Les modèles se banalisent, les workflows non

Si l’on devait résumer en une phrase ce qui se passe aujourd’hui sur le marché de la génération vidéo par IA, ce serait celle-ci :

« Les modèles se banalisent de plus en plus vite, et ce qui distingue un produit remonte d’un cran, au-dessus du modèle. »

En 2024, le marché se départageait encore sur la capacité d’un modèle à faire bouger une personne de façon crédible ou à imiter un mouvement de caméra. Au fil de 2025, ces écarts se sont vite réduits. En 2026, ce qu’un modèle sait bien faire, un autre le rattrape en deux ou trois mois. L’écart n’a pas disparu : c’est la durée pendant laquelle il reste ouvert qui a raccourci.

Cet article tente de cartographier la direction que prend le secteur, du point de vue de ceux qui construisent des outils au-dessus de ces modèles.

Les modèles se banalisent

La tendance de l’année écoulée est claire.

• Les nouveaux modèles sortent à un rythme plus rapide. Quand une entreprise lance un nouveau modèle, un équivalent apparaît généralement ailleurs dans le même trimestre.
• Le prix à la seconde a baissé. Obtenir le même résultat coûte entre deux et quatre fois moins cher qu’il y a six mois.
• L’open source a rattrapé son retard. Une qualité autrefois réservée aux modèles fermés devient accessible avec des modèles ouverts comme Wan ou HunyuanVideo.

Quand ces trois phénomènes se produisent en même temps, une stratégie produit qui repose sur un seul modèle devient fragile. « Aujourd’hui, le meilleur, c’est le modèle X » : au trimestre suivant, la phrase porte déjà un autre nom.

On a déjà vu ce scénario dans d’autres secteurs. Les bases de données. Le cloud. Au début, le marché se jouait sur le moteur le plus rapide, le fournisseur le moins cher. Avec le temps, moteurs et fournisseurs se sont banalisés, et la différence s’est déplacée vers le haut : vers l’exploitation, les pipelines, les outils.

Selon nous, les modèles vidéo IA suivent le même chemin.

Alors pourquoi le même modèle donne-t-il des résultats si différents ?

Ce qui est intéressant, c’est ce qui se produit en parallèle de cette banalisation.

Deux personnes avec le même modèle, au même prix, avec les mêmes crédits gratuits, qui travaillent sur le même sujet, obtiennent des résultats de qualité très différente. Et la différence ne vient pas du modèle.

Quand on cherche d’où elle vient, on aboutit presque toujours au même endroit.

• Quels prompts ont été essayés, et dans quel ordre
• Comment un personnage est resté le même d’une coupe à l’autre
• Quelles générations ont été gardées, et lesquelles ont été jetées
• Comment les coupes ont été raccordées entre elles

Ce n’est pas le terrain du modèle. C’est celui du workflow.

Un modèle vous donne une coupe. Or un film n’est pas une coupe. C’est une suite de coupes agencées en une histoire. Le chemin qui mène d’« une bonne coupe » à « un bon film » ne relève pas de la responsabilité du modèle.

Plus le modèle se banalise, plus la vraie question du marché devient donc : que met-on par-dessus ?

Le routage des modèles — pas un modèle, plusieurs

L’un des changements à l’œuvre côté outils, c’est le routage des modèles.

Au sein d’une même œuvre, chaque scène est confiée au modèle le plus fort pour elle. Une coupe pleine d’action part vers Kling, une coupe calme et atmosphérique vers Veo, une composition multi-plans vers Seedance, une coupe de remplissage où il faut limiter les coûts vers Wan, en open source. L’utilisateur peut choisir le modèle coupe par coupe, ou l’outil peut router automatiquement selon l’intention de la coupe.

Une fois ce schéma installé, « quel est le meilleur modèle ? » n’est plus la question la plus importante pour l’utilisateur. La question devient « sur quel modèle tourne cette coupe ? », et surtout : « dois-je faire ce choix à chaque fois, ou quelque chose le fait-il pour moi ? »

La responsabilité de l’outil passe ainsi de l’appel à un seul modèle à la sélection et à la combinaison de plusieurs.

La cohérence — ce que les modèles ne résolvent pas

Indépendamment de la banalisation, il existe un problème qu’un modèle seul ne sait pas résoudre.

La cohérence des personnages.

Un personnage réussi dans une coupe revient légèrement différent dans la suivante : la longueur des cheveux change, la tenue ressemble à un autre vêtement. Pour une image fixe, une bonne image suffit. En vidéo, plusieurs coupes doivent être perçues par le spectateur comme une seule et même personne.

Les modèles commencent à s’attaquer au problème, en partie : entrées de conditionnement plus riches, embeddings dédiés aux personnages, approches par adaptateurs comme les LoRA. Mais un seul appel à un modèle ne suffit pas encore à garder une identité stable sur toute une œuvre.

La cohérence s’installe donc dans la couche outils, comme un problème de système.

• Définir les personnages au niveau du projet, et non coupe par coupe.
• Associer à chaque personnage un adaptateur entraîné (un LoRA ou équivalent) et le combiner automatiquement à chaque génération.
• Réinjecter les coupes précédentes d’un même personnage comme références pour les suivantes.

Ce type d’infrastructure ne devient pas automatiquement moins cher quand le prix des modèles baisse. C’est à ceux qui font les outils de la construire et de la faire tourner.

Alors, vers où vont les outils ?

Mis bout à bout, ces éléments dessinent assez clairement le déplacement du centre de gravité du secteur.

Les modèles se ressemblent de plus en plus et coûtent de moins en moins cher, de plus en plus vite. Un produit qui n’est qu’une fine surcouche au-dessus d’un seul modèle perd vite son intérêt. Ce qui garde de la valeur, c’est d’offrir un bon résultat sans que l’utilisateur ait à se demander « est-ce que ça tourne sur le modèle X ou sur le modèle Y ? ».

Le workflow, la cohérence, la séquence : cette partie-là ne se banalise pas. Les étapes qu’un utilisateur traverse pour réaliser non pas une coupe mais un film entier ne coûtent pas moins cher parce que le prix des modèles a baissé. Au contraire, plus les modèles deviennent rapides et bon marché, plus les utilisateurs génèrent, comparent et choisissent. Il leur faut un outil capable d’accueillir tout ce processus.

Le périmètre de responsabilité de l’outil s’élargit.

• Automatiser le choix du modèle (routage)
• Préserver les personnages, les styles et les règles de l’univers au niveau du projet
• Garder un fil cohérent du scénario au storyboard, des coupes à la timeline
• Garder la trace des nombreux essais de l’utilisateur et permettre de les comparer

Ce travail-là conserve sa valeur, quel que soit le modèle qui sortira au prochain trimestre. On peut changer de modèle. On ne peut pas changer le travail que l’utilisateur a bâti autour.

Pour conclure

« Quel est le meilleur modèle ? » devient une question qu’on se repose chaque trimestre, parfois chaque mois. Quand une question doit être reposée aussi souvent, c’est que son poids diminue.

Les modèles se banalisent. Ce que l’on met par-dessus, non.

En tant que constructeurs d’outils, nous nous tenons sur cette couche supérieure. Plus les modèles progressent vite, plus les problèmes à résoudre au-dessus d’eux apparaissent clairement, et non l’inverse. Plus un modèle excelle sur une coupe, plus l’utilisateur a envie de faire un film, et pas seulement une coupe.

Nous ne savons pas quel modèle sortira au prochain trimestre. Mais quand il arrivera, faire en sorte que l’utilisateur ne perde ni son personnage ni le fil de son scénario en l’adoptant, c’est le rôle de l’outil.

Cet article vous a-t-il été utile ?

Vos retours nous aident à préparer nos prochains articles.

UtileEnvoyer un retour à l’auteur