Une ligne en entrée, quinze modèles au travail, et vous validez à chaque étape

DomoAI a annoncé InkoAI Agent le 13 novembre. Le pitch tient en une phrase : tapez une idée, récupérez une vidéo courte.
Le mécanisme est la partie qui vaut la lecture. L'agent enchaîne seul une série de tâches, écrit les prompts, fixe le format et la durée selon la plateforme visée, un clip vertical pour Shorts ou Reels plutôt qu'une scène en 16:9, puis, avant de générer quoi que ce soit, il montre ce qu'il compte faire et attend.
Cette pause est le produit.
Ce que la chaîne fait vraiment
Un créateur part d'une ligne de texte. L'agent la transforme en prompts, décide du contenant et présente un plan. Vous pouvez aussi apporter vos propres éléments : scripts, storyboards, photos de produit. Les sorties précédentes restent dans le fil, donc un plan peut être retravaillé ou animé sans renvoyer le fichier qui l'a produit.
Derrière le chat, il y a quinze modèles d'image et de vidéo, pas un seul. La liste publiée comprend GPT Image 2.5, Nano Banana Pro, Seedance 2.5, MiniMax H3 et le 2.5 de DomoAI. Quatre fournisseurs, une interface, et un agent qui décide quel modèle prend quel travail.
Il y a aussi les Skills, le nom donné par DomoAI à des routines prêtes qu'on lance en un clic : drames courts, vidéos façon anime, clips cartoon, histoires avec dialogues ou voix off. Dans ces parcours, vous validez le script, puis les personnages, puis les plans un par un.
L'entreprise dit que plus de cinq millions de créateurs utilisent sa plateforme, contre plus de quatre millions en mai. L'agent n'a pas de prix séparé.
Le routage est le vrai travail caché
Quinze modèles dans un seul chat : une liste de fonctionnalités ne suffit pas à décrire ça, c'est un problème d'ordonnancement que l'utilisateur ne voit jamais.
Une fiche de personnage veut un modèle d'image qui tient un visage d'une variante à l'autre. Un insert de trois secondes veut un modèle vidéo bon marché et rapide. Un plan parlant veut un modèle avec l'audio natif. Une image de style veut le modèle qui rend ce style le mieux, et le meilleur choix diffère entre l'anime et la photo de produit réaliste. Il faut trancher à chaque étape, et le faire à la main est précisément la partie fastidieuse de la production vidéo par IA aujourd'hui.
La réponse de l'agent : trancher, puis montrer son travail avant de dépenser du calcul. Le design est raisonnable, et c'est aussi un aveu. Si le routage était évidemment juste, il n'y aurait pas besoin de demander.
Le plafond de qualité tient donc au routeur plus qu'à un modèle isolé. Une chaîne vaut ce que vaut son passage le plus faible, et un pipeline qui change de modèle entre les plans doit régler la cohérence des personnages par-dessus ce changement, le problème que tout workflow multi-modèles traîne et que personne n'a entièrement résolu.
Pourquoi les microdrames sont la tête de pont
La liste des Skills n'est pas aléatoire. Drame court, anime, cartoon, histoire avec voix off. Ce sont les formats où le volume compte plus que n'importe quelle image, et où le public est sur un téléphone avec le son.
Les chiffres du marché expliquent la cible. Sensor Tower estime que les applis de drame court ont été téléchargées plus de 850 millions de fois au premier trimestre 2026, en hausse de 140% sur un an, avec environ 750 millions de dollars de dépenses intégrées sur le trimestre, en hausse de 20%. DramaBox et ReelShort ont pris chacune près de 140 millions de dollars. L'Asie du Sud-Est, l'Amérique latine et l'Inde ont représenté plus des trois quarts des téléchargements.
C'est un métier avec un tapis roulant de contenu brutal et un coût fixe à la minute. Un agent capable de transformer une prémisse d'une ligne en épisode vertical, avec des points de validation où un humain rattrape l'histoire, vise exactement le producteur qui en a besoin de quarante par mois.
Pour les marketeurs, le discours est différent et plus étroit : une photo de produit devient plusieurs publicités au style contenu généré par l'utilisateur, prêtes à tester. Le chemin est bien usé, et l'intérêt reste le point de contrôle, puisque les équipes de marque ne peuvent pas diffuser une pub qu'elles n'ont pas vue.
La chaîne de validation est un pari sur la méfiance
Autonomie et validation sont opposées, et la vidéo IA grand public a passé deux ans à apprendre que l'autonomie totale produit du déchet à grande échelle.
La réponse d'InkoAI : être autonome sur les parties ennuyeuses, écriture des prompts, format, choix du modèle, assemblage, et s'arrêter à chaque endroit où quelqu'un demandera plus tard qui a validé ça. C'est une promesse de workflow déguisée en promesse d'agent.
Le coût de ce design est la fatigue de validation. Une vidéo de dix plans avec un point de contrôle avant chaque génération, c'est dix interruptions, et les utilisateurs qui cliquent sur valider sans lire ont construit une machine à sous avec des étapes en plus. Les Skills prédéfinis atténuent en partie le problème en regroupant les validations en script, personnages, plans. Savoir si trois points de contrôle est le bon nombre est une question empirique à laquelle le produit répondra avec des données d'usage.
Il y a aussi un avertissement plus ancien dans cette catégorie. OpenAI a lancé son appli Sora en septembre 2025, dépassé le million de téléchargements en quelques semaines, puis annoncé en mars 2026 qu'elle fermerait, après des inquiétudes sur les deepfakes. L'entreprise n'a donné aucune raison explicite. La génération vidéo grand public est un marché où la distribution arrive vite et où le risque politique arrive plus vite.
Combien ça coûte, et ce que ça cache
DomoAI n'a pas publié de prix séparé pour l'agent, la phrase la moins satisfaisante de l'annonce et celle dont un producteur a le plus besoin, parce que toute la question d'un pipeline routé est de savoir qui paie les tentatives ratées.
Un outil mono-modèle a une facture simple : générations multipliées par le prix. Un orchestrateur à quinze modèles a une facture qui dépend de ses propres décisions. Si le routeur choisit un modèle vidéo cher pour un plan qu'un modèle bon marché aurait géré, l'utilisateur paie l'erreur de routage sans jamais voir la ligne. S'il choisit un modèle bon marché et que le plan sort mal, la reprise coûte plus cher que le modèle cher ne l'aurait fait.
Les points de validation sont le seul endroit où l'utilisateur peut intervenir dans cette économie, ce qui plaide discrètement pour leur existence. Un plan montré avant génération est aussi un devis avant génération, si le produit choisit d'en afficher un.
L'autre coût caché est le temps. Quinze modèles, c'est quinze chemins de chargement, et un chat qui s'arrête cinq fois pour validation sur une vidéo de dix plans est une session qui se compte en heures. Les entreprises qui gagnent dans cette catégorie traitent le temps réel comme une fonctionnalité de premier ordre.
Ce qu'il faut regarder
Trois choses, par ordre de ce qu'elles changeraient pour la catégorie.
Le routeur deviendra-t-il assez bon pour être invisible. Si l'agent choisit de façon fiable le bon modèle par plan, la liste de quinze modèles devient un avantage réel au lieu d'une charge de support.
La cohérence tient-elle à travers les changements de modèle. Le problème technique le plus dur d'un pipeline multi-modèles est un personnage qui survit à un passage de relais, et aucune interface de chat ne le règle.
Le modèle de validation survit-il au volume. La validation est bon marché à trois décisions et coûteuse à trente. Le produit qui trouve la bonne granularité gagne le terrain du microdrame, et c'est là que se trouve l'argent aujourd'hui.
Pour l'instant, InkoAI dit clairement où vont les outils vidéo grand public. Ni modèle, ni studio : un orchestrateur qui garde un humain dans la boucle aux moments exacts où l'humain est encore nécessaire.
Articles associés
Une feuille de calcul communautaire de clics pour couper les publicités des Android chinois
Il ne touche pas au système, ne déverrouille rien, ne flashe rien. Il bascule un à un les interrupteurs que les fabricants ont déjà prévus. Le prix à payer, c'est la liste qu'il faut continuer d'écrire.
GPT Image 2.6 a tenu le prix des tokens et fait monter la facture
GPT Image 2.6 reprend chaque tarif au token de 2.5 et coûte malgré tout plus cher par image, parce qu'une part plus grande du travail se paie en tokens de sortie. Onze jours après le lancement, la grille tarifaire dit plus que le classement.
Quelqu'un a reconstruit IDM de l'extérieur et a écrit ce qu'il n'a pas touché
Une réimplémentation en Rust d'Internet Download Manager revendique 5 fois la vitesse et 86 langues. Le document le plus intéressant est le paragraphe qui explique comment elle a été construite sans rien copier.
Rune est un framework UI Rust conçu pour qu'un agent puisse vérifier son propre travail
Rune rend en headless, vide son arbre d'éléments et accepte des entrées scriptées, ce qui donne à un agent de codage un signal différable qu'aucune capture d'écran ne fournit. Le framework est en préversion et n'accepte pas de pull requests.