, sous-titres, musique, export) se paie en temps de travail. Il reste donc hors du coût machine et revient dans la comparaison avec de l'aide rémunérée.

La formule utilisée dans la suite de cet article :

Coût par vidéo = script + voix + (secondes de vidéo x tarif par seconde + images fixes x tarif par image) x facteur de reroll

Le facteur de reroll ne multiplie que les visuels, car une ligne de voix ou un script demande rarement plus d'un passage pour être utilisable, alors qu'un clip avec une main déformée, si. J'utilise 1,5 comme hypothèse de planification, soit une prise supplémentaire pour deux conservées. Suivez votre propre ratio pendant un mois et remplacez-le.

Script : la ligne dont vous pouvez cesser de vous soucier

La page de tarifs d'Anthropic donne une conversion utile : un token vaut environ quatre caractères, soit 0,75 mot, en anglais. La même page indique Claude Sonnet 5.5 à 2 $ par million de tokens en entrée et 10 $ par million en sortie, et Claude Haiku 4.5 à 1 $ et 5 $.

Pour dimensionner les scripts, je pars d'un débit de narration d'environ 150 mots par minute. C'est une valeur de planification que votre voix et votre niche feront bouger : chronométrez l'une de vos voix off et ajustez.

30 secondes : environ 75 mots, soit 100 tokens en sortie.
60 secondes : environ 150 mots, soit 200 tokens en sortie.
600 secondes : environ 1 500 mots, soit 2 000 tokens en sortie.

Un script de 600 secondes sur Sonnet 5.5, c'est 2 000 tokens en sortie x 10 $ par million, soit 0,02 $. Ajoutez un prompt de 5 000 tokens avec votre plan et vos notes de recherche (0,01 $) et trois tours de révision, et vous restez sous 0,10 $. L'API Batch divise les deux tarifs par deux si vous générez une semaine de scripts pendant la nuit.

Choisissez le modèle qui écrit le meilleur script pour votre niche sans regarder son prix, puisque l'écart se chiffre en centimes par vidéo.

Voix : peu chère par vidéo, à vérifier au caractère

La durée de narration se convertit en caractères avec la même règle empirique d'Anthropic : un mot fait environ 5,3 caractères (quatre caractères par token divisés par 0,75 mot par token). Arrondi :

30 secondes : environ 400 caractères.
60 secondes : environ 800 caractères.
600 secondes : environ 8 000 caractères.

Sur Aitachyon, la voix off ElevenLabs coûte de 0,043 $ à 0,086 $ par bloc de 450 caractères au moment de la rédaction, selon le modèle de voix. Cela donne :

30 secondes : un bloc de 450 caractères, de 0,043 $ à 0,086 $.
60 secondes : deux blocs, de 0,086 $ à 0,17 $.
600 secondes : environ 18 blocs, de 0,77 $ à 1,55 $.

Acheter en direct revient moins cher au caractère. La page API d'ElevenLabs affiche v3 et Multilingual v2 à 0,08 $ pour 1 000 caractères et Flash/Turbo à 0,04 $, si bien que la narration de 8 000 caractères y coûte de 0,32 $ à 0,64 $. Une analyse tierce de Puter cite plutôt 0,05 $ et 0,10 $ pour 1 000 caractères. Quand la page du fournisseur et un tiers se contredisent, fiez-vous au fournisseur. Si la voix pèse une part notable de vos dépenses, ce qui est rare pour une chaîne faceless, un compte direct est la voie la moins chère. Pour choisir entre modèles de voix sur la qualité plutôt que sur le prix, le détail du coût de la voix off ElevenLabs va plus loin.

Visuels : la ligne qui décide de votre budget

C'est ici que les chaînes faceless divergent. Il y a trois façons de remplir l'écran, et le choix fait varier votre coût d'un ordre de grandeur.

Mode A : images fixes animées au montage

Des images générées, avec panoramiques et zooms dans votre logiciel de montage. Prix au moment de la rédaction : Seedream 4.0 à 0,057 $ l'image, FLUX.2 [pro] de 0,057 $ à 0,086 $, Nano Banana à 0,13 $ et gpt-image-2 de 0,10 $ à 0,40 $. À titre de repère, le prix direct de Google pour Nano Banana 2 va d'environ 0,045 $ en 0,5K à 0,151 $ en 4K, et fal affiche le Nano Banana d'origine à 0,0398 $ l'image.

Mode B : vidéo générée pour chaque seconde

Le plus agréable à regarder et le plus cher. Tarifs à la seconde au moment de la rédaction : Hailuo 02 à 0,085 $, Kling v3 à 0,16 $ sans audio et 0,32 $ avec audio natif, Veo 3.1 Fast à partir de 0,19 $, Wan 2.7 à 0,19 $ et Seedance 2.5 à partir de 0,20 $ en 480p et 0,44 $ en 720p.

Mode C : hybride

De la vidéo générée là où le mouvement justifie son coût (l'accroche, une démonstration, une transition), et des images fixes partout ailleurs. La plupart des chaînes qui durent finissent ici, car c'est le seul mode où une vidéo de dix minutes reste dans les dizaines de dollars tout en bougeant à l'écran.

Une chaîne faceless a rarement besoin d'audio natif dans ses clips, puisque la narration et la musique viennent par-dessus : les tarifs à la seconde sans audio sont donc les bons. Le guide des prix des API vidéo, modèle par modèle détaille les compromis entre résolution et audio.

Les trois vidéos, chiffrées ligne par ligne

Tous les prix ci-dessous sont ceux d'Aitachyon au moment de la rédaction. Le facteur de reroll de 1,5 s'applique aux visuels uniquement. Les images fixes sont budgétées à une image toutes les 5 secondes pour les shorts et une toutes les 6 secondes pour le format long, une hypothèse de rythme que vous devriez remplacer par la vôtre.

Short de 30 secondes

Script : moins de 0,01 $.
Voix : de 0,043 $ à 0,086 $.
Mode A (6 images Seedream) : 6 x 0,057 $ = 0,34 $, x 1,5 = 0,51 $. Total d'environ 0,56 $ à 0,60 $.
Mode B sur Hailuo 02 : 30 x 0,085 $ = 2,55 $, x 1,5 = 3,83 $. Total d'environ 3,87 $ à 3,92 $.
Mode B sur Kling v3 sans audio : 30 x 0,16 $ = 4,80 $, x 1,5 = 7,20 $. Total d'environ 7,24 $ à 7,29 $.

Short de 60 secondes, hybride

Script : moins de 0,01 $.
Voix : de 0,086 $ à 0,17 $.
Vidéo : une accroche de 5 secondes plus deux inserts de 5 secondes sur Hailuo 02, 15 x 0,085 $ = 1,28 $.
Images fixes : les 45 secondes restantes à raison d'une toutes les 5 secondes, 9 x 0,057 $ = 0,51 $.
Visuels avec rerolls : (1,28 $ + 0,51 $) x 1,5 = 2,69 $.
Total : environ 2,78 $ à 2,87 $.

Format long de 600 secondes, hybride

Script : moins de 0,10 $ avec les révisions.
Voix : de 0,77 $ à 1,55 $.
Vidéo : 60 secondes de mouvement (10 pour cent de la durée) sur Hailuo 02, 60 x 0,085 $ = 5,10 $.
Images fixes : 540 secondes à raison d'une toutes les 6 secondes, 90 x 0,057 $ = 5,13 $.
Visuels avec rerolls : (5,10 $ + 5,13 $) x 1,5 = 15,35 $.
Total : environ 16,20 $ à 17,00 $.

Par contraste, ces mêmes 600 secondes en Mode B pur sur Hailuo 02 font 600 x 0,085 $ x 1,5 = 76,50 $ rien qu'en visuels, et 144 $ sur Kling v3 sans audio. Le format long en plein mouvement est la seule configuration où la vidéo IA cesse d'être bon marché : décidez donc avec soin quelles secondes méritent de bouger.

Les lots : ce que coûtent vraiment une semaine et un mois

Le chiffre de planification est votre rythme de croisière mensuel. Trois lots réalistes :

Une semaine de shorts quotidiens (7 x 60 secondes hybrides) : 7 x environ 2,85 $ = environ 20 $.
20 variantes d'accroche pour tester les ouvertures (20 x 5 secondes) : 100 secondes sur Hailuo 02 coûtent 8,50 $ ; sur Kling v3 avec audio natif, 100 x 0,32 $ = 32 $. Tester d'abord les accroches à bas coût puis améliorer la gagnante est le bon ordre.
Un mois pour une chaîne à deux formats (4 vidéos longues + 20 shorts) : 4 x 17 $ + 20 x 2,85 $ = 68 $ + 57 $ = environ 125 $.

Les miniatures ajoutent peu. Cinquante miniatures candidates sur Seedream 4.0 coûtent 50 x 0,057 $ = 2,85 $, ou de 5 $ à 20 $ sur gpt-image-2 selon la qualité. Générez-en beaucoup, gardez-en deux, testez-les.

La façon de payer ces lots compte autant que le prix unitaire. Les forfaits de crédits mensuels qui se réinitialisent pénalisent plutôt les calendriers de publication irréguliers. La comparaison entre crédits et facturation à l'appel le détaille avec des exemples.

Le repère humain, avec la même arithmétique

Pour que la comparaison reste honnête, voici ce que coûte le même travail quand on l'achète, d'après des fourchettes de tarifs publiées.

Montage

Vidico situe les monteurs freelances entre 25 $ et plus de 150 $ de l'heure, et par minute livrée entre 20 $ et 100 $ pour du YouTube long et entre 10 $ et 50 $ pour TikTok et Reels. Par projet, il annonce de 300 $ à 1 500 $ pour une vidéo YouTube et de 50 $ à 400 $ pour un TikTok ou un Reel. Un monteur salarié à plein temps coûte de 51 000 $ à 93 000 $ par an.

Narration

Le résumé par VoiceCrafters du guide tarifaire GVAA indique pour la narration hors diffusion de 350 $ à 450 $ pour 1 à 2 minutes finies, de 600 $ à 700 $ pour 5 à 10 minutes et de 700 $ à 800 $ pour 10 à 15 minutes. Le travail pour YouTube avec placement publicitaire relève de la diffusion numérique, que le même guide chiffre de 1 000 $ à 1 250 $ pour trois mois d'usage national.

Côte à côte

Vidéo de 600 secondes, en sous-traitance : montage à 20 $ à 100 $ la minute, soit 200 $ à 1 000 $, plus narration à 600 $ à 700 $. Total de 800 $ à 1 700 $.
Vidéo de 600 secondes, par appels d'API : environ 16 $ à 17 $, plus votre temps d'assemblage.
Short de 60 secondes, en sous-traitance : montage à 50 $ à 400 $ par projet, plus narration à 350 $ à 450 $. Total de 400 $ à 850 $.
Short de 60 secondes, par appels d'API : environ 2,85 $, plus votre temps d'assemblage.
Le mois ci-dessus (4 longues + 20 shorts), en sous-traitance : 4 x 800 $ à 1 700 $ plus 20 x 400 $ à 850 $, soit 11 200 $ à 23 800 $.

Deux réserves honnêtes. D'abord, les chiffres en sous-traitance achètent du jugement : un monteur expérimenté corrige des problèmes de rythme et de récit qu'aucun modèle ne signalera. Ensuite, votre temps n'est pas gratuit. Si assembler une vidéo de dix minutes vous prend trois heures, valorisez ces heures au prix de votre temps et ajoutez-les à la colonne IA. La comparaison reste largement favorable à la génération dès qu'il y a du volume, et elle se resserre vite si vous publiez une vidéo par mois et tenez à vos soirées. Les arbitrages plus larges sont exposés dans le guide pour gérer une chaîne YouTube faceless avec l'IA, et avant de bâtir des projections de revenus sur ces coûts, lisez ce que disent les règles de YouTube sur la monétisation des contenus IA.

Acheter les modèles en direct ou via un seul compte

Chaque modèle ci-dessus peut s'acheter auprès de son éditeur ou d'un revendeur, souvent à un prix catalogue unitaire plus bas. Exemples à septembre 2026 :

Google affiche Veo 3.1 Fast à 0,10 $ la seconde en 720p avec audio, 0,12 $ en 1080p, et Veo 3.1 Lite à 0,05 $ la seconde en 720p. Veo 3.1 Standard coûte 0,40 $ la seconde.
fal affiche Kling v3 Pro en texte vers vidéo et image vers vidéo à 0,14 $ la seconde, et Kling v2.5 turbo à 0,07 $.
Costbench présente des tarifs de l'API Kling chez plusieurs fournisseurs, de 0,056 $ à 0,42 $ la seconde, et Atlas Cloud propose Kling V3 Turbo à partir d'environ 0,095 $ la seconde.
Si votre format utilise un avatar parlant comme narrateur, Runware facture Kling AI Avatar 2.0 Standard à la génération, d'environ 0,199 $ à 0,868 $, sans tarif à la seconde sur la page.

Pour un seul modèle utilisé à gros volume, le direct l'emporte en général sur le prix unitaire et il faut l'acheter ainsi. Une chaîne qui combine un modèle bon marché pour les accroches, un modèle d'image pour les fixes, un autre pour les miniatures et un modèle de voix paie aussi cinq comptes, cinq clés et cinq factures, un coût qui n'apparaît jamais dans une comparaison à la seconde. Décidez ligne par ligne : si un seul modèle pèse plus de la moitié de vos dépenses mensuelles, chiffrez-le en direct.

L'exécuter depuis du code plutôt que depuis un onglet de navigateur

Ces chiffres supposent du volume, et c'est avec le volume que cliquer dans des interfaces web atteint ses limites. Une chaîne faceless est un pipeline, et chaque étape sauf le goût peut tourner depuis un script ou un agent :

Écrivez le découpage en plans comme des données. Chaque ligne de narration reçoit un type de plan (image fixe ou clip), un prompt et une durée. C'est ici que vous appliquez le budget de 10 pour cent de mouvement de l'exemple long.
Estimez avant de générer. Multipliez le découpage par la grille de prix lisible par machine (Aitachyon la publie sur /api/pricing) et refusez de lancer si l'estimation dépasse votre plafond par vidéo.
Générez en un seul passage. Appelez l'API avec un en-tête Authorization: Bearer ait_..., ou laissez un agent le faire. Dans Claude Code, le serveur MCP hébergé tient en une commande : claude mcp add --transport http aitachyon https://aitachyon.com/api/mcp --header "Authorization: Bearer ait_...". Ensuite, vous pouvez confier le découpage à l'agent, qui appelle lui-même les modèles. La démonstration avec Claude Code et MCP montre la boucle complète.
Stockez des références, pas des fichiers. Chaque sortie reçoit une référence stable (img_, scn_, vo_) que votre script d'assemblage récupère avec GET /api/generations/{ref}. Relancer une prise revient à régénérer une seule référence.
Comparez le réel à l'estimation. Chaque job est détaillé avec son modèle et son coût, ce qui permet de calculer votre vrai facteur de reroll par modèle et de le réinjecter à l'étape 2.

Deux détails de sécurité comptent dès qu'un agent dépense de l'argent pour vous. Donnez à chaque pipeline sa propre clé d'API, afin que la dépense soit attribuée par chaîne et qu'une alerte se déclenche quand une clé dépense anormalement vite. Et quand un rendu échoue, il est remboursé automatiquement, si bien qu'un lot bancal ne gonfle pas en silence votre coût unitaire. À quelques centaines de clips par semaine, les limites de débit, les nouvelles tentatives et la mise en file d'attente deviennent un sujet à part, traité dans produire des centaines de clips en toute sécurité. Les détails de mise en place de l'API et du serveur MCP se trouvent dans le guide de démarrage développeur.

Une liste de contrôle pour réduire les coûts sans réduire la qualité

Fixez un plafond par vidéo (par exemple 3 $ par short, 20 $ par vidéo longue) et faites-le appliquer par votre pipeline.
Budgétez le mouvement en pourcentage de la durée. Partez de 10 pour cent pour le format long et ne l'augmentez que là où les données de rétention montrent que le mouvement aide.
Testez sur le modèle le moins cher qui reste acceptable. Lancez les variantes d'accroche sur Hailuo 02 à 0,085 $ la seconde, puis ne régénérez que les gagnantes sur un modèle plus cher.
Achetez des clips sans audio quand la narration et la musique viennent par-dessus. Kling v3 sans audio coûte moitié moins que Kling v3 avec audio au moment de la rédaction.
Utilisez la résolution la plus basse dont votre plateforme a besoin. Seedance 2.5 plus que double entre 480p et 720p dans la grille actuelle.
Mesurez votre facteur de reroll par modèle. Un modèle moins cher qui demande trois prises peut coûter plus qu'un modèle plus cher qui en demande une.
Valorisez vos heures. Si le temps d'assemblage croît plus vite que la production, c'est la ligne à automatiser ensuite.

FAQ

Combien coûte par mois une chaîne YouTube faceless avec l'IA ?

Avec les prix ci-dessus, quatre vidéos hybrides de dix minutes et vingt shorts de 60 secondes reviennent à environ 125 $ par mois d'appels aux modèles, avant votre propre temps. Un format long entièrement animé multiplie la ligne du format long par quatre ou plus : le budget de mouvement est donc le réglage qui compte le plus.

Quelle est la partie la plus chère d'une vidéo faceless IA ?

La vidéo générée, et de loin. Un script de dix minutes coûte quelques centimes et sa narration moins de 2 $, alors que 600 secondes de vidéo en plein mouvement coûtent 76,50 $ ou plus sur Hailuo 02 une fois les rerolls comptés.

La voix off IA coûte-t-elle moins cher qu'un comédien voix ?

Pour de la narration en volume, oui. Une narration hors diffusion de 5 à 10 minutes est affichée de 600 $ à 700 $ dans les chiffres GVAA résumés par VoiceCrafters, alors que 8 000 caractères de narration ElevenLabs coûtent moins de 2 $ par API.

Combien facture un monteur pour une vidéo YouTube ?

Vidico indique de 300 $ à 1 500 $ par vidéo YouTube au projet, ou de 20 $ à 100 $ par minute livrée pour du format long. Les projets TikTok et Reels en format court vont de 50 $ à 400 $.

Peut-on automatiser une chaîne faceless de bout en bout ?

Le script, la narration, les visuels et le suivi des coûts peuvent tous tourner depuis du code ou un agent. Le choix des sujets, la passe de montage finale et la décision de publier restent mieux faits par une personne, et les règles des plateformes sur les contenus IA sont à vérifier avant de passer à l'échelle.

Sources

Si vous voulez confronter ce modèle de coût à de vraies factures, Aitachyon place tous les modèles chiffrés ci-dessus derrière un seul solde prépayé et une seule clé d'API, utilisables depuis le studio web, en HTTP direct ou via le serveur MCP dans Claude Code, avec chaque job détaillé par modèle et par coût et les rendus échoués remboursés. La liste complète des prix se trouve sur la page des modèles.

Coût d'une chaîne faceless : ce que coûte chaque vidéo IA