Kling 4.0 : « Le dernier café », le test et les prompts
Trente secondes, un seul plan et un serveur qui continue son service pendant l’arrivée d’un vaisseau. Mon test sur Artlist, les 7 prompts vidéo et le recueil complet en PDF.
Une terrasse au soleil, un serveur imperturbable et un vaisseau qui prend beaucoup trop de place dans le ciel. Dans « Le dernier café », je teste Kling 4.0 sur Artlist avec une scène de trente secondes en un seul plan. Voici ce que j’en retiens et les 7 prompts vidéo à consulter directement sur cette page. Le recueil complet du projet est disponible en PDF.
- Des références pour garder le même serveur, le même café, la même tasse et le même vaisseau.
- Deux essais avec une référence intermédiaire déplacée, puis une consigne plus précise pour le geste et le rythme.
- Du dialogue en français et en anglais, une version verticale et un test du mot « CAFÉ ».
- Les 7 prompts vidéo sur cette page ; les prompts d’images et de miniatures en complément dans le PDF complet.
Faire arriver une soucoupe volante, c’est spectaculaire. Faire poser une tasse correctement sur une table, c’est déjà une autre affaire. Mon serveur doit traverser cette petite fin du monde sans perdre son calme, puis demander : « Un sucre ou deux ? » Le café reste la priorité.
La vidéo est réalisée en collaboration commerciale avec Artlist. Le lien Artlist de sa description est affilié et peut soutenir la chaîne. Cet article rassemble la méthode et les documents du projet ; les résultats commentés restent ceux de mes essais.
La vidéo : construire « Le dernier café »
- 00:00 : que vaut Kling 4.0 ?
- 01:07 : préparer les références.
- 03:10 : jouer avec les images clés.
- 05:59 : préciser la scène complète en format cinéma.
- 08:06 : tester la réplique en anglais.
- 09:10 : passer au format vertical.
- 10:17 : faire écrire le mot « CAFÉ ».
- 11:33 : le point sur Flash au moment du tournage.
- 11:58 : mon avis.
Préparer les éléments avant de générer la vidéo
Je commence par définir ce qui doit rester reconnaissable : le visage et le gilet brun du serveur, la tasse blanche cerclée de rouge, la terrasse ocre et le vaisseau métallique patiné. Les vues sous plusieurs angles donnent au modèle des repères communs. Les grilles du projet assemblent des images individuelles ; elles ne doivent pas devenir une mosaïque dans la vidéo.
Le serveur
Son visage, sa moustache, sa tenue et sa silhouette doivent tenir d’un bout à l’autre du plan.
La tasse et le plateau
Je surveille le cercle rouge, la soucoupe et le passage du plateau à la table, sans apparition d’une seconde tasse.
La terrasse
La façade, les meubles et la place donnent un décor stable et assez d’espace pour l’arrivée du vaisseau.
Le vaisseau
Les vues de référence fixent son volume et son aspect. Son arrivée doit ensuite suivre la progression demandée.
Les images et les miniatures du projet ont été préparées avec ChatGPT/Codex. Les vidéos ont été générées dans Artlist. Les prompts d’images se trouvent dans le PDF complet, avec l’ordre des références nécessaires pour reprendre la préparation.
Images clés : guider l’arrivée, puis regarder le résultat
Dans le premier essai à partir de références, le vaisseau est visible très tôt. Pour garder la surprise, je passe à trois images clés : le début sans vaisseau, son arrivée et la fin du service. Je compare ensuite deux prompts dans lesquels la balise de l’image intermédiaire n’occupe pas la même place.
Dans les deux résultats montrés, le changement agit sur le déroulement, mais le décalage reste modeste. Le serveur s’arrête aussi un moment dans l’un des essais. Je reprends donc la consigne pour mieux décrire les étapes et simplifier la pose de la soucoupe. La comparaison se trouve à partir de 03:10 dans la vidéo.
Image de référence préparée pour la fin du plan, pas une capture d’un résultat vidéo. Elle fixe la composition visée : le café est posé et le vaisseau reste derrière le serveur.
Les deux prompts du comparatif sont reproduits tels qu’ils ont été utilisés. Ils contiennent la formule « aux positions temporelles réglées », mais aucun réglage précis de ces positions n’a été confirmé pour cet essai. Ce qui est documenté ici est le déplacement de la référence dans le texte. Les secondes écrites dans un prompt sont des consignes, pas la garantie d’un événement à la seconde près.
La tasse, la voix et l’enseigne : les détails qui comptent
Un geste court pour poser le café
Dans la version retravaillée, je rapproche le plateau de la table avant de demander le transfert de la soucoupe. La trajectoire devient plus courte. Sur le résultat commenté à partir de 05:59, je retrouve le serveur, le cercle rouge de la tasse, le vent et la réplique finale. C’est ce genre de détail qui me donne envie de garder le plan, au-delà de la taille du vaisseau.
Une réplique en anglais, puis une composition verticale
Pour l’essai anglais, je garde la même scène et je change la phrase à prononcer. Le prompt reste en français. Pour le vertical, je prépare deux références au format 9:16, une image de départ et une image de fin, puis je lance une génération distincte. Il ne s’agit pas de recadrer le résultat horizontal. Dans ce parcours, je prépare donc mes références au format que je veux obtenir.
Le mot « CAFÉ » doit rester accroché à l’enseigne
Je pars d’une enseigne vierge et je demande au modèle d’y faire apparaître « CAFÉ », avec un léger mouvement de l’enseigne et de la caméra. Dans l’essai montré à 10:17, le mot reste lisible et suit le support. Ce résultat sur un mot court ne garantit pas la même réussite sur un paragraphe ou sur toutes les générations.
Mon avis, les limites et le coût montré
Sur ces scènes, mon avis est très positif : les objets restent reconnaissables, les gestes sont exploitables et le son accompagne l’action. Je garde pourtant un regret dans le parcours testé : j’aurais aimé fournir une voix de référence pour mieux maîtriser la voix du serveur. Pour plusieurs séquences, sa continuité reste un point à contrôler.
Je raconte aussi une fausse alerte sur le dialogue : je croyais ne pas entendre la fin de la phrase, alors que le problème venait de mon lecteur. Une nouvelle version du prompt s’est ensuite éloignée de ce que je voulais. Avant de relancer une génération, mieux vaut vérifier le fichier jusqu’au bout et, si nécessaire, dans un autre lecteur.
Au moment du tournage, je n’avais pas pu tester Kling 4.0 Flash. Il n’y a donc ni résultat Flash ni prompt présenté comme testé pour cette version dans ce recueil.
Dans la vidéo publiée le 29 octobre 2026, je montre un coût de 5 250 crédits pour trente secondes en 720p sur mon abonnement. C’est le chiffre de cette démonstration, pas un tarif garanti pour votre compte. Vérifiez le modèle, les réglages et les crédits affichés avant de lancer un essai. Le centre d’aide Artlist précise que les crédits varient selon le modèle et les réglages de sortie ; il ne faut pas convertir ce relevé isolé en prix universel.
Réutiliser les prompts sans perdre les références
Ouvrez l’une des 7 fiches vidéo, puis copiez son bloc « Prompt complet ». Chaque fiche garde le même numéro dans le PDF et sur cette page. Les textes des prompts sont conservés sans réécriture. Le PDF rassemble aussi les 33 prompts d’images, avec leurs corrections, et les 3 prompts de miniatures.
- Importez réellement les images indiquées. Écrire leur nom dans le prompt ne les joint pas.
- Remplacez les anciennes balises Artlist par celles de vos propres images, choisies dans votre interface. Les identifiants de ma session ne désignent pas les fichiers de votre compte.
- Les deux versions du comparatif viennent des prompts exacts que j’ai communiqués. Les autres prompts vidéo viennent du guide du projet : les éventuelles retouches faites lors de la saisie ne sont pas documentées.
- Les fichiers d’images ne sont pas fournis dans le recueil. Les fiches d’images du PDF donnent leurs prompts de création et les dépendances à respecter.
- Vérifiez les réglages dans l’interface et regardez chaque résultat en entier. Un même texte ne garantit pas une vidéo identique.
Correspondance des trois balises Artlist originales
@f89820e0-81b8-4595-869d-fad663914d76: K01-debut-21x9.png@25acfafa-3071-493b-a967-6aee062c004e: K02-arrivee-21x9.png@42e84d4a-ae64-4dac-8454-7fa7ead53dfe: K03-fin-21x9.png
Les 7 prompts vidéo
Les références, les deux versions du comparatif, le plan de trente secondes, l’anglais, le vertical et l’enseigne.
01. Le serveur et les références images
Consigne : 15 secondes, audio natif. Correspond au fichier vidéo 01. Charger les images comme références, pas une grille comme première image du film.
Références à joindre
- GRILLE-SERVEUR-6-ANGLES.jpg : identité du serveur.
- GRILLE-LIEU-6-ANGLES.jpg et L01-vue-principale.png : lieu et cadrage.
- A01-tasse-plateau.png : accessoires.
- GRILLE-VAISSEAU-6-ANGLES.jpg : design du vaisseau.
Prompt complet
Une seule scène photoréaliste continue de quinze secondes, sans coupe, sur la terrasse ocre ensoleillée des références. Les grilles montrent plusieurs vues des mêmes éléments : créer un seul serveur, un seul café et un seul vaisseau, jamais une mosaïque. Conserver le visage, la moustache, le gilet brun, la chemise ivoire et le tablier du serveur. Reprendre la composition de la vue unique de la terrasse. De 0 à 4 secondes, le serveur avance calmement vers la table ronde, plateau horizontal dans la main gauche. Une seule tasse blanche cerclée de rouge repose sur sa soucoupe. De 4 à 9 secondes, le vaisseau métallique patiné descend derrière lui ; son ombre traverse la place, le vent soulève des serviettes. De 9 à 12 secondes, sa main droite transfère la soucoupe avec la tasse du plateau à la table. La soucoupe repose à plat ; le plateau reste dans la main gauche, sans seconde tasse. De 12 à 15 secondes, il regarde le client hors champ près de la caméra et dit en français, très calmement : « Un sucre ou deux ? » La caméra accompagne sobrement le service, sans changement d’axe. Son natif : pas, vent, grondement du vaisseau et petit contact de la porcelaine ; le grondement baisse sous la voix. Aucun autre personnage visible, aucune musique, aucun sous-titre, aucun texte ni logo. Garder des mains normales, des objets solides, une lumière chaude naturelle et une seule prise.
Texte du guide de génération utilisé pour le projet.
02. Trois images clés : première version
Consigne : 30 secondes, composition horizontale, audio natif. Correspond au fichier vidéo 03. Balises originales conservées : les associer à vos propres images (voir mode d’emploi).
Références à joindre
- K01-debut-21x9.png : début du service.
- K02-arrivee-21x9.png : arrivée du vaisseau.
- K03-fin-21x9.png : café posé.
Prompt complet
Un seul plan-séquence photoréaliste de trente secondes, sans coupe. Respecter les trois images clés dans leur ordre et aux positions temporelles réglées. Conserver exactement le même serveur en gilet brun, la terrasse ocre, la table ronde, les chaises, le plateau métallique, la tasse blanche cerclée de rouge et sa soucoupe. @f89820e0-81b8-4595-869d-fad663914d76 Au début, le serveur avance calmement avec le plateau dans sa main gauche ; la table est vide et aucun vaisseau n’est visible. Le service progresse pendant que le vaisseau métallique patiné approche et descend derrière lui @25acfafa-3071-493b-a967-6aee062c004e . Faire apparaître progressivement l’ombre puis le vaisseau à l’approche du repère intermédiaire, sans le montrer dès le départ. Le vent se lève et des serviettes s’envolent ; le serveur reste concentré sur son client. Après ce repère et avant la fin, sa main droite prend la soucoupe avec la tasse et les pose ensemble à plat sur la table, puis se retire. Le plateau reste dans la main gauche, sans tasse en double. Une fois le café posé, vers 26 à 29 secondes, il regarde le client hors champ près de la caméra et dit une seule fois en français, d’une voix masculine posée et professionnelle : « Un sucre ou deux ? » Finir sur l’état de la dernière image @42e84d4a-ae64-4dac-8454-7fa7ead53dfe , la tasse immobile et le vaisseau derrière lui. La caméra accompagne discrètement le service sans changement d’axe ni grand mouvement incompatible avec les images clés. Audio natif : pas, souffle du vent, grondement spatial, contact léger de la porcelaine ; voix claire et synchronisée, grondement plus discret pendant la phrase. Aucun autre personnage visible, aucune musique, aucun sous-titre, aucun texte ajouté. Lumière chaude naturelle, aucune explosion, aucun néon.
Prompt exact communiqué par Johan après utilisation.
03. Trois images clés : référence intermédiaire déplacée
Consigne : 30 secondes, audio natif. Correspond au fichier vidéo 03b. La balise de l’image intermédiaire passe après la pose de la tasse. Il ne s’agit pas d’un réglage à la seconde près.
Références à joindre
- K01-debut-21x9.png : début du service.
- K02-arrivee-21x9.png : arrivée du vaisseau.
- K03-fin-21x9.png : café posé.
Prompt complet
Un seul plan-séquence photoréaliste de trente secondes, sans coupe. Respecter les trois images clés dans leur ordre et aux positions temporelles réglées. Conserver exactement le même serveur en gilet brun, la terrasse ocre, la table ronde, les chaises, le plateau métallique, la tasse blanche cerclée de rouge et sa soucoupe. @f89820e0-81b8-4595-869d-fad663914d76 Au début, le serveur avance calmement avec le plateau dans sa main gauche ; la table est vide et aucun vaisseau n’est visible. Le service progresse pendant que le vaisseau métallique patiné approche et descend derrière lui . Faire apparaître progressivement l’ombre puis le vaisseau à l’approche du repère intermédiaire, sans le montrer dès le départ. Le vent se lève et des serviettes s’envolent ; le serveur reste concentré sur son client. Après ce repère et avant la fin, sa main droite prend la soucoupe avec la tasse et les pose ensemble à plat sur la table, puis se retire. @25acfafa-3071-493b-a967-6aee062c004e Le plateau reste dans la main gauche, sans tasse en double. Une fois le café posé, vers 26 à 29 secondes, il regarde le client hors champ près de la caméra et dit une seule fois en français, d’une voix masculine posée et professionnelle : « Un sucre ou deux ? » Finir sur l’état de la dernière image @42e84d4a-ae64-4dac-8454-7fa7ead53dfe , la tasse immobile et le vaisseau derrière lui. La caméra accompagne discrètement le service sans changement d’axe ni grand mouvement incompatible avec les images clés. Audio natif : pas, souffle du vent, grondement spatial, contact léger de la porcelaine ; voix claire et synchronisée, grondement plus discret pendant la phrase. Aucun autre personnage visible, aucune musique, aucun sous-titre, aucun texte ajouté. Lumière chaude naturelle, aucune explosion, aucun néon.
Prompt exact de la variante communiqué par Johan.
04. Le plan de trente secondes : simplifier la pose du café
Consigne : 30 secondes, audio natif. Correspond au fichier vidéo 04. La trajectoire de la soucoupe est raccourcie pour demander un geste plus simple.
Références à joindre
- K01-debut-21x9.png : début du service.
- K02-arrivee-21x9.png : arrivée du vaisseau.
- K03-fin-21x9.png : café posé.
Prompt complet
Une seule prise photoréaliste continue de trente secondes, sans coupe, conforme aux images clés de début, d’arrivée et de fin. Même serveur en gilet brun, même terrasse ocre, mêmes meubles, même tasse blanche cerclée de rouge sur sa soucoupe et même vaisseau métallique patiné. De 0 à 10 secondes, le serveur marche lentement vers la table, plateau stable dans la main gauche. De 10 à 20 secondes, le vaisseau descend derrière lui, son ombre gagne la place, le vent se lève et des serviettes s’envolent. Le serveur ne s’affole pas. De 20 à 26 secondes, il s’arrête près de la table et amène le plateau juste au-dessus de sa surface, sans poser le plateau. Sa main droite soutient la soucoupe avec la tasse ; il les transfère ensemble par une trajectoire très courte, les pose à plat sur la table, puis retire sa main. La tasse reste verticale, sans renverser le café. Le plateau demeure dans sa main gauche, sans seconde tasse. De 26 à 29 secondes, il regarde le client hors champ et dit une seule fois en français, d’un ton calme et professionnel : « Un sucre ou deux ? » À la fin, la soucoupe est réellement en contact avec la table, la tasse est immobile et le vaisseau reste derrière lui. La caméra accompagne le service sans changer d’axe. Conserver les visages et les proportions, sans doigts supplémentaires, objets traversants ou téléportation. Audio natif : pas, vent, grondement et contact de la porcelaine, avec une voix claire et synchronisée. Aucun autre personnage, aucune musique, aucun sous-titre, aucun texte ni néon.
Texte du guide de génération utilisé pour le projet.
05. La réplique en anglais
Consigne : 30 secondes, audio natif. Correspond au fichier vidéo 05. Le prompt reste en français ; seule la réplique demandée est en anglais.
Références à joindre
- K01-debut-21x9.png : début du service.
- K02-arrivee-21x9.png : arrivée du vaisseau.
- K03-fin-21x9.png : café posé.
Prompt complet
Un seul plan-séquence photoréaliste de trente secondes, sans coupe. Respecter les trois images clés dans leur ordre et aux positions temporelles réglées. Conserver exactement le même serveur en gilet brun, la terrasse ocre, la table ronde, les chaises, le plateau métallique, la tasse blanche cerclée de rouge et sa soucoupe. Au début, le serveur avance calmement avec le plateau dans sa main gauche ; la table est vide et aucun vaisseau n’est visible. Le service progresse pendant que le vaisseau métallique patiné approche et descend derrière lui. Faire apparaître progressivement l’ombre puis le vaisseau à l’approche du repère intermédiaire, sans le montrer dès le départ. Le vent se lève et des serviettes s’envolent ; le serveur reste concentré sur son client. Après ce repère et avant la fin, sa main droite prend la soucoupe avec la tasse et les pose ensemble à plat sur la table, puis se retire. Le plateau reste dans la main gauche, sans tasse en double. Une fois le café posé, vers 26 à 29 secondes, il regarde le client hors champ près de la caméra et dit une seule fois en anglais, d’une voix masculine posée et professionnelle : « One sugar or two? » Finir sur l’état de la dernière image, la tasse immobile et le vaisseau derrière lui. La caméra accompagne discrètement le service sans changement d’axe ni grand mouvement incompatible avec les images clés. Audio natif : pas, souffle du vent, grondement spatial, contact léger de la porcelaine ; voix claire et synchronisée, grondement plus discret pendant la phrase. Aucun autre personnage visible, aucune musique, aucun sous-titre, aucun texte ajouté. Lumière chaude naturelle, aucune explosion, aucun néon.
Texte du guide de génération utilisé pour le projet.
06. La version verticale
Consigne : 30 secondes, format 9:16, audio natif. Correspond au fichier vidéo 06. C’est une génération verticale distincte, pas un simple recadrage.
Références à joindre
- VARIANTE-V01-depart-9x16.png : image de départ.
- VARIANTE-V02-fin-9x16.png : image de fin.
Prompt complet
Un seul plan vertical photoréaliste de trente secondes, sans coupe, conforme aux images de départ et de fin. Conserver le même serveur en gilet brun, son visage et sa tenue, la terrasse ocre, la table ronde, les deux chaises, la tasse blanche cerclée de rouge avec sa soucoupe et le vaisseau métallique patiné. De 0 à 8 secondes, le serveur avance avec le plateau dans sa main gauche vers la table vide. Aucun vaisseau n’est visible au départ. De 8 à 20 secondes, le vaisseau approche puis descend dans l’espace au-dessus et derrière lui ; son ombre gagne la terrasse, le vent soulève des serviettes. Le serveur reste calme. De 20 à 26 secondes, sa main droite transfère la soucoupe avec la tasse du plateau à la table, les pose à plat puis se retire. Le plateau reste dans la main gauche, sans seconde tasse. De 26 à 29 secondes, il regarde le client hors champ et dit en français, d’une voix posée et professionnelle : « Un sucre ou deux ? » Préserver une composition verticale lisible : visage, tasse et vaisseau visibles, sans cacher la tête du serveur ni couper le geste de service. La caméra accompagne discrètement le mouvement, sans changement d’axe, et termine sur la composition de l’image finale. Audio natif avec pas, vent, grondement spatial et léger contact de la porcelaine ; le grondement baisse pendant la phrase. Une seule scène plein cadre, pas de bandes latérales, de mosaïque, de musique, de sous-titres ou de texte ajouté. Aucune autre personne visible, aucune explosion ni lumière néon.
Texte du guide de génération utilisé pour le projet.
07. Faire apparaître le mot « CAFÉ »
Consigne : 10 secondes, format 16:9, ambiance native sans parole. Correspond au fichier vidéo 07. Le mot doit être généré dans la vidéo, pas ajouté au montage.
Références à joindre
- T01-enseigne-vierge.png : image de départ, sans texte.
Prompt complet
Une seule prise photoréaliste de dix secondes à partir de l’image fournie. Conserver exactement la façade ocre, le store, le support métallique et l’enseigne rectangulaire en bois. L’enseigne est vierge sur la première image. Pendant les deux premières secondes, faire apparaître sur sa surface le seul mot « CAFÉ », en quatre grandes lettres capitales peintes en ivoire, avec l’accent aigu sur le É. Le mot est centré, lisible, et appartient physiquement au bois : ce n’est pas un texte flottant ou un sous-titre. De 2 à 10 secondes, les quatre lettres restent identiques et bien lisibles pendant un très léger déplacement latéral de la caméra. Respecter la perspective, la texture, la lumière et les ombres de l’enseigne. Ne pas remplacer, doubler, déformer ou faire disparaître des lettres. Aucun autre mot, logo, prix, personnage ou vaisseau. Ambiance native discrète de terrasse et de vent léger ; aucune parole ni musique. Garder l’enseigne entière dans le cadre, sans coupe ni transition.
Texte du guide de génération utilisé pour le projet.
Avant de garder votre génération
- Le serveur conserve-t-il le même visage et la même tenue ?
- La tasse garde-t-elle son cercle rouge, sa forme et sa soucoupe ?
- Le contact avec la table est-il crédible, sans objet traversant ni tasse en double ?
- Le vaisseau arrive-t-il au moment utile pour votre histoire ?
- La phrase est-elle complète, compréhensible et synchronisée ?
- Le texte de l’enseigne reste-t-il lisible pendant les mouvements ?
- Avez-vous contrôlé le fichier téléchargé, pas seulement son aperçu ?
Questions fréquentes
Puis-je coller les balises Artlist du recueil telles quelles ?
Que contient le PDF complet ?
Les indications de temps garantissent-elles le rythme du résultat ?
Sources et documents du projet
- Johan Solutions Digitales : « Kling 4.0 fait le service : mon café vire à la science-fiction », vidéo publiée le 29 octobre 2026, intégrée à cet article. Les résultats, avis et crédits cités sont ceux de cette démonstration.
- Recueil « Le dernier café : les prompts du projet Kling 4.0 » : textes du guide de génération, deux prompts exacts du comparatif, reçus de génération des images et assemblage des prompts de miniatures. Les fiches distinguent ces origines.
- Image dans le corps de l’article : image clé de fin K03-fin-21x9.png, préparée pour guider la génération. Miniature de couverture : miniature publiée de la vidéo.
- Artlist Help Center : « Artlist AI Tools: Understanding credits for AI Image and Video », help.artlist.io, consulté le 29 octobre 2026. Source pour le principe de variation des crédits selon le modèle et les réglages, pas pour confirmer le tarif de tous les essais.
Pour continuer
Et vous, quelle réplique auriez-vous donnée au serveur ? Je suis curieux de lire vos propositions dans les commentaires de la vidéo. Gardez-vous bien !