HeyGen facture un centime la seconde, et le plancher tarifaire des modèles vidéo vient de bouger

HeyGen a lancé ce mois-ci HeyGen Video, son premier modèle vidéo polyvalent. Il est basé sur MiniMax H3 et post-entraîné en interne, couvrant le texte-vers-vidéo, l’image-vers-vidéo et la référence-vers-vidéo dans un seul modèle avec son synchronisé. Le tarif promotionnel au lancement est de 0,01 $ par seconde, soit la moitié du prix standard, clairement ciblé sur les usages d’entreprise à budget contraint.

Ce chiffre mérite que l’on s’y attarde. Un clip de dix secondes coûte dix cents. L’an dernier, la même catégorie de rendu était facturée en dollars par génération, et les équipes la rationnaient.

Le cadrage promotionnel est en soi révélateur. HeyGen a fixé le tarif standard à deux cents la seconde et a lancé à la moitié de ce prix, soit une réduction visant à détourner les équipes des fournisseurs en place plutôt qu’à maximiser le revenu par clip. Un tarif promotionnel est un pari : une fois qu’un flux de travail est construit autour d’un modèle, le coût de changement fidélise le client après la fin de la remise.

Le tarif à la seconde est la nouvelle référence

La tarification des modèles vidéo est passée d’un prix par génération à un prix par seconde de rendu, et les tarifs publiés couvrent désormais un ordre de grandeur. Le centime promotionnel par seconde de HeyGen équivaut à environ 0,60 $ par minute. MiniMax H3, la base à poids ouverts, tourne à 4,80 $ par minute. Wan 3.0 est affiché à 12 $ par minute. Seedance 2.5 facture 34,12 $ par minute. Grok Imagine Video 1.5 se situe à 0,08 $ par seconde, soit 4,80 $ par minute, avec audio natif et un tarif unique publié, sans palier de résolution.

La structure à tarif unique de Grok mérite d’être soulignée en soi. La plupart des fournisseurs facturent selon le palier de résolution, si bien qu’un rendu 1080p coûte plus cher qu’un rendu 480p. Un tarif unique publié, sans palier, est plus facile à budgéter et plus difficile à contourner. Il signale aussi la confiance dans le fait que la qualité du modèle ne dépend pas fortement du nombre de pixels demandé par l’acheteur.

L’écart vous indique que le marché s’est segmenté. En haut, la qualité pour les campagnes où un seul clip compte. En bas, le volume pour les flux de travail où l’on génère une centaine de clips et où la plupart sont jetés.

La tarification de HeyGen le place délibérément en bas de gamme, et le positionnement vise les cas d’usage d’entreprise où le budget est la contrainte. C’est un client différent d’une agence qui produit un spot phare. C’est une entreprise qui veut de la vidéo dans chaque article d’assistance, chaque page produit, chaque parcours d’intégration, et qui ne peut pas justifier un designer pour chacun.

Le post-entraînement sur la base de quelqu’un d’autre

Le choix d’architecture est aussi notable que le prix. HeyGen n’a pas entraîné un modèle de fondation à partir de zéro. Il a pris MiniMax H3, un modèle à poids ouverts, et l’a post-entraîné en interne pour son cas d’usage.

C’est en train de devenir la méthode standard. Creatify a fait la même chose avec Boreal-H3, en post-entraînant MiniMax H3 sur des données réelles de projets publicitaires et en rapportant que le taux de réalisation du brief est passé de 27,8 % à 50 % et la cohérence du sujet de 83,3 % à 94,4 % par rapport à la base. Le schéma se répète parce que la base est ouverte et que la différenciation réside dans les données d’entraînement et l’évaluation, pas dans la phase de pré-entraînement.

Pour les équipes qui construisent des produits vidéo, le calcul est simple. Entraîner un modèle de fondation coûte des dizaines de millions et prend des mois. Le post-entraînement d’une base ouverte coûte une fraction de cela et produit un modèle ajusté à votre niveau de qualité spécifique. Le risque est que la capacité centrale de votre produit repose sur les conditions de licence de quelqu’un d’autre, ce qui est un problème d’actualité pour H3, puisque MiniMax n’a pas publié les territoires couverts par sa licence. Trois produits construits sur H3 ont été lancés cette semaine dans des territoires que la licence pourrait ne pas couvrir, et le laboratoire les a accueillis favorablement, ce qui est loin de constituer une autorisation.

La question de la licence est la partie de la méthode de post-entraînement qui reçoit le moins d’attention. Un modèle peut être téléchargeable aujourd’hui et indisponible demain, ou légal sur un marché et pas sur un autre, et les conditions sont souvent rédigées pour l’objectif initial du modèle plutôt que pour les produits construits par-dessus. Quiconque dont le produit dépend d’une base ouverte devrait lire la licence aussi attentivement que le rapport technique. L’avantage de coût du post-entraînement est réel, et il s’accompagne d’un risque opérationnel qui n’apparaît pas dans une comparaison de prix.

Ce que le prix signifie pour le travail créatif

Quand un clip de dix secondes coûte dix cents, l’économie de l’itération change. Une équipe peut générer cinquante variantes d’une démo produit, les visionner, garder les deux qui fonctionnent, et dépenser cinq dollars pour ce faire. Le goulot d’étranglement se déplace du coût de génération vers le temps de révision humain, ce qui est l’inverse de la situation d’il y a deux ans.

Ce changement a des conséquences sur la composition des équipes vidéo et sur la conception des flux de travail. Une génération bon marché signifie que la partie coûteuse est de décider ce qui est bon, et les personnes capables de porter ce jugement rapidement deviennent la contrainte. Cela signifie aussi que le flot de résultats médiocres s’amplifie, parce que le coût de production de quelque chose dont personne n’avait besoin vient de tomber à près de zéro.

Il y a un effet moins évident sur la façon dont les équipes planifient. Quand un clip coûte dix cents, la stratégie rationnelle passe de la fabrication d’une bonne version à la fabrication de nombreuses versions et à la sélection. Cela favorise les équipes douées pour l’évaluation et défavorise celles douées pour l’artisanat de production, parce que le savoir-faire qui constituait autrefois la valeur est désormais une donnée d’entrée banalisée.

Cela change aussi ce qu’un client attend. Un brief qui précisait autrefois une seule vidéo en précise désormais cinq variantes pour les tests A/B, parce que le coût marginal des quatre supplémentaires est négligeable. Le travail se déplace en amont vers la stratégie et en aval vers l’analytique, et le milieu, où se trouve la majeure partie de la main-d’œuvre de production créative, s’amincit.

La question à laquelle le prix ne répond pas

Une génération bon marché n’est pas la même chose qu’une génération utile. Un centime la seconde achète un clip, pas un clip qui correspond au brief. Les différences qui comptent en production, garder l’étiquette d’un produit lisible, garder le visage d’un créateur cohérent de la première à la dernière image, suivre un script plutôt qu’une ambiance, sont ce que facturent les paliers plus chers.

C’est la véritable segmentation que révèle l’écart de prix. Le marché se sépare en modèles pour le volume et modèles pour la précision, et la différence de prix entre eux est d’environ un facteur cinquante. Une équipe qui sait dans quelle catégorie tombe son travail peut prendre une décision claire. Une équipe qui suppose que le modèle bon marché fera l’affaire peut découvrir l’écart sur une livraison client.

Le tarif promotionnel de HeyGen ne restera pas à un centime. Ce qu’il fait, c’est fixer un plancher auquel le reste du marché doit répondre, et forcer tous ceux qui développent des fonctionnalités vidéo à modéliser leur économie unitaire à un niveau de prix qui aurait été invraisemblable l’an dernier. La question intéressante est de savoir quelles capacités valent la peine de payer plus d’un centime la seconde.

La réponse sera probablement étroite et spécifique. La lisibilité des étiquettes, la cohérence d’identité et le respect du brief paraissent peu glamour, mais ce sont eux qui décident si un clip peut être livré. Tout le reste est une question de goût, et le goût coûte peu cher à itérer quand une prise coûte dix cents.