Le second acte des vidéos courtes IA : de « peut-on générer ? » à « qui réalisera ? »

--- title: Le second acte des vidéos courtes IA : de « peut-on générer ? » à « qui réalisera ? » slug: ai短视频的下半场-从能不能生成到谁来当导演 meta_title: Vidéos courtes IA, second acte : la compétition se joue sur qui peut réaliser meta_description: Bêta de Kling 4.0, les 48 épisodes de Yanbian Qingmei réalisés par une seule personne et dépassant les 100 millions de vues, Helong primé à l’étranger : la compétition des vidéos IA est passée de la qualité d’image au jeu d’acteur et au contrôle narratif. category: ai tags: Vidéos courtes IA, Kling 4.0, Mini-séries IA, Séries animées IA, Kling, likli, Génération vidéo IA, Contrôlabilité, Images clés ---

En ce début octobre, plusieurs événements du secteur chinois de la vidéo IA, mis bout à bout, sont particulièrement intéressants.

Kuaishou a fait monter la température autour de Kling 4.0 lors de la New York Advertising Week, avec une sortie officielle annoncée pour octobre. Les retours de ceux qui ont déjà essayé la version Fast ne portent pas tant sur la fluidité des mouvements que sur les expressions faciales, les micro-réactions, le langage corporel et le sens du rythme. Comme le dit la communauté, le critère est passé de « est-ce que ça bouge ? » à « est-ce que ça joue ? ». À la même période, des informations font état d’un test interne chez Kuaishou d’un agent de création vidéo IA nommé likli, couvrant toute la chaîne, de l’idée au produit fini, et destiné aux mini-séries, au e-commerce et au marketing de marque.

De l’autre côté, une créatrice au pseudonyme Wanwan a assumé seule, en deux mois, le scénario, la réalisation, le montage et la direction artistique, produisant une mini-série historique IA de 48 épisodes, Yanbian Qingmei. Sur Hongguo, elle a dépassé les 100 millions de vues, et les recherches liées sur Douyin ont franchi les 200 millions. L’histoire est celle de Yan Jiming, le neveu de Yan Zhenqing, ce jeune homme dont le « Brouillon d’oraison funèbre pour mon neveu » ne conserve que les deux mots « assassiné ».

Quelques jours plus tôt, lors du premier Festival du film sur l’intelligence artificielle d’Astana, le court-métrage de 17 minutes Helong, de l’équipe chinoise 2xLabs, a remporté le prix du meilleur récit dans la section compétition ouverte.

Ces trois événements relèvent respectivement du produit, de la création individuelle et de la reconnaissance internationale, mais ils pointent vers un même changement : le premier cap de la vidéo IA est déjà franchi.

Le premier cap porte sur la qualité d’image, le second sur le contrôle

Ces deux dernières années, les sorties de modèles vidéo tournaient généralement autour de quelques indicateurs quantifiables : résolution, durée, naturel des mouvements. Ces indicateurs sont importants, mais ils ne répondent qu’à une question : pouvez-vous générer quelque chose qui ressemble à une vidéo ?

Les spécifications de Kling 4.0 poussent ces chiffres plus haut : génération native de 30 secondes en une fois, 4K, 1080p 10-bit HDR, format ultra-large 21:9, références multimodales étendues à 15 éléments, 10 images clés, limite de prompt à 8000 tokens. CICC Media qualifie cette mise à jour de « guerre des spécifications » et souligne que les améliorations de la 4.0 en matière de continuité des plans-séquences, de contrôle des images clés et de références multimodales abaissent le seuil pour les scènes de haute précision comme les séries de moyenne et longue durée et les effets spéciaux cinématographiques.

Mais ce qui mérite vraiment l’attention, c’est pourquoi cette mise à niveau a lieu. Trente secondes, est-ce assez long ? La 4K, est-ce assez net ? Ces questions sont des points de douleur pour les créateurs de courts-métrages, mais pour une équipe de tournage, ce n’est qu’un ticket d’entrée. Ce qu’il faut à une équipe, ce n’est pas un beau plan, mais dix plans capables de s’enchaîner.

Un film réalisé seul et un court-métrage de dix-sept minutes ne disent pas la même chose

La valeur de Yanbian Qingmei ne réside pas dans le chiffre de 48 épisodes, mais dans son mode de production. La méthode de Wanwan consiste d’abord à fixer les points d’ancrage historiques : la fin de Yan Jiming, le loyalisme de la famille Yan, l’identité du messager — rien de tout cela n’est modifié ; là où les livres d’histoire ne disent rien, la jeunesse de Yan Jiming, la manière dont il traverse les lignes ennemies pour transmettre des messages, c’est elle qui les complète. Elle résume cela par « faire le travail de compléteur de l’histoire ».

Cette approche recoupe l’évolution des produits de vidéo IA. La génération n’est pas le plus difficile ; le plus difficile est d’apprendre au modèle ce qui ne doit pas être touché et ce qui doit être complété.

L’équipe de Helong explique plus directement la structure des coûts. Une dizaine de personnes, un mois et demi, un coût de calcul inférieur à 100 000 yuans, dont un peu plus d’une semaine seulement pour la génération effective des vidéos. Le reste, l’essentiel du temps, a servi à peaufiner le scénario et à fixer le style visuel. Une phrase du réalisateur exécutif Wang Yuchen en interview mérite d’être retenue : la technologie évolue vite, les images éblouissantes sont faciles à copier, mais la réflexion propre au créateur et son expression culturelle donnent davantage de singularité à l’œuvre.

Autrement dit, ce qui coûte moins cher, c’est la génération ; ce qui prend du temps, c’est encore la création.

La taille du marché et les politiques complètent l’autre moitié

Selon les prévisions d’institutions, le marché chinois des séries IA et des séries animées IA pourrait dépasser 40 milliards de yuans en 2026. Derrière ce chiffre, il y a les initiatives des plateformes : Douyin, Hongguo et Kuaishou poussent les mini-séries IA interactives, et les marques déplacent leurs budgets vers ce segment.

Plus l’écosystème de contenu s’élargit, plus les problèmes arrivent. La capacité de production des mini-séries IA est déjà très élevée : selon certaines statistiques, 430 000 mini-séries ont été produites en huit mois, dont 90 % générées par des machines. Après la surproduction, les spectateurs commencent à faire la distinction : quelles œuvres ont quelqu’un qui raconte vraiment une histoire. Si l’œuvre de Wanwan est devenue populaire, ce n’est pas grâce à la technique, mais parce qu’elle a d’abord réfléchi à la manière dont une personne devait être gardée en mémoire.

Quelques repères pour les équipes de contenu

Pour les équipes de contenu, le vrai tournant du second semestre 2026 ne sera pas la qualité d’image. Les 4K et les 30 secondes de Kling 4.0 seront rattrapés ; Nano Banana 2.1 divise par deux le prix de sortie, Seedream 5.0 Pro rend l’édition par zones plus précise : tout cela deviendra la norme du secteur.

Ce qui fera vraiment la différence, ce sont trois capacités : pouvoir décomposer un plan en images clés réutilisables, pouvoir garantir la cohérence d’un personnage sur plusieurs plans, et pouvoir inscrire les critères créatifs dans le flux de travail pour que le modèle les exécute de manière répétée. Les deux premières sont des questions d’outils, la troisième est une question humaine.

Si Wanwan a réalisé seule 48 épisodes, ce n’est pas parce qu’elle maîtrisait un grand nombre d’astuces de prompt. Elle avait d’abord une histoire qui méritait d’être racontée ; c’est là que les problèmes techniques restants ont pu trouver leur place.