← Retour au blog
NewsEnviron 8 min de lecture

Les mêmes 15 secondes coûtent 1,05 $, 1,50 $ ou 3,47 $

Publié le 7 nov. 2026
Les mêmes 15 secondes coûtent 1,05 $, 1,50 $ ou 3,47 $

Pendant la majeure partie de l'année, comparer les modèles de génération vidéo revenait à comparer les démos des entreprises. Google, ByteDance et Alibaba publiaient chacun un clip en un seul plan qui flattait leur propre modèle. Cela a changé le 6 novembre, lorsque Google a publié Gemini Omni 1.2 Flash et que le premier test indépendant de celui-ci est apparu aux côtés des chiffres d'Artificial Analysis et d'exécutions côte à côte d'autres créateurs.

L'élément le plus utile dans le lot est le tableau des prix. Un clip de 15 secondes en 720p coûte 1,05 $ sur Omni 1.2, 1,50 $ sur Wan 3.0 et environ 3,47 $ sur Seedance 2.5. En 1080p, le même clip revient à 1,56 $, 3,00 $ et 8,54 $. Alibaba applique aussi une promotion d'environ 30 % sur Wan 3.0, ce qui fait tomber le 1080p à 0,14 $ la seconde.

L'écart est d'un facteur trois sur le palier le moins cher et d'un facteur cinq en 1080p, et le modèle le moins cher n'arrive en tête que dans peu de catégories.

Où chaque modèle gagne réellement

Artificial Analysis, en date du 6 novembre, classe Seedance 2.5 premier dans 13 catégories sur 20, dont le dialogue et la synchronisation labiale avec un score de 1213. Le mode image-vers-vidéo est son point fort. Gemini Omni 1.1 s'est classé vingtième sur vingt pour l'anatomie humaine et la physique.

C'est sur le montage que Wan 3.0 mène, en remportant les montages complexes, les retouches d'objets et les effets visuels, tandis que Seedance l'emporte sur le montage audio et vocal.

Les tests à prompt identique menés en dehors des entreprises sont plus révélateurs que le classement. Krea a exécuté Seedance 2.5 et Wan 3.0 en 720p avec des seeds identiques et la réécriture de prompt désactivée. Dans un plan de skateboard, Seedance a gardé le skateur sur la trajectoire décrite dans le prompt, tandis que Wan l'a envoyé vers la caméra. Dans une prise unique de 20 secondes suivant un cycliste, Seedance a tenu le plan jusqu'au bout et Wan a coupé à 13,6 secondes. Wan rendait aussi ses clips de huit secondes environ deux fois plus vite. Le créateur YouTube JSFILMZ a exécuté les deux modèles côte à côte sur des prompts identiques et a publié les résultats.

Omni 1.2 n'a presque pas encore été testé indépendamment. Le plus proche est Segmind, qui a réalisé vingt tests le jour du lancement et a qualifié Omni 1.2 Flash de modèle vidéo le plus fidèle aux instructions qu'il ait testé, adapté aux vidéos explicatives et au texte animé. Segmind a aussi constaté que les personnes photoréalistes semblaient flotter, que les visages étaient en deçà de Seedance et qu'environ une instruction sur quatre était ignorée.

Google admet lui-même de légers changements entre la première et la dernière image, et classe les actions sportives rapides et la physique complexe parmi les points en cours d'amélioration. Les logos de marque dans les séquences sources peuvent déclencher un blocage pour droits d'auteur. Chaque clip porte un filigrane invisible SynthID.

Ce que disent les chiffres de requêtes

Les classements vidéo d'OpenRouter, données arrêtées au 6 novembre, montrent HeyGen Video premier avec 65 000 requêtes hebdomadaires, Veo 3.1 Lite deuxième à 50 000, Seedance 2.5 troisième à 35 000, Wan 3.0 quatrième à 31 000, et mischief 1 neuvième après un bond de 481 %.

La part de marché par auteur est le chiffre sur lequel il faut s'arrêter. ByteDance détient 26,1 % des requêtes vidéo, HeyGen 19,7 %, Google 18,5 %, SpaceXAI 12,2 %, Alibaba 9,3 % après une baisse de 53 %, Kwaivgi 6,0 % et MiniMax 5,0 %.

Trois gobelets en verre transparent de différentes hauteurs posés sur un comptoir en pierre claire.

Le modèle vidéo le plus demandé sur le plus grand agrégateur est un humain numérique. Aucun lancement de produit ne remporte le volume ; ce sont les vidéos explicatives avec présentateur face caméra et les vidéos de formation. Seedance et Wan dominent la catégorie cinématographique, et leur part des requêtes totales est une erreur d'arrondi à côté du trafic des avatars.

La demande qui n'est pas cinématographique

Regardez à nouveau où vont les requêtes. HeyGen Video mène le tableau avec 65 000 requêtes hebdomadaires, et HeyGen est une entreprise d'avatars. Les équipes chargées de la sécurité et de l'enablement en entreprise ont commencé à remplacer les démonstrations produit récurrentes en direct par des vidéos de présentateur générées par IA, ce qui, selon leurs propres calculs, permet d'économiser plus de 100 heures par an et par équipe. L'adoption par les spécialistes du marketing s'établit autour de 63 % selon une enquête de 2026 citée par Colossyan.

Pendant ce temps, l'audio natif est passé de fonctionnalité à option par défaut dans toute la catégorie. Veo 3.1 Audio et sa variante rapide génèrent un son synchronisé à l'image, les niveaux audio de Kling produisent de la stéréo avec une synchronisation labiale améliorée, et l'outil texte-vers-vidéo de Canva génère des clips avec dialogues et effets synchronisés.

La scission ainsi créée est utile. Le travail avec avatars et présentateurs face caméra veut que le personnage reste cohérent, que la voix reste stable et que la prestation fasse mouche. Le travail cinématographique veut que le plan impressionne pendant huit secondes. Ce sont des exigences différentes, et différents modèles y répondent, ce qui explique pourquoi un classement unique couvrant les deux en dit moins que la répartition des requêtes.

Ce qui a changé avec le départ de Sora

Le retrait de Sora du web et de l'application en avril, puis de l'API en septembre, a fait plus que retirer un concurrent. Il a réinitialisé ce que les gens s'attendent à payer et ce qu'ils s'attendent à voir disponible, et il a laissé les plateformes restantes se concurrencer sur les axes qui déterminent réellement l'usage : la durée possible d'un clip, la présence ou non de l'audio avec lui, et ce qui arrive au personnage entre les plans.

Il y a deux ans, le choix par défaut raisonnable pour un nouveau produit était de se construire sur l'API vidéo d'OpenAI. Ce choix par défaut a disparu. Tout ce qui repose dessus a besoin d'un remplacement, et les remplacements diffèrent désormais suffisamment en prix et en durée pour que le choix du modèle soit une décision commerciale plutôt que technique.

La couche de revendeurs ajoute une subtilité supplémentaire à intégrer au calcul. Les tarifs officiels de l'API sont un plancher, pas le prix de rue. fal, par exemple, affiche Seedance 2.5 à environ le double du tarif BytePlus. Les équipes qui testent sur une place de marché puis planifient leurs budgets de production sur ce chiffre vont avoir une surprise, et l'écart entre tarification officielle et revente est assez large pour changer le modèle qu'un projet choisit.

Choisir avec ces chiffres

Si le travail concerne le dialogue, la synchronisation labiale ou l'audio, Seedance 2.5 est le pari le plus sûr, à environ trois fois le prix. Si le travail consiste à monter un clip existant, Wan 3.0 mène et sa tarification promotionnelle offre le coût par seconde le plus bas du tableau. Si le travail consiste à suivre les instructions à la lettre dans une vidéo explicative, Omni 1.2 Flash est celui que les premiers testeurs ne cessent de louer, et c'est le moins cher des trois en 720p, même si les propres tests de Segmind ont pris 40 à 70 secondes par clip.

La bonne comparaison est le prix par clip utilisable. Un modèle qui a besoin de quatre tentatives pour maintenir un visage pendant une prise de 15 secondes coûte quatre fois son prix affiché, et le classement ne peut pas le voir.

Aucune des trois entreprises n'a publié de comparaison à l'aveugle, à prompt et seed identiques, entre les trois modèles. Tant que personne ne l'a fait, considérez toute affirmation de qualité inter-modèles dans cette catégorie, y compris celles de cet article, comme indicative.

Une chose est claire d'après les données de requêtes. Les modèles moins chers ne sont bon marché que si le résultat passe la validation, et c'est dans la validation que réside le coût pour la plupart des équipes qui produisent de la vidéo à grande échelle.

Articles associés