Blog

Une chaîne TikTok produite à 100 % par des agents IA (et ça se voit)

Des agents pilotés par SideHub, mon outil perso, écrivent, montent et publient trois vidéos par jour sur @electrochoc.mind, sans intervention humaine. Les vidéos ne valent pas grand-chose. La machine derrière, si : le pipeline, la mémoire partagée, les pannes et ce que j’en retiens.

Publié
Ligne
IA
Temps de lecture
9 min
Langues
EN · FR

Personne derrière le clavier (et ça s’entend)

Ce matin à 9 h, heure de Paris, une vidéo est sortie sur @electrochoc.mind. Elle dit : « Tu fuis ton fichier urgent. Tu gardes Instagram ouvert pour éviter ton fichier urgent. Verrouille Instagram puis affiche ton fichier urgent maintenant ! »

Relisez-la calmement. On ne fuit pas un fichier. On n’« affiche » pas un fichier comme on affronte ses démons. Et personne n’a jamais verrouillé Instagram dans un élan de courage. La grammaire tient debout. Le sens, beaucoup moins. 🙃

Je ne l’ai ni écrite, ni montée, ni publiée. Je ne l’ai même pas vue avant sa sortie, ce qui, vous l’aurez deviné, se sent. Deux autres suivront à 14 h et à 20 h, comme chaque jour depuis mai.

Autant être clair tout de suite : ce n’est pas une chaîne de coaching dont je suis fier. Les vidéos ne sont pas bonnes, et je le sais. Ce qui m’intéresse, c’est tout ce qui tourne derrière. Cette chaîne me sert de terrain de jeu pour SideHub, l’outil que je me suis construit pour piloter mes propres agents de code. Je suis son seul utilisateur, et il n’est pas à vendre. La question n’a jamais été « des agents peuvent-ils faire du bon contenu ? ». C’était : « des agents peuvent-ils tenir une production quotidienne pendant des mois, sans que j’intervienne ? ». La réponse est oui. Pour la qualité, on repassera. 😅

Voici comment c’est construit, ce qui a cassé, et ce que j’en retiens.

Le format : trois actes en vingt secondes

Chaque vidéo se veut un « électrochoc » : une vérité inconfortable, dite en français, à la deuxième personne, sur un ton dur. Elle dure de 15 à 22 secondes, en format vertical, et suit toujours trois actes :

  • l’accroche, de 5 à 10 mots, qui doit arrêter le pouce
  • la tension, de 8 à 16 mots, qui nomme ce que l’on préfère ne pas voir
  • l’action, de 5 à 14 mots, un ordre concret qui finit toujours par un point d’exclamation.

Chaque acte a son propre fond vidéo, et un flash blanc de 60 millisecondes marque la coupure. Six voix se partagent les textes (le mentor brutal, le père déçu, le futur toi, le soldat…). Oui, un père déçu synthétique vous ordonne de fermer Instagram. 🫠 Une quinzaine d’univers visuels tournent d’une vidéo à l’autre : quotidien sombre, vieillesse, mer, sport…

Ces contraintes ne sont pas là pour le style. Un format strict est ce qui rend une production automatique contrôlable. Chaque règle se vérifie : le nombre de mots, la durée, le point d’exclamation. Le sens, lui, ne se vérifie pas. C’est tout le problème, et on y reviendra.

La chaîne de production

scheduler SideHub (9 h, 14 h, 20 h)
  └─ workflow « Generate new video »
       1. idées       ~10 candidates notées, une retenue
       2. contrôle    porte éditoriale bloquante
       3. voix        ElevenLabs (OpenAI TTS en secours)
       4. images      Pexels (vidéo) + Jamendo (musique)
       5. rendu       HyperFrames → MP4 1080×1920
timer systemd (toutes les heures)
  └─ publication    Zernio → TikTok, puis registre SQLite

Tout le savoir-faire tient dans une skill Claude Code : un fichier SKILL.md qui décrit la procédure, un guide éditorial et une poignée de petits outils Node.js. L’agent lit la skill, appelle les outils dans l’ordre et prend les décisions créatives. Les outils, eux, font le travail mécanique. Vu le résultat, ce sont les outils qui s’en sortent le mieux.

Les idées. La première étape du workflow produit une dizaine de candidates. Chacune est notée sur plusieurs axes : éviter les redites, suivre ce qui performe, force de l’accroche, fraîcheur de l’action, cohérence du récit. L’étape liste aussi les verbes déjà trop utilisés et les personas ou univers délaissés, pour forcer la variété. Une seconde étape choisit la gagnante. La vidéo de ce matin était donc la meilleure de dix. J’évite de penser aux neuf autres. 🙈

La porte éditoriale. Un agent qui écrit trois textes par jour finit par se répéter. Le mien adorait les échéances : « ce soir », « avant minuit », « avant de dormir ». Plutôt que de le lui redemander poliment dans le prompt, j’ai écrit un contrôle déterministe qui bloque le texte :

const DEADLINE_RE = /(ce soir|avant ?ce soir|avant minuit|avant de dormir|cette nuit|demain matin|…)/i;

checks.action_exclamation = /!$/.test(action);
if (!checks.action_exclamation) reasons.push('action doit finir par !');

Le même outil refuse les longueurs hors limites, les pronoms sans référent (« appelle-le », « elle ») et les actions métaphoriques qu’on ne peut pas faire pour de vrai. Il sort en erreur, et l’agent doit réécrire.

Vous remarquerez ce qui manque à la liste : rien ne vérifie que la phrase veut dire quelque chose. La vidéo de ce matin a passé toutes les règles haut la main. Bon nombre de mots, point d’exclamation, pas d’échéance, pas de pronom orphelin. Elle est simplement absurde. 🤷 Une expression régulière sait dire si une phrase finit par « ! ». Elle ne sait pas dire si cette phrase a un sens.

La voix et les images. ElevenLabs lit le texte avec la voix de la persona, et OpenAI prend le relais s’il échoue. Un passage dans ffmpeg règle le tempo et le volume. Pexels fournit trois clips, un par acte, choisis parmi des requêtes autorisées pour l’univers du jour. Une liste noire écarte les images devenues des clichés, ce qui ne manque pas de sel vu les textes posés dessus. Jamendo fournit la musique.

Le rendu. L’outil compose mesure la durée de chaque acte dans l’audio, remplit un gabarit HTML et lance le rendu avec HyperFrames, qui transforme une page HTML animée en vidéo. Comptez une à trois minutes par vidéo. C’est de loin l’étape la plus fiable de toute la chaîne.

L’orchestration

Sans orchestration, tout cela reste un script qu’il faut lancer à la main. Chez moi, c’est SideHub qui s’en charge, simplement parce que je l’utilise déjà tous les jours pour mes agents. N’importe quel outil capable de planifier des tâches et de partager un état ferait l’affaire. Il faut quatre choses.

  • Les schedulers. Un premier déclenche le workflow de génération trois fois par jour (0 7,12,18 * * * en UTC). Un second relève les statistiques TikTok toutes les quatre heures, décalé de trente minutes pour ne jamais tomber en même temps que la génération.
  • Le workflow. Chaque étape est une session d’agent distincte, avec son propre prompt. Elle dépose son résultat dans le Drive et signale la fin avec sidehub-cli workflow step-complete. Sans ce signal, le workflow n’avance pas, et l’étape expire au bout d’un délai fixé.
  • La mémoire partagée. Une base SQLite dans le Drive sert de registre. La table published garde chaque vidéo publiée (textes, persona, univers, clips utilisés), pour que l’étape des idées n’écrive jamais deux fois la même chose. Elle écrit donc chaque fois une chose nouvelle, pas forcément meilleure. La table stats suit les vues, les likes, les partages et le taux d’engagement de chaque vidéo. Plusieurs agents y écrivent sans se marcher dessus, car le backend sérialise les écritures.
  • Les alertes. Une page d’état compte les échecs consécutifs. Au deuxième, l’agent crée une tâche dans SideHub, et je la vois depuis mon téléphone.
SELECT universe, COUNT(*) AS videos, ROUND(AVG(s.views)) AS avg_views
FROM published p JOIN stats s ON s.tiktok_post_id = p.tiktok_post_id
GROUP BY universe
ORDER BY avg_views DESC;

La boucle de rétroaction

Les statistiques ne servent pas qu’à me rassurer, et c’est tant mieux, car elles ne rassurent pas beaucoup. À chaque génération, l’agent reçoit un « performance brief » tiré de la table stats : les univers, les personas et les formes d’accroche qui marchent le mieux. Aujourd’hui, l’univers « Vieillesse » tourne autour de 470 vues par vidéo, bien au-dessus de la moyenne, et la persona du « futur toi » signe les deux meilleures vidéos de la chaîne. Moralité : se faire sermonner par soi-même dans quarante ans marche mieux que par un soldat. 👴

Il faut quand même se méfier des boucles qui se nourrissent d’elles-mêmes. Zernio, l’outil de publication, propose les « meilleurs horaires » de publication. Mais il ne mesure que les horaires déjà utilisés : il confirme donc toujours mes choix. La règle est désormais de tester un nouveau créneau tous les trente jours, pour lui donner des données qu’il n’a pas.

Ce qui a cassé

Côté contenu, on l’a vu, le sens casse régulièrement. Mais c’est la partie technique qui m’a le plus appris.

Un backend de trop. La première version, en août 2025, était une application C# et Blazor : webhooks Creatomate pour le rendu, Hangfire pour la planification, scraping pour les idées. Elle marchait, mais chaque changement de format demandait du code. Le 6 mai 2026, je l’ai supprimée au profit d’une skill et de quelques outils en ligne de commande. Changer le format revient maintenant à modifier un fichier Markdown.

La publication sortie de l’agent. Au départ, la dernière étape du workflow publiait la vidéo. Mais cette étape tourne dans un agent en mode autonome, et un agent peut refuser une action ou se faire bloquer par ses propres garde-fous. Pour une tâche aussi mécanique qu’un upload, ce risque n’avait aucun intérêt. Un simple timer systemd lance maintenant publish.sh toutes les heures. Le script prend la prochaine vidéo prête, la publie et l’inscrit dans le registre. Il ne se demande jamais si elle veut dire quelque chose, et c’est exactement ce qu’on lui demande.

Des vidéos illisibles. Certains clips Pexels sont en HDR. HyperFrames basculait alors en HEVC, et le contrôle de la vidéo, qui attend du H.264, faisait échouer l’étape. L’option --sdr force maintenant le H.264. Illisibles au sens technique, cette fois. 😏

// --sdr : force SDR/H.264, sinon HyperFrames bascule en HEVC sur des sources HDR
const renderArgs = ['--yes', 'hyperframes', 'render', '-o', 'out.mp4', '--sdr'];

Des garde-fous à la publication. La porte éditoriale repasse juste avant la publication, et une vidéo invalide est écartée au lieu de bloquer la file. Un fichier marqueur .published.json, écrit après chaque publication, empêche toute republication. L’upload et la création du post ont droit à une relance après trente secondes.

La leçon tient en une phrase : le créatif aux agents, le déterministe à du code simple. Les agents choisissent l’idée, écrivent et arbitrent. Tout ce qui doit se passer à l’identique à chaque fois (contrôler, rendre, publier, enregistrer) est un script qui ne réfléchit pas. Au vu des textes, le créatif mériterait sans doute un humain. Mais ce n’était pas l’expérience.

Les chiffres, honnêtement

  • Plus de 200 vidéos publiées depuis mai 2026, à raison de trois par jour.
  • Environ 270 vues par vidéo en moyenne sur les cinquante dernières, 802 pour la meilleure.
  • 5 à 10 centimes de voix par vidéo. Les images et la musique viennent d’API gratuites.
  • Une à trois minutes de rendu par vidéo.

Ce n’est pas viral, et ce n’était pas le but. Heureusement. Ce qui compte, c’est que le système tourne seul depuis des mois : il publie, mesure, s’ajuste et me prévient quand il bloque.

Terminus

Cette chaîne produit des vidéos oubliables. Elle m’a pourtant appris plus sur l’orchestration d’agents que n’importe quelle démo. Un agent seul est brillant sur une tâche. Pour qu’il tienne une production dans la durée, il lui faut ce qu’on donne à toute équipe : un planning, une mémoire commune, des contrôles qui ne dépendent pas de sa bonne humeur, et quelqu’un à prévenir quand ça casse. Chez moi, c’est SideHub qui tient ce rôle, un outil fait sur mesure dont je reste l’unique client.

Produire de la médiocrité de façon fiable, trois fois par jour, pendant des mois, reste un vrai problème d’ingénierie. Le jour où les agents écriront des phrases qui veulent dire quelque chose, la tuyauterie sera prête. 🔧

Prochain départ

Si un jour je voulais que ces vidéos veuillent dire quelque chose (on peut rêver), voici les pistes que j’essaierais.

  • Un relecteur qui comprend le français. La porte éditoriale vérifie la forme, jamais le fond. Il manque une étape où un second modèle lit le texte comme un spectateur et répond à une seule question : « est-ce qu’un humain dirait ça ? ». Ce contrôle ne serait plus déterministe, mais c’est précisément celui qui fait défaut.
  • De vrais exemples plutôt que des règles. Aujourd’hui, l’agent apprend surtout ce qu’il ne doit pas faire. Lui montrer une poignée de textes écrits à la main, courts et justes, lui donnerait enfin une idée de ce qu’il doit faire.
  • Assouplir le format. Trois actes, un nombre de mots imposé et une action qui finit par « ! » : ces contraintes rendent la production contrôlable, mais elles poussent aussi l’agent à remplir des cases. Un format plus libre donnerait des textes plus naturels, au prix de contrôles moins simples.
  • Mesurer le visionnage, pas seulement les vues. Le registre suit les vues, les likes et les partages. Le temps de visionnage, s’il est accessible, dirait à quel moment les gens décrochent, et donc quelle phrase ne passe pas.
  • Un meilleur modèle d’écriture. C’est la piste la plus évidente, et la plus chère. Un modèle haut de gamme écrirait sans doute des phrases plus sensées, mais l’étape des idées tourne trois fois par jour sur une dizaine de candidates. La facture grimperait vite pour une chaîne qui ne rapporte rien.
  • Des images qui collent au texte. Les clips Pexels sont choisis par univers, pas par phrase. Générer des plans sur mesure avec un modèle vidéo rendrait l’ensemble plus cohérent, mais le coût par vidéo changerait d’ordre de grandeur.

Il reste la solution radicale : écrire les textes moi-même. Mais alors ce ne serait plus une chaîne produite à 100 % par des agents, et cet article n’aurait plus de titre. 😄