Votre assistant IA peut désormais faire la vidéo

La première version comptait quatre outils : créer une vidéo, obtenir une vidéo, obtenir son code d’intégration et lister les options. Cela paraît peu. Le soin est allé à les écrire pour un lecteur qui ne peut pas poser de question.

Chaque outil dit clairement s’il se contente de lire, s’il modifie quelque chose, et si l’appeler deux fois ferait deux rendus, pour que l’application de l’assistant vous demande votre accord au bon moment. Deux choses que notre formulaire web gérait discrètement sont devenues explicites :

• le brief, jusqu’à 2 000 caractères que le planificateur considère comme faisant foi, par où « commencez par l’offre de lancement, le public est fait de CTO » atteint le script
• la langue, une liste fixe des sept langues que nous savons vérifier après un rendu, au lieu d’un champ libre

Les erreurs sont écrites pour qu’on puisse agir. Une page qui répond 404 le dit, et dit que rien n’a été dépensé. Une voix inconnue renvoie vers l’outil qui liste les vraies.

Un développeur peut donner une clé d’API à un assistant. Un assistant hébergé dans un navigateur ne peut pas en coller une ; il doit vous connecter, comme toute application qui propose « connecter votre compte ». Pour cela, il doit trouver seul où et comment se connecter.

Le même jour, nous avons donc construit une connexion OAuth 2.1 standard pour le serveur :

• le flux par code d’autorisation avec PKCE, où seule la méthode robuste est acceptée
• l’enregistrement dynamique, pour qu’un nouvel assistant se présente sans configuration manuelle
• des jetons valables uniquement pour notre serveur, avec renouvellement et révocation
• un écran de consentement en quatre langues qui montre clairement quelle permission peut dépenser votre solde

Vous cliquez sur connecter, vous approuvez, et l’assistant peut travailler pour vous. Une révocation prend effet immédiatement.

Nous avons ensuite piloté le serveur depuis un vrai assistant et regardé ce que voyait le modèle. La leçon était simple et importante : les applications transmettent au modèle le texte lisible d’un résultat, et peuvent ignorer entièrement la partie structurée. Un résumé comme « 12 voix » ne sert à rien à un modèle qui a besoin de l’identifiant d’une voix pour la choisir.

Chaque résultat commence donc par un texte lisible qui porte tout ce qui sert à agir, chaque voix, chaque musique, chaque langue et chaque objectif, puis les mêmes données en JSON compact, puis le contenu structuré. Un test construit ce texte et vérifie que chaque identifiant y figure, pour qu’aucun résumé ne revienne en douce. L’outil d’intégration renvoie maintenant le code lui-même.

Nous avons aussi avancé les contrôles. Une adresse que l’enregistreur ne peut pas ouvrir est refusée avant tout travail, et chaque erreur porte un code exploitable par un client, ainsi qu’une indication disant si quelque chose a été facturé.

La lecture est venue ensuite : le compte, la liste des vidéos, et le storyboard, qui décrit ce que montre chaque scène et comment elle bouge. Puis la moitié qui rend un assistant vraiment utile. La modification peut réécrire la narration, poser une légende, raccourcir, supprimer ou réordonner des scènes, changer la voix ou la musique, et un nouveau rendu transforme le storyboard modifié en nouveau film.

Modifier touche à votre travail ; cela vient donc avec des garde-fous :

1. 1chaque modification enregistre d’abord un instantané dans le même historique de révisions que l’éditeur web, si bien que tout changement peut être annulé
2. 2un lot de modifications est vérifié en entier avant toute écriture ; un lot appliqué à moitié est pire qu’un lot refusé
3. 3les modifications attendent pendant qu’un rendu tourne

Le nouveau rendu suit exactement le même chemin que l’éditeur web, si bien que les deux ne peuvent jamais diverger sur le coût d’un film. Et une demande répétée avec la même clé d’idempotence mais d’autres réglages est refusée, chaque champ différent nommé.

L’assistant avec lequel vous travaillez déjà peut maintenant passer d’une idée à un film narré et terminé de votre vrai site, et l’affiner avec vous dans la même conversation. « Raccourcis la deuxième scène et prends une voix plus chaleureuse » est désormais une phrase, pas un passage par un éditeur.

Les étapes pour connecter votre assistant sont sur notre page des assistants, et la référence complète des outils sur la page développeurs.