Palmier Pro : peut-on vraiment confier un montage vidéo complet à un agent IA ?
Palmier Pro est un logiciel de montage multipiste pour Mac. Sa particularité réside dans son intégration du Model Context Protocol (MCP), un protocole qui permet à un agent externe d’accéder aux commandes proposées par le logiciel. L’agent peut lire le projet, couper ou déplacer des clips, créer une timeline et lancer un export. Palmier propose également son propre chat intégré. Pour ce test, nous avons utilisé deux fichiers de rushes : 18 min 43 s d’interviews et un second fichier de B-roll (plans d’illustration).
Une installation simple, mais réservée aux Mac récents
Palmier Pro nécessite actuellement macOS 26 Tahoe ou une version ultérieure, ainsi qu’un Mac équipé d’une puce Apple Silicon. Windows, Linux et les Mac Intel ne sont pas pris en charge pour le moment. L’interface reste celle d’un logiciel de montage classique : chutier, prévisualisation, timeline multipiste et panneau de réglages.
La connexion à un agent externe s’effectue dans les paramètres de Palmier, qui fournissent la commande à ajouter dans l’outil utilisé. La prise en main est rapide pour qui maîtrise déjà une CLI ou le protocole MCP, mais s'avère moins accessible pour un débutant.
Un premier montage exploitable, mais trop brut au premier essai
Nous commençons par une consigne volontairement large pour voir ce que l’agent déduit seul des rushes.
Prompt utilisé
Analyse toutes les interviews disponibles et construis un premier montage documentaire de 90 secondes à 2 minutes sur la fabrication de The Mandalorian. Identifie les extraits les plus intéressants et complémentaires, évite les répétitions et organise-les pour créer une progression claire. Ne supprime aucun rush du projet.
L’agent s’appuie sur les transcriptions et construit une première timeline d’environ 1 min 50 s. Le montage fonctionne, mais les prises de parole sont trop longues, le B-roll reste peu présent et une piste vidéo recouvre même l’interview par endroits. Ce premier essai s'avère trop brut pour être conservé tel quel. Une seconde consigne, plus précise sur la longueur des extraits, l’alternance des intervenants et l’usage du B-roll, améliore nettement le résultat. L’agent met environ 13 minutes à effectuer cette deuxième passe.
Le montage par transcription fonctionne malgré quelques erreurs
Palmier permet de naviguer dans la transcription et de couper la vidéo directement à partir du texte. Dans notre essai, l’agent s’en sert aussi pour repérer les extraits. La fonction est pratique, mais la transcription anglaise manque parfois de précision. Plusieurs passages contiennent des mots mal reconnus ou des fragments. Pour réaliser une coupe précise, il est donc nécessaire d’écouter l’audio avant de valider le texte proposé. Nous avons ensuite demandé au chat intégré de créer et d’ajouter une musique de fond au montage.
Prompt utilisé
Génère une musique de fond instrumentale pour accompagner ce montage documentaire sur The Mandalorian. Je veux quelque chose de discret, cinématographique et moderne, sans être trop dramatique. La musique doit rester en retrait par rapport aux voix et ne pas gêner la compréhension des interviews. Évite les changements trop brusques et garde une ambiance cohérente sur toute la durée. Ajoute-la sur une piste audio séparée pour que je puisse facilement la modifier ou la supprimer ensuite.
Palmier annonce le coût avant la génération. ElevenLabs Music v2.5 produit une piste d’environ 96 secondes pour 20 crédits. Celle-ci est ajoutée sur une piste séparée, avec des fondus en entrée et en sortie. L’intégration évite de générer puis de réimporter la musique depuis un service externe. L’agent peut vérifier que la piste est bien présente et positionnée sur la timeline, mais ne peut pas évaluer la qualité du mixage à l’écoute.
La version verticale fonctionne, mais le recadrage demande deux corrections
Nous demandons ensuite une déclinaison verticale 9:16, pensée comme un sujet autonome plutôt qu’une simple version raccourcie.
Prompt utilisé
À partir du montage documentaire actuel, crée une nouvelle version verticale 9:16 de 45 à 60 secondes, sans modifier la version horizontale originale. Ne fais pas simplement une version raccourcie : construis un sujet autonome à partir de l’idée la plus forte du montage. Commence par le passage le plus accrocheur pour servir de hook dans les premières secondes. Garde uniquement les extraits indispensables et maintiens un rythme assez dynamique, en évitant les longues prises de parole. Ajoute des sous-titres lisibles sur smartphone, courts, bien segmentés et synchronisés avec les voix. Recadre automatiquement les plans pour conserver l’intervenant ou l’élément important dans le cadre vertical. Utilise le B-roll disponible lorsque cela améliore la compréhension ou le rythme, sans surcharger la vidéo. Conserve la musique uniquement si elle fonctionne avec ce format plus court, et ajuste son niveau si nécessaire.
La première version dure 52,4 secondes au format 1080×1920. L’agent choisit une amorce dynamique, conserve les passages pertinents, ajoute les sous-titres, réutilise le B-roll et conserve la musique. Certains plans d’interview affichent toutefois des bandes noires.
La sélection éditoriale, les sous-titres et l’usage du B-roll sont convaincants. Le recadrage l’est un peu moins. Une première correction supprime les bandes noires, mais étire les images. Une deuxième relance permet finalement de corriger le problème grâce à un recadrage proportionnel en 9:16, sans déformation visuelle.
Un doublage convaincant, une transition plus dispensable
Pour le doublage, nous isolons un passage court avec un seul intervenant afin de juger la traduction et la synchronisation labiale.
Prompt utilisé
Duplique la timeline actuelle et sélectionne un passage d’environ 20 à 30 secondes avec un seul intervenant qui parle clairement. Crée une version doublée en français de ce passage. Conserve autant que possible le rythme, le timing et l’intention de la voix originale, sans modifier l’image. La traduction doit rester fidèle au sens et naturelle à l’oral. Ne modifie pas la version anglaise originale. Avant toute génération payante, indique-moi le modèle utilisé, le nombre de crédits nécessaires et la durée estimée du doublage, puis demande-moi confirmation avant de lancer la génération.
L’agent sélectionne 27,4 secondes de vidéo et fait appel à ElevenLabs. Le doublage coûte 23 crédits. La génération nécessite une étape intermédiaire, car l’outil ne traite pas directement une portion de timeline. C’est le résultat génératif le plus convaincant de notre essai. La voix française paraît naturelle et la synchronisation labiale fonctionne très bien sur l’extrait testé. La principale limite vient du flux de travail, plus laborieux que prévu au moment de préparer le segment à doubler.
Nous testons ensuite une transition générative entre deux interviews. L’agent prépare lui-même les images de départ et replace le résultat dans le montage.
Prompt utilisé
Sur une copie de la timeline, identifie une coupe entre deux plans visuellement différents mais qui s’enchaînent dans le même passage. Crée une transition IA courte et discrète entre ces deux plans en utilisant l’image de fin du premier plan et l’image de début du second. Je veux quelque chose de naturel, adapté à un montage documentaire, sans effet spectaculaire ni transformation trop visible. Ne modifie pas le reste de la timeline. Tu peux lancer la génération directement. À la fin, indique-moi le modèle utilisé, le nombre de crédits dépensés, la durée de la transition générée, le temps nécessaire et les éventuelles étapes intermédiaires que tu as dû effectuer.
Palmier capture les deux images encadrant la coupe et les transmet à Wan 3.0. La génération produit 2 secondes de vidéo en 720 1280 pour 20 crédits. Les sous-titres visibles sur les images de référence sont repris dans la vidéo générée. Le résultat est propre, mais son intérêt reste limité au regard des 20 crédits consommés. Wan 3.0 produit essentiellement un fondu transition entre les deux plans.
111 suppressions en trois minutes sur une interview brute
Nous terminons par le nettoyage d’une interview de 18 min 43 s, une tâche répétitive où le gain de temps se mesure facilement.
Prompt utilisé
Duplique cette interview brute. Sur la copie, supprime automatiquement les silences anormalement longs, les hésitations manifestement inutiles, les répétitions évidentes et les mots parasites lorsqu’ils peuvent être retirés sans changer le sens. Ne supprime aucune information importante et ne reformule pas les propos. Fais des coupes naturelles, sans créer de rupture audio brutale. Conserve l’original intact pour comparaison. À la fin, indique-moi la durée avant et après, le nombre de coupes effectuées, ce qui a été retiré, le temps nécessaire et si des crédits ont été utilisés.
Environ trois minutes plus tard, la copie ne dure plus que 15 min 52 s. L’agent indique avoir réalisé 111 suppressions : 20 pauses longues, 80 hésitations et 11 répétitions. L’original reste intact sur une timeline séparée. C’est l’un des tests les plus probants : près de trois minutes de contenu inutile sont retirées sans intervention manuelle sur chaque hésitation. La transcription cloud a toutefois consommé des crédits sans que Palmier n’en précise le montant exact.
Combien coûte Palmier Pro ?
| Offre | Prix | Crédits | Fonctionnalités incluses |
|---|---|---|---|
| Gratuit | 0 $ | Aucun crédit | Éditeur, MCP, transcription locale, recherche dans les rushes, exports |
| Pro | 29 $ lors du test (49 $ hors promotion) | 5 000 crédits / mois | Génération IA, chat Palmier, transcription cloud |
| Max | 69 $ lors du test (99 $ hors promotion) | 12 000 crédits / mois | Crédits supplémentaires et support prioritaire |
Palmier estime que 5 000 crédits correspondent à environ 333 images ou à 2 à 7 minutes de vidéo générée, selon le modèle, la résolution et la durée. Dans notre test, la musique consomme 20 crédits, le doublage de 27,4 secondes 23 crédits et la transition de deux secondes 20 crédits, soit 63 crédits pour ces trois générations. La transcription cloud utilisée lors du nettoyage de l’interview a également consommé des crédits, sans que Palmier n’en indique le montant. Le coût réel d’un workflow complet reste donc difficile à anticiper précisément.
Notre verdict
Palmier Pro se distingue particulièrement lorsqu’il automatise des tâches chronophages mais clairement définies : dérushage, nettoyage d’interview, doublage ou déclinaison en formats verticaux. Les choix de montage plus subtils restent plus incertains et plusieurs de nos tests ont nécessité une à deux corrections. Son intégration du protocole MCP s'avère particulièrement intéressante pour les créateurs, agences ou équipes vidéo qui utilisent déjà des agents IA et souhaitent automatiser une partie de leur flux de travail sans renoncer à une véritable timeline.