La génération de trames vidéo qui prédit avec précision les futurs états du monde est un défi. Les approches existantes échouent soit à capturer la distribution complète des résultats, soit produisent des générations floues, ou les deux. Dans cet article, nous présentons un modèle de génération vidéo non supervisé qui apprend un modèle a priori d'incertitude dans un environnement donné. Les trames vidéo sont générées en tirant des échantillons de ce modèle a priori et en les combinant avec une estimation déterministe de la trame future. Cette méthode est simple et peut être facilement entraînée de bout en bout sur divers jeux de données. Les générations d'échantillons sont à la fois variées et nettes, même pour plusieurs trames futures, et se comparent favorablement à celles des approches existantes.