Kling 4.0 et la nouvelle course au contrôle dans la vidéo IA

La plus grande critique adressée à la vidéo IA n'a jamais vraiment porté sur la qualité. Elle a porté sur le contrôle. Vous écrivez un prompt, le modèle produit quelque chose de magnifique, puis le client demande un petit changement, et vous devez tout régénérer en espérant que le visage du personnage et l'éclairage soient identiques. C'est dans cet écart que Kling 4.0 veut s'engouffrer.

Kling, de Kuaishou, a annoncé le modèle le 28 septembre. La version complète sera lancée courant octobre ; une variante plus légère, « Flash », limitée à la 720p et à des clips de 20 secondes, est passée en accès anticipé le jour même pour les abonnés annuels Ultra. Le modèle complet porte la génération en plan unique à 30 secondes et ajoute la sortie 1080p et 4K, avec du HDR 10 bits prévu pour les résolutions les plus élevées.

Les spécifications qui comptent ne sont pas les chiffres de résolution. Ce sont les fonctions de montage. Trois d'entre elles se démarquent.

La première est le montage local. Vous pouvez prendre une vidéo terminée et modifier une seule chose — une expression, un mouvement, un mouvement de caméra, un style ou l'arrière-plan — pendant que tout le reste reste figé. Vous pouvez fournir jusqu'à cinq clips, dont un master. C'est la différence entre « le client a changé un détail », qui impose de tout refaire, et une simple modification. C'est aussi la fonction qui comble l'écart entre la vidéo IA comme démo et la vidéo IA comme boucle de révision.

La deuxième, ce sont les images clés. Le passage image-vers-vidéo accepte désormais jusqu'à dix images clés, plus la première et la dernière image. Vous fixez le plan produit, la scène d'usage et le gros plan sur l'emballage dans l'ordre, et vous laissez le modèle combler le mouvement entre elles. Pour quiconque produit des vidéos produit, cela transforme la génération en storyboard. Le storyboard est validé avant que vous ne dépensiez des crédits, et c'est là que se trouve le vrai gain de temps. Un storyboard est aussi un contrat : le client approuve la séquence avant que la partie coûteuse ne commence.

La troisième est Omni Reference, qui accepte jusqu'à 15 entrées simultanément : dix images, cinq vidéos totalisant 30 secondes, et jusqu'à sept sujets avec des références vocales. Vous les appelez dans le prompt avec @image1 et @video1, en indiquant à chaque référence le rôle qu'elle doit jouer. Une référence porte l'identité, une autre le style, une autre la pose. C'est le même principe que celui déjà utilisé en retouche d'image, étendu à la vidéo animée.

Ces trois fonctions partagent un même fil conducteur. Elles visent toutes à réduire le nombre de fois où vous devez repartir de zéro. Les débuts de la vidéo IA relevaient de la machine à sous : vous tiriez le levier, obteniez un clip, et tiriez à nouveau s'il ne vous plaisait pas. Kling 4.0 pousse vers un pipeline déterministe où les éléments qui vous importent sont verrouillés et où seul le mouvement reste laissé au hasard.

Le positionnement tarifaire est agressif, à un point qui indique que Kuaishou joue le volume. La facturation annuelle place l'offre d'entrée à environ 21 $ par mois pour 180 crédits, soit à peu près 1,90 $ par vidéo, et l'offre la plus élevée à 90 $ par mois, soit environ 1,10 $ par vidéo. Aucun filigrane, quel que soit le palier, donc les clips finis partent directement chez les clients. Pour situer : l'offre standard de Veo 3.1 de Google s'affiche autour de 0,40 $ par seconde, tandis que Wan 3.0 d'Alibaba tourne entre 0,05 $ et 0,20 $. Les modèles vidéo chinois achètent des parts de marché par le prix, et Kling ne le cache pas.

Ces contrôles viennent se greffer sur un modèle qui a déjà prouvé qu'il peut tenir un personnage d'une scène à l'autre. Cette combinaison — contrôle, cohérence et prix bas à la seconde — est ce qui fait que Kling 4.0 semble appartenir à une autre catégorie que les démos de l'ère Sora, le « waouh, regarde ce qu'il a généré ». Les démos, c'est fini. Le travail porte désormais sur l'itération.

C'est le thème discret qui traverse tout le domaine de la génération vidéo en ce moment. Gen-4.5 de Runway pousse la cohérence pilotée par référence, permettant à une seule image de référence de maintenir un sujet sur plusieurs plans. Veo 3.1 vend l'audio et l'image générés ensemble, pour que les pas tombent là où tombent les pieds. Wan 3.0 rivalise sur le prix et les poids ouverts. Kling 4.0 mise sur le problème peu glamour du changement d'avis après avoir vu le résultat. C'est depuis toujours le vrai goulot d'étranglement du travail créatif, et c'est celui qu'aucun benchmark ne mesure.

Si cela compte sur le plan commercial, c'est que ceux qui paient pour de la vidéo IA ne sont pas ceux qui produisent un seul clip viral. Ce sont ceux qui produisent une centaine de vidéos produit par mois, et qui perdent plus de temps en révisions qu'en génération. Un outil qui rend la révision bon marché attaque le véritable centre de coûts. C'est pourquoi le montage local et les images clés de Kling, et non sa fiche 4K, constituent la vraie annonce.

Il existe une façon utile de mesurer ce basculement. Dans l'ancien flux de travail, une seule « régénération » était l'unité d'échec. Chaque variation indésirable vous coûtait une génération complète, un crédit complet et une attente complète. Le montage local de Kling 4.0 transforme cette unité d'échec en une petite opération. La différence émotionnelle compte autant que la différence économique : les créateurs cessent de considérer le modèle comme une machine à sous et commencent à le traiter comme un collaborateur qu'ils peuvent diriger. C'est le moment où un outil passe de la nouveauté au flux de travail, et c'est le moment où le marché de la vidéo IA a réellement commencé à mûrir.

Le volet audio de Kling 4.0 est facile à négliger, mais mérite une mention. Le modèle complet génère de l'audio stéréo deux canaux synchronisé avec l'image, avec une synchronisation labiale améliorée et la prise en charge de neuf langues, dont plusieurs dialectes chinois. Pour la vidéo produit et le court drama, où une voix off qui colle à la bouche fait la différence entre crédible et dissonant, c'est plus important que le bond de résolution. Les premiers modèles de vidéo IA produisaient des images muettes et vous laissaient les doubler plus tard ; les modèles qui génèrent le son et l'image ensemble suppriment toute une étape de post-production.

La vue stratégique mérite qu'on prenne un peu de recul. Kuaishou est une plateforme de vidéo courte, et Kling en est le bras IA. Cela signifie que Kling 4.0 n'est pas une société d'outils cherchant à vous vendre un abonnement. C'est une plateforme qui alimente son propre écosystème de contenu, et ce positionnement tarifaire agressif reflète une finalité différente de celle d'un éditeur indépendant. Il en va de même de Seedance et Dreamina de ByteDance. Les modèles vidéo chinois sont subventionnés par des plateformes qui tirent profit du contenu qu'ils génèrent, ce qui constitue un avantage structurel dont les laboratoires occidentaux ne disposent pas, et c'est pourquoi la guerre des prix continue de pencher dans une seule direction.

Le seul point que l'annonce n'a pas entièrement élucidé est le détail qui préoccupe désormais tout le monde en production : le prix des crédits et l'accès API pour le modèle complet. Kling a publié les paliers d'abonnement, mais pas le coût par crédit de Kling 4.0 lui-même, et ses offres d'API ne prennent pas encore en charge le nouveau modèle. Cet écart se comblera au lancement du modèle complet en octobre, mais il vaut la peine d'être signalé, car l'économie d'un modèle favorable à la révision diffère de celle d'un modèle à usage unique. Si un montage local coûte une fraction d'une régénération complète, la proposition de valeur est évidente. S'il coûte presque la même chose, la fonction est une commodité plutôt qu'une percée en matière de coûts. Dans un cas comme dans l'autre, la direction est claire, et les détails tarifaires détermineront la vitesse à laquelle les équipes l'adopteront.

Pour quiconque livre des vidéos produit, des clips marketing ou du court drama, le conseil pratique est simple. Regardez au-delà de la fiche de résolution. Demandez-vous ce qui se passe quand le client demande un angle différent. Si la réponse est « tout régénérer », vous vivez encore en 2025. Kling 4.0 parie que la réponse en 2026 sera « modifiez une chose et gardez le reste ». Le fournisseur qui gagnera ce pari dominera la phase suivante du marché, parce que c'est dans la révision que partent réellement le temps, et l'argent.