Le marché de la génération vidéo par IA a basculé en 2026. Sora (OpenAI) a été définitivement arrêté le 26 avril 2026. Trois nouveaux outils dominent le terrain : Seedance 2.0 (ByteDance), Kling 3.0 (Kuaishou) et Runway Gen-4.5. Pour les studios créatifs, la question n'est plus "faut-il utiliser l'IA vidéo ?" mais "quel outil pour quel usage ?". Voici notre comparatif après 18 mois d'utilisation en production chez Nexia.
Seedance 2.0 est actuellement l'outil le plus performant du marché - il bat Runway, Kling et Veo sur les benchmarks Elo. Sa force : la génération audio-visuelle native (dialogue, SFX, musique) en un seul pass, jusqu'en 2K, avec jusqu'à 9 images de référence. C'est l'outil que nous utilisons quand le brief exige un rendu cinématique premium avec synchronisation audio. Points d'attention : uniquement accessible via CapCut/Dreamina pour l'instant, API prévue Q3 2026. Idéal pour les brand films et les contenus émotionnels avec narration.
Kling 3.0 offre le meilleur rapport qualité/contrôle du marché. Son mode storyboard multi-plans permet de diriger l'enchaînement des séquences - essentiel pour les motion designers qui veulent de la cohérence narrative, pas de la surprise. Clips jusqu'à 15 secondes, output 4K, génération audio intégrée. Limites : artefacts encore présents sur les expressions faciales complexes. Idéal pour le motion design, les contenus produit et les séquences avec personnages.
Runway Gen-4.5 reste la référence occidentale pour le contrôle de caméra. Motion Brush 2.0 et Camera Director permettent des mouvements de caméra précis - panoramique, zoom, travelling. La qualité est légèrement en dessous de Seedance 2.0 mais le niveau de contrôle est inégalé pour le compositing et l'assemblage. Limites : plus lent que Seedance, moins performant en audio natif. Idéal pour les productions qui nécessitent des mouvements de caméra précis et un workflow de compositing.
L'outil ne fait pas le film - le DA fait le film. L'outil accélère.
En production Nexia 2026, nous combinons les outils selon le brief. Seedance 2.0 pour les livrables finaux premium avec audio. Kling 3.0 pour le contrôle créatif en motion design. Runway Gen-4.5 pour les mouvements de caméra et le compositing. Luma Dream Machine 3.5 reste utilisé pour le prototypage rapide en exploration créative.
La question n'est plus "faut-il utiliser l'IA vidéo ?" mais "quel outil pour quel usage ?"
Cette page se réécrit quand NOTRE production change, pas quand un éditeur publie un communiqué. Depuis avril, trois choses ont bougé dans notre pipeline, et les trois nous ont coûté quelque chose à découvrir.
1. Notre moteur par défaut est désormais Google Flow. Pas parce qu'il gagne un classement, mais à cause du rapport que personne ne publie : la matière par crédit. Sur notre compte, l'image-vers-vidéo coûte 12 crédits pour 8 secondes et 15 crédits pour 10 secondes, avec jusqu'à 7 images de référence par plan. Dix secondes à 15 crédits, c'est le meilleur rapport que nous ayons mesuré, et c'est ce qu'un monteur peut vraiment couper. Le 31 juillet, 15 clips produits ainsi ont donné un trailer entier.
2. Les crédits expirent, et ça fait partie du prix. Une enveloppe mensuelle qui ne se reporte pas n'est pas le même produit qu'un solde acheté, même au même tarif affiché. La nôtre a expiré en juillet et le moteur autour duquel un pipeline entier était bâti s'est éteint du jour au lendemain. Comparez le modèle de facturation avec autant de sérieux que la qualité d'image : un studio planifie un mois de production, pas une démo.
3. Les modèles en poids ouverts sont un vrai troisième canal, avec un vrai coût. Une seule carte grand public de 12 Go (RTX 3080 Ti) fait tourner en local une bibliothèque de modèles vidéo. Pour l'image-vers-vidéo, Wan 2.2 est celui qui mérite la place disque. Deux chiffres honnêtes avant d'appeler ça gratuit : un plan de 5 secondes en 832x480 a demandé plus de 30 minutes sur cette carte, et chaque famille de modèle pèse 15 à 60 Go avant le premier pixel. Ce qu'on achète là n'est pas la vitesse, c'est la confidentialité : rien ne sort de la machine, la seule chose qui compte sur un projet sous NDA.
Les modèles locaux se téléchargent en plusieurs formats numériques, et le format n'est pas un réglage de qualité : c'est une exigence matérielle. Un poids FP8 n'a de support matériel qu'à partir des RTX 40. Sur une RTX 30, le calcul est émulé, et la panne est trompeuse : la première image est parfaite, puisqu'elle vient de votre image source, puis la vidéo part en purée vers la 40e. Nous avons téléchargé 27 Go et généré pendant 37 minutes avant de le voir.
La règle que nous appliquons maintenant avant tout téléchargement : lire le format du poids, puis le confronter à la génération de la carte. FP8 à partir des RTX 40. FP4 et NVFP4 à partir des RTX 50. BF16 et int8 passent partout. C'est une vérification de trente secondes contre des dizaines de gigaoctets.
Une habitude de lecture, dans le même esprit : quand un catalogue de modèles annonce "recommandé pour la vidéo cinématique avec audio natif", cette colonne décrit des fonctions, jamais un niveau de qualité. Le modèle recommandé là est peut-être simplement le seul à générer une bande son synchronisée, c'est-à-dire exactement ce que nous coupons à chaque livraison.
Chaque trimestre, un modèle annonce des plans plus longs en une passe. Le chiffre qui compte n'est pas la durée maximale, c'est la durée qui SURVIT à un montage. Nous ne générons jamais sous 15 secondes sur un plan d'action, parce qu'en dessous il n'y a rien à couper. Une démo prouve qu'un modèle tient 20 secondes ; une timeline dit si la seconde 14 tient encore le personnage, la lumière et la caméra.
Un benchmark dit ce qu'un modèle sait faire une fois. La production dit ce qu'il fait soixante fois de suite.