Comment choisir un modèle vidéo IA

Chaque semaine, quelqu’un demande quel modèle vidéo IA est le meilleur. C’est la mauvaise question, et la façon dont le marché bouge le prouve.

Deux comparatifs publiés à quelques mois d’intervalle en 2026 ne s’entendent même pas sur les versions courantes. L’un donne Seedance 1.5 Pro, Kling 2.6 et Wan 2.6 comme l’état de l’art. L’autre donne Seedance 2, Kling 3 et Wan 2.7, et ajoute Grok Imagine Video 1.5 et Runway Gen-4.5. Aucun des deux n’a tort. Ils ont été écrits à quelques semaines d’écart dans un domaine qui livre des versions majeures plus vite que la plupart des gens mettent leurs signets à jour.

Un article qui nomme un gagnant unique est donc périmé avant que vous ayez fini de le lire. Ce qui survit, c’est une méthode.

Choisir par plan, pas par projet

Le recadrage utile : vous ne choisissez pas un modèle pour votre entreprise. Vous en choisissez un pour ce plan-ci. Les modèles ont des formes réellement différentes, et ces différences sont assez stables pour planifier autour, même quand les numéros de version changent.

Voici ce qui varie vraiment, et ce que chaque différence signifie en production :

• Audio natif. Certains modèles génèrent son et dialogue synchronisés dans la même passe. Seedance, Veo 3.1 et Kling sont décrits comme combinant un mouvement solide et de l’audio natif. Ça supprime une étape complète du pipeline quand ça fonctionne, et ça ne vous donne rien à corriger quand ça échoue.
• Verrouillage par référence. C’est la différence entre un modèle capable de tenir votre produit ou votre acteur d’un plan à l’autre et un qui les réinvente chaque fois. Veo 3.1 est cité pour le verrouillage par image de référence, pour la cohérence des personnages et des produits. Vidu Q2 accepte plusieurs images de référence, rapporté jusqu’à sept sujets. Sora 2, à l’inverse, est noté comme n’ayant pas de téléversement de référence de personnage, ce qui compte énormément quand la continuité d’identité est le mandat.
• Durée des clips. Les vrais plafonds, pas ceux du marketing. Sora 2 est décrit comme allant de quelques secondes à environ 15, les paliers Pro atteignant 25. Veo 3.1 est noté comme plafonné autour de 8 secondes dans plusieurs produits grand public. Wan est crédité de jusqu’à 15 secondes de narration cohérente en une génération. Seedance et Kling se situent dans la bande de 3 à 15 secondes.
• Ce qu’il réussit vraiment. Sora 2 est cité pour le réalisme et la physique naturelle. Kling, pour les portraits stables et le contenu dialogué. Wan, pour la narration cinématographique multi-plans. Seedance, pour le contrôle de caméra. Vidu, pour le volume et l’efficacité de coût.

Les vrais plafonds, pas ceux du marketing

Durée maximale rapportée d’une génération, en secondes

Les vrais plafonds, pas ceux du marketing

Modèle	Maximum rapporté
Sora 2, paliers Pro	25 s
Sora 2	~15 s
Wan	15 s
Seedance, Kling	3 à 15 s
Veo 3.1, produits grand public	~8 s

Relisez cette liste comme une liste de plans plutôt que comme un comparatif de produits. Un gros plan dialogué, un plan héros de produit, une cascade chargée en physique et un plan d’établissement au drone sont quatre problèmes différents. Attendre d’un seul modèle qu’il gagne les quatre, c’est ça, la vraie erreur.

La mesure que personne ne suit

La plupart des équipes comparent les modèles au prix à la seconde. Ce chiffre est presque vide de sens, et une des meilleures analyses du domaine le dit directement : un clip bon marché devient cher s’il casse un produit, change l’identité d’une personne, rate l’action, ou ne se raccorde pas au plan suivant.

La mesure qui prédit votre coût réel, c’est le coût par clip approuvé. Pas par génération. Par clip qui survit à la révision et entre au montage.

Pour la calculer, il faut deux chiffres que la plupart des studios n’écrivent jamais :

• Votre taux de rejet par modèle, par type de plan. Combien de générations pour en obtenir une que vous gardez ?
• Votre temps de réparation. Combien de minutes de montage, de détourage, d’harmonisation des couleurs ou de régénération un clip accepté exige-t-il encore ?

Un modèle au quart du prix avec quatre fois le taux de rejet n’est pas moins cher. C’est le même prix, avec plus de votre journée dedans. Une fois ce suivi tenu quelques semaines, le choix du modèle cesse d’être une affaire d’opinion.

Coût par clip approuvé

Au quart du prix, avec quatre fois le taux de rejet

Clip approuvéGénération rejetée

Faites un banc d’essai avant de vous engager

Avant le début d’un projet, prenez un plan représentatif, écrivez un prompt, et passez-le dans deux ou trois modèles candidats avec tout le reste identique. Mêmes images de référence, même format, même durée.

Jugez les résultats sur ce qui vous coûtera de l’argent plus tard : le sujet est-il resté lui-même, le mouvement se lit-il comme intentionnel plutôt qu’accidentel, l’éclairage correspond-il au plan précédent, et pourriez-vous couper de ce clip au suivant sans que le public voie la jointure.

Ce test coûte une heure. Choisir mal coûte une semaine.

Le modèle est la partie la moins durable de votre stack

Voici la partie plus longue à accepter. Le modèle que vous choisissez aujourd’hui ne sera pas celui que vous utiliserez dans six mois. Les numéros de version ci-dessus auront l’air vieux rapidement. Tout ce que vous bâtissez qui dépend des particularités d’un modèle précis est un passif avec une date d’expiration.

Ce qui s’accumule, en revanche, c’est tout ce qui entoure le modèle : votre cahier de marque, vos références de personnages et de lieux, votre grammaire de plans, votre standard de révision, votre nomenclature et votre gestion de versions. Tout ça est indépendant du modèle. Quand un meilleur modèle sort, une équipe qui a ce système en place le remplace en un après-midi. Une équipe sans système recommence à zéro.

Choisissez le modèle par plan. Mesurez le coût par clip approuvé. Bâtissez le système qui rend le choix réversible.