Lobjectif de cet article est dexaminer la façon dont les participants dun échange visiophonique (sur PC ou téléphone mobile) sengagent dans des périodes au cours desquelles lun dentre eux montre son environnement. Labandon de la configuration têtes parlantes, qui se présente comme le format par défaut des échanges visiophoniques, implique un travail interactionnel spécifique pour ratifier lengagement dans une période de monstration, déterminer quelle image débute la séquence, et limiter les problèmes interprétatifs potentiels des images de transition (permutation de caméra, recadrage, etc.). Par analogie avec lintroduction de récits dans les conversations, nous montrerons que les séquences de préface (initiées par le montreur ou le destinataire) constituent un procédé efficace pour réaliser le passage des têtes parlantes à une première image de monstration de lenvironnement. Les images sont examinées en fonction de leur pertinence pour linteraction en cours, et cette attention ne se limite pas aux ouvertures des périodes de monstration. Le montreur et le destinataire ajustent constamment les prises de vues en fonction de différentes séquences conversationnelles et vice versa. Si le montreur contrôle dun point de vue pratique la caméra, nous montrerons que le destinataire contribue activement à la réalisation des prises de vues.