# Documentaire IA sur une RTX 4090 : 13 Vendémiaire Source: https://slash-digital.io/fr/case-studies/ai-documentary-studio/ Slash AI Lab · 13 Vendémiaire Nous avons construit un studio local qui mène un sujet d'histoire jusqu'au montage final sur une RTX 4090, sans service de génération dans le cloud. Il a produit 13 Vendémiaire, sur Bonaparte et l'insurrection royaliste du 5 octobre 1795, en français, espagnol et anglais. Démarrer un projet Voir la vidéo Ouverture du film de 5 minutes en français : la rue de Saint-Roch, la mèche, le titre et les décrets des deux tiers. Sous-titres en français, anglais et espagnol. En bref 13 Vendémiaire raconte comment un général de 26 ans, sans commandement, fit tirer le canon sur les royalistes de Paris le 5 octobre 1795. Image, voix et musique ont été générées sur un PC équipé d'une RTX 4090 : images clés avec Qwen-Image 2.1, plans avec son natif par FastH3, narration avec Qwen3-TTS et musique avec MiniMax Music 3. Le studio a livré un film de 5 minutes et un de 30 dans chaque langue, plus 103 épisodes verticaux. Client: Slash AI Lab · 13 Vendémiaire Secteur: Production audiovisuelle · R&D Année: 2026 Livrables: - Studio local de 62 modules Python - Films de 5 et 30 minutes en 3 langues - 103 épisodes 9:16 - Sous-titres, miniatures et textes de publication - Méthode d'exactitude historique et QA Services: - Slash AI Lab - Intelligence artificielle - Expériences interactives 29,8 h, de GPU enregistrées pour 13 Vendémiaire 84,5 s, médiane par prise vidéo de 5 s 6 + 103, films 16:9 et épisodes 9:16 0–4 %, de mots erronés dans la narration française 01 Le contexte ## Une journée de 1795 racontée à partir des sources Le sujet tient en une journée : le 13 vendémiaire an IV, quand la Convention fit donner l'artillerie contre les sections parisiennes qui rejetaient ses décrets, et que Bonaparte sortit de l'ombre. Un tel documentaire demande des scènes qu'aucune archive ne conserve, un narrateur dont la voix ne change pas en 30 minutes et des chiffres défendables. Le studio tourne sur une seule machine : RTX 4090 de 24 Go, Ryzen 9 9900X, 94 Go de RAM et Windows 11. Le réseau a servi à la recherche et au téléchargement des modèles et des images du domaine public. Génération, montage et mixage se font en local, et ComfyUI 0.42 n'écoute que sur 127.0.0.1. 02 Conception et réalisation ## Du script au plan, avec une revue à chaque étape Des agents de recherche produisent une fiche de faits où chaque point est marqué confirmé, incertain ou contesté : 72 affirmations sourcées, des citations exactes tirées d'éditions du domaine public et une bible visuelle des uniformes, drapeaux et architectures. Chaque chiffre du script renvoie à une affirmation. Ce qui est contesté est raconté comme tel, et « whiff of grapeshot » est attribué à Carlyle, qui l'écrivit en 1837. Pour chaque plan, Qwen-Image 2.1 propose 3 images clés, en 4 secondes environ chacune. Nous les relisons sur des planches et rejetons les anachronismes que le modèle répète : réverbères du XIXe siècle, drapeaux proches de l'Union Jack, façades haussmanniennes, pleine lune un soir de dernier quartier. Quand la composition tient, une retouche Qwen corrige seulement la zone fautive. FastH3 anime ensuite l'image validée en 5 secondes de vidéo avec son natif, et chaque prise passe par une planche de 4 images, et par Whisper quand quelqu'un parle. Cartes, titres, sous-titres et mixage sortent de notre propre code CPU, écrit avec numpy, PIL, OpenCV et ffmpeg. Le studio complet compte 62 modules Python et 26 828 lignes. Le master sort à -14 LUFS, puis il est découpé en épisodes d'environ 60 secondes avec sous-titres karaoké. Épisode 3 sur 5 en 9:16, tiré du film français : sous-titres karaoké, carte recadrée au carré et carton final vers la partie 4. - 01 ### Un Bonaparte qui n'est pas toujours le même portrait Le visage part du portrait du domaine public peint par Gros en 1796, transformé en image d'identité avec Qwen-Image. Un audit a montré que 27 des 37 plans tirés de cette image reprenaient sa tête de trois quarts vers la droite, et nous avons donc remis en scène 16 plans avec un autre angle, un autre cadrage et un autre regard. Le film suivant utilise un portrait d'ancrage par époque, de 27 à 35 ans, avec 8 poses chacun. - 02 ### Une voix de synthèse mesurée par Whisper Chaque narrateur est une voix Qwen3-TTS conçue à partir d'une description écrite et clonée uniquement depuis cet échantillon synthétique. Whisper choisit la meilleure prise de chaque section : 0 à 4 % de mots erronés en français, 0 à 9 % en espagnol. Kyutai TTS a été écarté avec 6 à 23 %. - 03 ### Un GPU, une tâche à la fois Une file d'attente lance une seule tâche GPU à la fois, depuis que le TTS lancé à côté de Qwen-Image a mis 438 s pour une prise de 70 s. Huit prises bloquées ont coûté 1,9 h sur une session de 7,8 h, donc ComfyUI redémarre désormais seul quand une prise dépasse 420 s. Une modification du compositeur a rendu le rendu 1,65 fois plus rapide, avec des images identiques à l'octet près. - 04 ### Une revue du master par tranches Trois sous-agents ont relu la version anglaise de 28 minutes par tranches de 10 minutes et trouvé 24 problèmes majeurs et 70 mineurs que la revue des prises avait laissés passer : un mât radio, des fez, des bateaux à moteur, des lampes électriques. Chaque remarque d'un relecteur externe est vérifiée sur l'image, et environ un tiers était faux. 03 Galerie ## Le projet en images 11 images · Ouvrez une image pour la voir en grand. Plan généré : une mèche allumée près d'un canon de bronze, dans une rue de Paris à la tombée du jour. Carte animée sur le plan de Verniquet de 1790, rendue sur CPU : la section Le Peletier, le Palais-Égalité et les Tuileries. Carton d'archive du domaine public : Antoine-Jean Gros, Bonaparte au pont d'Arcole, 1796, avec auteur et date à l'écran. Bonaparte de profil près de deux canons. Le visage vient d'une image d'identité construite à partir du portrait de Gros. Les marches de Saint-Roch dans la fumée de l'artillerie, dans le film de 5 minutes. Le port de Toulon et ses voiliers, dans le film de 30 minutes. 8 des 16 plans de Bonaparte remis en scène : en haut l'image clé tirée d'un seul portrait, en bas la nouvelle, avec un autre angle et une autre orientation de la tête. Bonaparte à différents âges : la référence de 1795 de 13 Vendémiaire et un portrait d'ancrage par époque pour le film suivant, de 27 à 35 ans. Planche de revue des prises : 4 images par plan et la note de costume ou d'architecture que le relecteur doit vérifier. Le workflow ComfyUI FastH3 image vers vidéo : 22 nœuds, 8 étapes, vidéo et audio natif à 24 i/s. Temps GPU enregistré par type de tâche : 3 640 générations et 41,7 h du 26 au 29 octobre, dont 29,8 h pour 13 Vendémiaire et le reste pour un second film. 04 Résultats ## Six films et 103 épisodes livrés Le dossier final contient 6 films 16:9 (le 5 minutes dure de 5:12 à 5:27 selon la langue, le 30 minutes de 28:35 à 30:29) et 103 épisodes 9:16, avec les fichiers .srt, trois variantes de miniature et le texte de publication, qui déclare le contenu synthétique et liste les points disputés et les sources. Les plans générés portent à l'écran la mention « Reconstitution IA ». Le journal compte 3 640 générations et 41,7 heures de GPU entre le 26 et le 29 octobre 2026, dont 29,8 h pour 13 Vendémiaire et le reste pour un second film. Les cartons d'archive utilisent des œuvres du domaine public et des numérisations CC0 de musées (le Gros du Louvre, Paris Musées, le Rijksmuseum). Les cartes sont dessinées sur le plan de Verniquet de 1790 avec la Seine d'OpenStreetMap (ODbL), créditée au générique. Les voix ont été conçues à partir de texte et la musique est instrumentale et générée. - 184 plans générés pour les deux films - Une médiane de 84,5 s par prise vidéo de 5 s sur la RTX 4090 - -14,1 LUFS et un pic réel de -1,4 dBTP sur le master anglais de 30 minutes - Français, espagnol et anglais sur les mêmes images Questions fréquentes ## Les questions qu'on nous pose souvent **Peut-on produire un documentaire IA sans services cloud ?** Oui, à condition d'y consacrer le temps GPU. Pour 13 Vendémiaire, images, vidéo avec son, voix et musique ont été générées sur une RTX 4090 de 24 Go ; le réseau a servi à la recherche et au téléchargement des modèles et des images du domaine public. Un film de 30 minutes demande 7 à 9 heures de GPU. **Combien de temps pour un documentaire IA de 5 minutes ?** Notre tableau de planification donne environ 3 heures de GPU pour 27 plans, la narration, 4 musiques et les upscales, reprises comprises, plus environ 8 minutes de rendu sur 8 processus CPU. La recherche et la revue humaine viennent en plus. **Comment éviter que l'IA invente l'histoire ?** Chaque chiffre et chaque date du script renvoie à l'une des 72 affirmations vérifiées, et ce qui est contesté est raconté comme tel. Un catalogue d'anachronismes guide la revue de chaque image clé et de chaque prise, et les plans générés sont signalés comme reconstitutions.