Exposez la génération d'image, de vidéo et de voix comme des outils que votre agent peut appeler. L'agent décide quoi créer, envoie la demande et vérifie le fichier qui revient avant de continuer. Vous fixez les étapes d'approbation et les limites, et vous pouvez tester chaque prompt d'abord dans le toolkit.
Un agent qui ne sait qu'écrire du texte se heurte à un mur dès qu'une tâche demande une image, un clip ou une voix. Les outils média font tomber ce mur. L'agent décide quoi créer, appelle un outil avec un prompt, récupère un fichier et le regarde avant de passer à la suite. Le serveur MCP de Picasso IA est construit autour de ce schéma: image, vidéo et voix du même catalogue que celui du toolkit, accessibles à tout client qui parle MCP.
MCP, le Model Context Protocol, est un protocole ouvert qui permet à un assistant IA d'appeler des outils externes. Un client comme Claude Desktop, Claude Code ou Cursor se connecte à un serveur, voit les outils qu'il propose et les utilise au milieu d'une conversation. Avec le serveur de Picasso IA, ces outils génèrent des médias au lieu d'aller chercher des données.
Le gain pratique, c'est que l'agent cesse de vous remettre une liste de choses à faire. Demandez-lui l'annonce d'un produit et il peut rédiger le texte, créer l'image d'en-tête, monter un court clip et enregistrer la voix off en une seule passe, puis tout vous montrer ensemble. Vous relisez un ensemble fini au lieu de copier des prompts entre cinq onglets.
Derrière les outils se trouve le même catalogue que celui du toolkit: 502 modèles, dont 212 de texte vers image, 121 de texte vers vidéo et 24 de texte vers voix. Le même système de crédits s'applique, donc chaque génération coûte des crédits qui dépendent du modèle et des réglages. L'accès fonctionne avec une clé que vous créez dans votre compte, et vous devez la traiter comme un mot de passe. Le catalogue montre ce que l'agent peut choisir, et la page des tarifs explique le fonctionnement des crédits et des forfaits.
Un agent qui utilise bien les outils média suit toujours les mêmes trois temps. Il décide quoi créer, appelle l'outil et vérifie le résultat. Le troisième temps est celui que l'on saute, et c'est celui qui empêche un mauvais résultat d'arriver jusqu'à un utilisateur.
Décider, c'est là que vos instructions pèsent. Un agent à qui l'on dit d'illustrer cet article inventera sa propre idée de ce que cela veut dire. Un agent à qui l'on demande une image d'en-tête en 16:9, dans un style d'illustration à plat et sans texte dans l'image, a un brief qu'il peut suivre et un niveau d'exigence auquel on peut le tenir. Rédigez le brief comme vous le feriez pour un freelance qui ne peut pas vous poser de questions.
Appeler, c'est une requête par génération. L'agent envoie un prompt et les fichiers joints, attend pendant que le modèle travaille et reçoit le résultat sous forme de fichier que vous pouvez télécharger. Générer prend du temps, davantage pour une vidéo que pour une image fixe, donc un agent bien construit attend un résultat avant de planifier l'étape suivante au lieu d'en mettre dix en file en espérant que tout aille bien.
Vérifier, c'est quand l'agent compare ce qui est revenu au brief. Il peut regarder une image fixe, lire la transcription d'un clip de voix ou échantillonner quelques images d'une vidéo, puis décider d'accepter, de réessayer avec un prompt modifié ou de s'arrêter pour vous demander.
Image, vidéo et voix ne sont pas interchangeables, et les modèles de chaque groupe non plus. Le tableau associe chaque média à la décision que prend l'agent et à la vérification à faire avant de continuer. Les noms de modèles sont des points de départ à essayer dans le toolkit, pas une recommandation figée.
| Média | Ce que l'agent décide | À vérifier avant de continuer | Modèles à essayer |
|---|---|---|---|
| Image | Sujet, style, format d'image | Pas de texte parasite, bon nombre d'objets, mains et visages intacts | flux-2-pro, nano-banana |
| Retouche d'image | Quel élément changer et lequel garder | Que ce qui n'a pas été touché soit vraiment resté identique | nano-banana, flux-kontext-pro |
| Vidéo | Durée du plan, mouvement, mouvement de caméra | Mouvement naturel, sujet cohérent d'une image à l'autre | veo-3.1-fast, kling-v3-video |
| Voix | Script, voix, rythme | Noms et chiffres bien prononcés, pas de mots coupés | speech-2.8-turbo, qwen3-tts |
| Musique | Ambiance, durée, instrumentation | S'accorde à la vidéo qu'elle accompagnera, pas de fin brusque | lyria-3, music-1.5 |
Deux habitudes font marcher le tableau en pratique. D'abord, laissez l'agent prendre le modèle le moins cher et le plus rapide pour les brouillons et un modèle plus puissant seulement pour la version finale, et dites-le dans ses instructions. Ensuite, gardez une courte liste de modèles que l'agent a le droit d'utiliser. Un catalogue grand ouvert, c'est beaucoup de choix pour un système qui ne perçoit pas la différence de goût, et une liste de trois ou quatre rend ses résultats plus constants d'une exécution à l'autre.
Voici le parcours entre une idée et un agent qui crée des médias à la demande. Il suppose que vous avez déjà un client compatible MCP et un compte.
Le serveur donne des outils à l'agent. Il ne décide pas de la liberté dont l'agent dispose. Cette partie vous revient, à configurer dans votre agent ou votre client, et il vaut mieux le faire avant la première vraie tâche, car un agent qui peut dépenser des crédits sans demander finira par les dépenser dans une boucle que vous n'aviez pas prévue.
Traitez le solde de crédits comme le budget de l'agent. Dites-lui le nombre maximal de générations par tâche, dites-lui de s'arrêter et de demander quand une requête dépasserait ce nombre, et gardez les générations de vidéo derrière une approbation manuelle, car ce sont elles qui coûtent le plus de crédits et prennent le plus de temps.
Commencez strict. Une première configuration sensée demande une approbation avant chaque vidéo, autorise quelques essais d'image par tâche et exige que l'agent vous montre le résultat avant d'utiliser un fichier n'importe où en public. Beaucoup de clients peuvent vous demander de confirmer chaque appel d'outil, ce qui est l'étape d'approbation la plus simple qui existe.
Assouplissez une règle à la fois. Si les images sont régulièrement bonnes après cinquante tâches, laissez l'agent les lancer sans demander. Gardez un humain devant tout ce qui comporte un visage, une voix ou une affirmation. N'utilisez que votre propre image ou des personnages fictifs, jamais une personne réelle et identifiable, et ne clonez jamais une voix que vous n'avez pas le droit d'utiliser.
Une page honnête dit où l'outil cesse d'être utile. Pour des agents qui génèrent des médias, il y a cinq endroits:
Rien de tout cela n'est une raison de se passer des outils. C'est la raison pour laquelle l'agent fait des brouillons et une personne donne son accord.
Cela signifie que l'agent peut appeler un outil qui génère une image, un clip vidéo ou un enregistrement de voix, comme il appellerait un outil de recherche. L'agent décide quoi créer, envoie une requête avec un prompt et récupère un fichier à examiner. Sans les outils, il ne peut que décrire le média avec des mots et vous laisser le reste.
MCP, le Model Context Protocol, est un protocole ouvert qui permet à un assistant IA d'appeler des outils externes via une connexion standard. Comme c'est un standard, un même serveur fonctionne avec tout client qui le prend en charge, comme Claude Desktop, Claude Code ou Cursor. Le serveur MCP de Picasso IA s'en sert pour placer la génération d'image, de vidéo et de voix au cœur de la conversation.
L'agent travaille avec le même catalogue que le toolkit, qui compte actuellement 502 modèles. Cela comprend 212 modèles de texte vers image, 121 de texte vers vidéo, 24 de texte vers voix et 10 de musique, entre autres. Vous pouvez restreindre la liste dans les instructions de l'agent, ce qui vaut la peine pour que les résultats restent constants d'une tâche à l'autre.
Oui. L'accès au serveur MCP fonctionne avec une clé que vous créez dans votre compte, et cette clé agit en votre nom et dépense vos crédits. Traitez-la comme un mot de passe: gardez-la hors des chats partagés, des dépôts publics et des captures d'écran, et remplacez-la si vous pensez qu'elle a fuité. Le toolkit lui-même n'a pas besoin de clé, car c'est un espace de travail dans l'application web.
Il suit vos instructions. Si vous dites que les articles de blog reçoivent une image d'en-tête et que les lancements de produit reçoivent un court clip et une voix off, il choisira le média d'après la tâche. Plus la règle est claire, moins il y a de surprises, alors notez quel média correspond à quel travail et ce que l'agent doit faire quand une tâche n'entre dans aucun cas.
Chaque génération coûte des crédits, et le montant dépend du modèle et des réglages que l'agent choisit. La vidéo coûte en général plus qu'une image fixe, et un modèle puissant plus qu'un modèle rapide. Cette page ne cite pas de chiffres parce qu'ils changent, alors consultez la page des tarifs pour les forfaits et utilisez le toolkit pour voir ce que coûte un modèle précis avant de le mettre dans votre agent.
Mettez la limite dans ses instructions et servez-vous des confirmations de votre client. Fixez un nombre maximal de générations par tâche, exigez une confirmation avant toute vidéo et dites à l'agent de s'arrêter et de demander quand une requête dépasserait le plafond. Commencez avec des règles strictes, puis assouplissez-les une à une à mesure que les résultats gagnent votre confiance.
En partie. Il peut examiner une image fixe, lire la transcription d'un clip de voix et comparer le résultat à votre brief, ce qui attrape les échecs évidents comme un texte parasite ou un objet manquant. Il ne peut pas juger le goût, l'adéquation à la marque ni si une voix convient à votre public, alors gardez une personne dans la relecture finale de tout ce qui est public.
Seulement avec votre propre image ou avec des personnages fictifs. Ne générez jamais une personne réelle et identifiable, et ne clonez jamais une voix que vous n'avez pas le droit d'utiliser. Si l'agent peut recevoir des photos ou de l'audio d'autres personnes, indiquez dans ses instructions qu'il doit refuser ces demandes et vous poser la question.
Ouvrez le toolkit et lancez-y les mêmes prompts. Il utilise le même catalogue, donc vous pouvez comparer des modèles, voir à quoi ressemble une image ou un clip et écouter un échantillon de voix avant d'écrire la moindre instruction. Les questions sur la configuration ou sur votre compte vont au support.
Envie de voir ce que votre agent recevrait en retour? Ouvrez le toolkit, lancez les prompts que vous comptez lui donner et jugez d'abord les résultats.
Choisissez votre langue
