Guide de prompt MiniMax H3 : formule officielle et modes

L'essentiel de ce qui s'écrit sur le prompting de MiniMax H3 relève de la conjecture — le modèle a à peine une semaine. Ce guide, lui, ne devine rien. MiniMax a publié un manuel d'utilisation détaillé au moment du lancement de H3, le 31 juillet, et on y trouve quelque chose de rare : une formule de prompt explicite, écrite par des ingénieurs, une taxonomie des rôles de fichiers de référence, et une liste franche des erreurs qui gâchent le plus souvent les générations. Presque rien de tout cela n'était accessible en français jusqu'ici.

Nous développons Pixo, une plateforme de vidéo IA multi-modèles, et lire les manuels des modèles le jour de leur sortie fait partie du métier : notre agent doit écrire des prompts de qualité production pour chacun des modèles que nous exploitons. Voici le système de prompting de H3, traduit et réorganisé pour des créateurs qui travaillent, recoupé avec la documentation officielle de génération vidéo de MiniMax. (Vous découvrez le modèle ? Commencez par notre premier aperçu de H3.)

La formule officielle

Directement tirée du manuel :

Prompt complet = notes sur les fichiers de référence + idée centrale + description scène par scène

Trois blocs, dans cet ordre. Sautez le premier si vous n'avez rien importé. La plupart des prompts H3 ratés cassent exactement l'un de ces blocs — le plus souvent en écrasant tout dans un seul paragraphe indifférencié, ce qui est l'erreur n° 1 de la liste du manuel.

Bloc 1 : notes sur les fichiers de référence

Chaque fichier importé reçoit un numéro dans l'ordre d'importation, cité dans le texte sous la forme @image1, @video2, @audio3. Et chaque fichier a besoin d'un rôle déclaré. La taxonomie des rôles mérite d'être apprise par cœur, car c'est de fait la surface d'API de H3 en langage naturel :

• Référence de personnage — verrouiller un visage ou une silhouette
• Référence d'objet — verrouiller un produit ou un accessoire
• Référence de décor — verrouiller un lieu
• Image clé — verrouiller une image (précisez explicitement s'il s'agit de la première ou de la dernière)
• Référence de voix — verrouiller un timbre vocal
• Storyboard — générer les plans en suivant une planche narrative
• Référence de style — reproduire le rendu d'une image
• Référence de composition — reproduire le cadrage et la mise en place
• Réemploi audio — utiliser la piste telle quelle comme audio de la vidéo (ou en réemployer une portion)
• Référence de mouvement — verrouiller une action tirée d'une vidéo
• Référence de caméra — verrouiller un mouvement de caméra
• Édition vidéo — la vidéo à modifier

L'exemple du manuel, traduit : « @image1 est la référence du personnage (verrouille le visage de cette femme), @video1 est la référence de mouvement (reprends la danse au sabre qu'on y voit), @audio1 est la référence d'ambiance (partition classique de guqin). Fais exécuter à cette femme la danse au sabre de la vidéo dans une cour de cerisiers en fleurs. »

Gardez en tête le plafond strict indiqué par la fiche du modèle : 12 fichiers au total — au maximum 9 images, 3 clips vidéo et 3 pistes audio, la vidéo et l'audio étant chacun limités à 15 secondes cumulées.

Bloc 2 : idée centrale

Quatre éléments, explicitement nommés dans le manuel : le sujet (qui ou quoi), le lieu (où), l'action (qui fait quoi) et le genre/style (prise de vue réelle, animation, cinématographique, publicitaire, documentaire — ou une esthétique nommée, cyberpunk ou néon par exemple). Plus, en option, le comportement de la caméra : H3 fait des coupes entre plans par défaut, donc si vous voulez un plan-séquence continu, dites-le. Sur les mouvements de caméra, le manuel est inhabituellement précis — écrivez des mouvements concrets, du type « travelling latéral gauche + panoramique droite », plutôt que des demandes vagues comme « fais le tour de la scène ». Pour les coupes, vous pouvez préciser le style : cut franc, fondu, calé sur le rythme, montage rapide.

Bloc 3 : description scène par scène

Décrivez ce qui se passe dans le temps, segment par segment — « 0–3 s : …, 3–7 s : … » — en reliant les éléments aux fichiers par des références @ partout où le lien existe. C'est aussi là que vivent les dialogues, et la règle est absolue : écrivez la réplique exacte. « Elle dit quelque chose d'émouvant » produit de la bouillie ; « Elle dit : "Tu es venu. La lame a assez attendu." » produit la réplique, avec la synchronisation labiale.

Les règles qui sauvent une génération

Quatre règles plus modestes tirées du manuel pèsent bien plus lourd que leur taille :

Écrivez ce que la caméra voit, pas ce que cela signifie. H3 récompense la description concrète, visuelle et directe, et trébuche sur la métaphore. « Des néons qui se reflètent sur sa veste en cuir trempée de pluie » l'emporte à chaque fois sur « une atmosphère de mélancolie urbaine ».

Le texte à l'écran doit être cité au mot près. Si vous voulez du texte dans le cadre, écrivez-le : « L'écran du téléphone affiche le titre "AI Video Creation" avec un bouton indiquant "Start Now". »

Éliminez explicitement la musique non voulue. Pas de musique de fond ? Terminez le prompt par non_diegetic_music: N/A. Et ne vous contredisez jamais : demander une bande-son dans une ligne et interdire la musique de fond dans une autre est un mode d'échec répertorié.

Nommez le plan quand vous coupez. Quand vous spécifiez une coupe, indiquez la nouvelle valeur de plan et quel sujet déjà établi elle contient — c'est ce qui garde les visages cohérents d'une coupe à l'autre.

Écrire pour chacun des trois modes

Mode référence (jusqu'à 9 images + 3 vidéos + 3 pistes audio) : la formule complète s'applique — le bloc de notes de référence est obligatoire, et un fichier non étiqueté est un fichier gâché.

Image-vers-vidéo / première-dernière image : importez une image et précisez s'il s'agit de la première ou de la dernière ; importez-en deux et H3 comble le mouvement, la lumière et le son entre les deux. Point crucial : il n'inventera pas de coupes de caméra dans ce mode — l'exemple du manuel : « @image1 est la première image : une femme tenant un sabre sous un cerisier. Emmène-la de la position de garde jusqu'à la danse au sabre complète, avec fluidité, sans coupe. »

Texte-vers-vidéo pur : aucun fichier, et un plafond généreux — le manuel fixe la limite du prompt à 7 000 caractères. Le plancher pour un résultat exploitable : apparence du sujet + détails du décor + action + style. Un prompt plus court que cela est un mode d'échec documenté, pas un choix stylistique.

Points de départ à copier-coller

Trois prompts bâtis sur la formule officielle (à adapter librement) :

[References] @image1 is the character reference (lock her face). @image2 is the scene reference.
[Core idea] A woman in a rain-soaked neon alley in Tokyo at night; cinematic live-action; one continuous take, slow push-in.
[Process] 0–4s: she walks toward camera, rain on her jacket, distant traffic hum. 4–8s: she stops, looks up; she says: "It was never about the money." Ambient rain continues. non_diegetic_music: N/A

[References] @image1 is the object reference (lock the perfume bottle, label included). @audio1 is the audio reuse track.
[Core idea] Luxury product film, 21:9, studio-to-sunset lighting shift; beat-synced cuts.
[Process] 0–3s: bottle rises from black marble, side light. 3–6s: cut on beat to golden-hour terrace, bottle identical. 6–8s: macro on the label, on-screen text reads "NOCTURNE".

[Edit instruction, against an existing video] Replace the cat in the video with a golden retriever. Keep the camera move, lighting and background unchanged.

Les six erreurs contre lesquelles le manuel met en garde

Le raccourci honnête

Le conseil de conclusion du manuel — confier l'écriture des prompts à un partenaire professionnel — est l'aveu, par MiniMax, du phénomène que nous observons sur tous les modèles de pointe : les prompts sont discrètement devenus des spécifications, avec inventaire des références, blocs de minutage et règles de formatage. Connaître la formule est ce qui sépare un résultat exploitable de la bouillie, mais écrire des prompts de niveau spec pour chaque plan d'une vidéo multi-scènes, c'est du vrai travail.

C'est exactement le métier pour lequel nous avons construit l'agent de Pixo : décrivez la vidéo que vous voulez, et l'agent écrit le script, le storyboard et les prompts plan par plan dans le dialecte natif de chaque modèle — la formule ci-dessus comprise. Les modèles réclament des dialectes différents, et c'est tout l'objet de notre comparaison H3 vs Seedance 2.5. MiniMax H3 arrive dans le storyboard de Pixo, aux côtés de Seedance, Kling et Veo. Inscrivez-vous — 200 crédits gratuits offerts à l'inscription — et vous serez prêt à mettre H3 au travail dès son arrivée.

Foire aux questions

Quelle est la formule de prompt officielle de MiniMax H3 ?

Le manuel d'utilisation de MiniMax la définit ainsi : prompt complet = notes sur les fichiers de référence + idée centrale + description scène par scène. Déclarez d'abord à quoi sert chaque fichier importé, puis indiquez le sujet, le lieu, l'action et le style, puis décrivez le déroulé dans le temps — avec des repères temporels si nécessaire.

Comment référencer les fichiers importés dans un prompt MiniMax H3 ?

Numérotez-les dans l'ordre d'importation et citez-les dans le texte — @image1, @video2, @audio3. Chaque fichier doit avoir un rôle déclaré : verrouillage de visage, verrouillage d'objet, référence de décor, référence de mouvement, référence de voix, piste de rythme, etc. Les fichiers sans finalité annoncée sont de loin la première cause de références ignorées.

Comment empêcher MiniMax H3 d'ajouter une musique de fond ?

Dites-le explicitement à la fin du prompt : "non_diegetic_music: N/A" (ou son équivalent en langage courant). Les souhaits négatifs qui ne sont pas écrits ont tendance à être ignorés — et ne demandez jamais une bande-son dans une ligne tout en interdisant la musique de fond dans une autre.

Comment garder le visage d'un personnage cohérent avec MiniMax H3 ?

Importez une image de référence du personnage et étiquetez-la explicitement comme verrouillage de visage — par exemple « @image1 est la référence du personnage (verrouille le visage de cette femme) ». Vouloir une cohérence faciale sans importer de référence étiquetée fait partie des erreurs courantes listées par le manuel.

Quels sont les trois modes de génération de MiniMax H3 ?

Référence-vers-vidéo (jusqu'à 12 fichiers — 9 images, 3 vidéos, 3 pistes audio — chacun avec un rôle déclaré), image-vers-vidéo avec une ou deux images clés (H3 comble le mouvement entre les deux et n'invente pas de coupes), et texte-vers-vidéo pur.

Ce guide traduit et réorganise le manuel d'utilisation de H3 publié par MiniMax, recoupé le 5 août 2026 avec la documentation officielle de génération vidéo et la fiche de modèle publiée. Les schémas de prompt sont ceux que notre agent utilise en production ; le comportement du modèle évolue avec les mises à jour, alors traitez chaque exemple comme un point de départ, pas comme une garantie.