Alternative à HeyGen : script ou prise de vue

Chercher une alternative à un outil que l'on connaît déjà cache presque toujours deux questions très différentes. Soit le prix ne tient plus au volume que vous produisez aujourd'hui, soit le rendu ne correspond pas à ce que vous devez livrer. Un changement d'abonnement règle le premier cas et aggrave le second.

Cette page distingue les deux familles d'outils qui mettent une personne qui parle à l'écran, consigne ce qu'affichaient les pages de HeyGen le jour où elles ont été consultées, et propose une méthode pour choisir la bonne famille avant de payer quoi que ce soit.

Ce que vous fournissez détermine tout le reste

Une fois le vocabulaire commercial écarté, il ne reste qu'une question : que donnez-vous à l'outil ?

Dans un flux parti du script, vous donnez un texte et un visage. Vous écrivez ou collez le script, vous choisissez une voix, vous fournissez une photo ou prenez un présentateur dans une bibliothèque, et l'outil anime le visage sur l'audio qu'il vient de fabriquer. Rien n'a jamais été filmé.

Dans un flux parti d'une prise de vue, vous donnez une interprétation. Vous vous filmez en disant le texte, et cet enregistrement pilote un autre visage. L'audio est le vôtre, et le rythme, les appuis et les gestes sont ceux de votre prise.

Les deux produisent une vidéo verticale où quelqu'un parle. Elles ne se cassent pas aux mêmes endroits, elles ne se facturent pas de la même façon par vidéo finie, et elles ne servent pas les mêmes besoins.

Ce qu'affichent les pages de HeyGen

Relevé le 23 octobre 2026, sur la page de tarifs et sur l'article d'aide consacré aux crédits, tous deux cités en fin de guide.

• Creator : 29 $ par mois, annoncé avec 600 crédits mensuels.
• Pro : à partir de 49 $ par mois pour 1 000 crédits mensuels, sur une échelle où le prix mensuel augmente avec la dotation de crédits.
• Business : 149 $ par mois pour le premier siège, puis 20 $ par mois et par siège supplémentaire, avec 1 500 crédits partagés par l'espace de travail.
• L'offre Business peut acheter des crédits en plus, par blocs de 100 crédits à 5 $.
• Sur une formule mensuelle, les crédits non utilisés sont reportés d'un cycle de facturation.

La ligne la plus importante pour un budget n'est pourtant pas un prix. L'article d'aide précise que le nombre de crédits consommés varie selon le modèle utilisé, la durée et la complexité de la génération. Un coût par vidéo finie ne se lit donc pas sur le prix de la formule, et deux équipes au même abonnement peuvent arriver à des coûts unitaires très différents. Ces pages évoluent : prenez les montants ci-dessus pour un relevé daté et ouvrez la page en ligne avant d'acheter.

Le flux parti du script, tel qu'il est documenté

Les pages consacrées à Avatar IV décrivent le travail sans détour. Vous fournissez une photo fixe et, au choix, un script écrit ou un fichier audio. Vous prenez une voix parmi les vôtres, dans une bibliothèque, ou une voix conçue à partir d'une description. Vous réglez l'expressivité sur faible, normale ou élevée, vous pouvez ajouter des indications de mouvement, et le rendu sort en 720p ou 1080p. Un mode orienté qualité consomme deux fois plus de crédits que le mode rapide, et le guide conseille de rester sous 180 secondes. La documentation technique demande un portrait net, de face, en PNG ou JPEG, jusqu'à 32 Mo.

Cette liste décrit aussi honnêtement le compromis. Vous obtenez un présentateur à partir d'une photographie, sans rien filmer. Ce que l'outil doit inventer, c'est tout ce que porte une interprétation : où tombe l'accent dans une phrase, à quel moment les mains montent, sur quelle syllabe le regard quitte l'objectif.

Quand le script suffit

• Un texte figé qui doit exister dans douze langues, parce que ce sont les mots qui sont livrés.
• Des tutoriels internes, de l'intégration de nouveaux arrivants, des modules de formation, où une lecture régulière est exactement ce qu'attend le spectateur.
• Des séquences longues face caméra dont personne n'attend qu'elles soient jouées.
• Des mises à jour récurrentes lues depuis un journal des versions.
• Tout projet où personne dans l'équipe ne filmera jamais quoi que ce soit, et où l'alternative est l'absence de vidéo.

Dans ces cas, une voix synthétique sur un texte propre n'est pas un pis-aller : c'est le format attendu.

Quand il faut une vraie prise

• La publicité payante sur les réseaux, où les deux premières secondes décident du reste.
• Les accroches que l'on veut tester par lots, en faisant varier l'interprétation plutôt que le texte.
• Un argumentaire qui a un rythme, difficile à écrire et facile à dire.
• Une personne de l'équipe capable de dire une phrase mais qui ne veut pas de son visage dans une publicité.
• Les annonces où la pièce fait partie du message, parce qu'une cuisine se lit comme vraie et un fond dégradé comme une diapositive.

Le guide des avatars IA détaille comment ces deux familles sont construites, et le guide des acteurs IA traite le casting et le consentement.

Quatre questions avant de changer

De quoi avez-vous le plus : des scripts ou des prises ? Ce que vous produisez sans effort doit être ce que l'outil accepte en entrée.

À qui appartient le visage ? Un présentateur de catalogue arrive avec sa licence. La photo d'un collègue demande son accord écrit, et une personnalité publique est exclue dans les deux familles.

Comment la facture évolue-t-elle avec la durée ? Demandez ce que coûte une vidéo de trente secondes, pas ce que coûte un mois, puis multipliez par le nombre que vous publieriez vraiment.

Que doit être le fichier final ? Format, résolution, filigrane, et surtout une licence qui couvre la diffusion payante et pas seulement la publication organique. Une vidéo sur laquelle vous ne pouvez pas mettre de budget média n'est pas une publicité.

Comment Sosie s'intègre

Sosie se trouve du côté de la prise de vue. Vous filmez jusqu'à quarante secondes au téléphone, votre propre texte. Vous choisissez un présentateur du catalogue, vous en décrivez un que Sosie génère, ou vous importez la photo d'une personne qui vous a donné son accord écrit ; les personnalités publiques sont bloquées. Votre voix, votre rythme, vos expressions et vos gestes sont conservés, et le présentateur est placé par défaut dans votre propre pièce plutôt que sur un décor de catalogue.

Le rendu est un MP4 vertical 1080p, en paysage si vous avez filmé en paysage, sans filigrane, utilisable commercialement y compris en diffusion payante. Vingt secondes demandent environ cinq minutes et un crédit, jusqu'à quarante secondes en demandent deux. Une retouche de décor est l'autre type de rendu : votre plan reste tel que filmé et un vêtement, un objet ou le lieu change à partir de photos de référence, pour des clips de trois à trente secondes. Les crédits s'achètent en abonnement ou en packs sans expiration, à partir de 39 €, aucune formule n'existe sans paiement, et un rendu en échec est remboursé.

Comme c'est votre audio qui pilote la vidéo, la langue de la publicité est celle que vous parlez sur la prise.

Une comparaison honnête en un après-midi

Écrivez un script de vingt secondes pour une offre réelle. Passez-le dans un outil parti du script et dans un outil parti d'une prise, avec exactement les mêmes mots. Regardez les deux avec le son, puis regardez les deux premières secondes de chacun sans le son.

Faites ensuite le calcul qui tranche : le coût par vidéo que vous publieriez vraiment, et non le prix par mois. L'anatomie d'une publicité UGC décrit à quoi ressemble une vidéo publiable.