Les premiers films font très peu, voire pas du tout, appel au montage. En effet, la plupart des œuvres des frères Lumière ou de Georges Méliès sont des plans-séquence. Les éventuels raccords sont rares et souvent maladroits. Il s’agit souvent juste d’une concaténation de tableaux. Afin de ne pas perdre le spectateur, les plans successifs se chevauchent sur le plan temporel. Les premiers signes de montage sont des raccords dans le mouvement (afin de suivre un objet qui sort du cadre) puis apparaissent les raccords linéaires de direction et le montage alterné qui atteint sa maturité avec David W. Griffith dans Birth of a Nation (Naissance d’une nation, 1915). Le champ-contrechamp fait également son apparition, bien qu’il ne soit pas encore tout à fait maîtrisé (la règle du raccord des yeux ne viendra que plus tard).

Ce sont les cinéastes russes qui apportent la plus grande contribution à la théorie du montage, notamment à travers Lev Koulechov. Dès 1920, celui-ci démontre la puissance évocatrice du montage à travers une expérience célèbre au cours de laquelle il utilise un vieil extrait de film mettant en scène l’acteur Ivan Mosjoukine (très populaire et au jeu considéré comme très expressif). Il fait alterner un gros plan sur le visage de celui-ci avec l’image d’un banquet, celle du cadavre d’une femme dans un cercueil et celle d’un enfant. Le public auquel sont projetées ces images interprète à chaque fois l’expression de l’acteur différemment et y voit respectivement la faim, la peur ou la tendresse bien que le visage de Mosjoukine soit impassible. Cette expérience a un retentissement très important et aboutit à une nouvelle approche du cinéma où le rôle de l’acteur est démystifié au profit du montage. Serguei Eisenstein met en œuvre cette théorie et fait dépasser au cinéma le cadre du théâtre filmé.

L’arrivée du cinéma parlant modifie la donne car elle supprime les intertitres. Si ceux-ci brisaient souvent la continuité du discours cinématographique, ils avaient parfois un rôle ponctuatif. C’est probablement pour se substituer à ce rôle qu’apparaissent des gros plans intermédiaires sur des objets qui sont autant d’indicateurs temporels (par exemple une horloge) ou spatiaux (une enseigne). Le son permet en outre de nouvelles transitions visuelles, les images étant liées par des bruitages ou des dialogues qui se font écho et établissent une continuité. Les effets (fondu, volet), qui avaient fait leur apparition dès le début du siècle, sont fréquemment utilisés pour fluidifier ces transitions.

La maîtrise progressive du langage cinématographique permet aux réalisateurs des années 1950 d’accélérer le rythme des films. Ils éliminent les temps morts et parviennent à emporter l’adhésion du spectateur au récit malgré d’importantes entorses à la vraisemblance. Le montage permet de briser la continuité temporelle pour mettre en évidence le signifié : rapport de cause à conséquence, hasard tragique, etc. Progressivement, le hors-champ gagne en importance et l’ellipse devient une figure de style courante.