La génération vidéo par IA : Veo, Sora 2, Kling et la nouvelle image animée

Fin 2025, une phrase suffit désormais à faire naître une scène de cinéma. On décrit un décor, un personnage, une lumière, une intention, et quelques dizaines de secondes plus tard un plan animé apparaît, parfois accompagné de dialogues, de bruits d'ambiance et de musique. Ce que l'on tenait pour une curiosité de laboratoire deux ans plus tôt est devenu, en l'espace de quelques mois, un champ créatif à part entière, peuplé de modèles concurrents aux noms bientôt familiers : Veo du côté de Google, Sora chez OpenAI, Kling porté par le chinois Kuaishou, Runway pour l'un des pionniers du domaine. Cet article dresse le panorama de cet écosystème tel qu'il s'est structuré au tournant de 2025, la manière dont il s'est constitué, ce qu'il a fait basculer dans les pratiques et la portée qu'on lui devine avec le recul de l'été 2026.

Le sujet mérite un cadrage. Il ne s'agit pas ici de revenir en détail sur tel ou tel modèle pris isolément, mais de saisir un mouvement d'ensemble : comment la génération vidéo par intelligence artificielle est passée, en une saison, du plan muet de quelques secondes à des séquences cohérentes, sonores et pilotables. Un mot de méthode d'abord. Autour de ces technologies circulent des récits enthousiastes et des chiffres parfois approximatifs, souvent relayés de blog en blog sans source première. Les dates, versions et déclarations réunies ici proviennent des annonces officielles des acteurs concernés, de la presse technologique établie et des pages de documentation publiques. Lorsqu'une information n'a pu être confirmée par une source solide, elle est présentée avec la réserve qui convient. C'est la règle de ce média : on privilégie ce qui se vérifie.

Ce que c'était : l'état de la vidéo générative fin 2025

Pour mesurer le chemin parcouru, il faut se figurer le paysage tel qu'il se présentait à l'automne 2025. En quelques mois, plusieurs modèles de premier plan avaient franchi un seuil qualitatif qui les distinguait nettement de la génération précédente. Trois traits résument cette bascule : la cohérence dans la durée, l'arrivée du son, et un contrôle accru laissé à l'utilisateur.

Les trois acquis qui, conjugués, font basculer la vidéo générative du prototype à l'outil de travail.

Veo 3, ou la vidéo qui parle

Google a marqué ce tournant lors de sa conférence annuelle pour développeurs, Google I/O, en mai 2025, avec Veo 3, développé par sa division de recherche DeepMind. La rupture ne tenait pas seulement à la finesse de l'image, déjà remarquable, mais à une capacité que les modèles antérieurs n'offraient pas : générer, dans un même mouvement, la vidéo et sa bande sonore. Dialogues synchronisés avec le mouvement des lèvres, effets sonores calés sur l'action, ambiances correspondant au décor — le son n'était plus ajouté après coup, il naissait avec l'image. Demis Hassabis, cofondateur et directeur de DeepMind, a résumé l'enjeu d'une formule restée célèbre.

Pour la première fois, nous sortons de l'ère du muet de la génération vidéo.
— Demis Hassabis, directeur de Google DeepMind, à propos de Veo 3, mai 2025

À retenir. Avec Veo 3 (mai 2025), le son n'est plus ajouté après la vidéo : il est généré en même temps qu'elle, synchronisé avec les lèvres et l'action. Cette « génération conjointe » image + son est ce qui fait date — elle rapproche le résultat d'un extrait fini plutôt que d'une matière brute à sonoriser.

Sur le plan technique, Veo 3 produisait des séquences de quelques secondes, avec une résolution élevée et un traitement conjoint de l'image et du son au sein d'un même modèle. Cette génération jointe, où le système raisonne simultanément sur les composantes visuelles et sonores, expliquait la qualité de la synchronisation. Google prolongea l'effort à l'automne : le 15 octobre 2025, DeepMind présentait Veo 3.1, décrit comme apportant un audio plus riche, un meilleur contrôle narratif et un réalisme accru, avec des textures plus fidèles. Cette mise à jour élargissait aussi la palette d'édition, en ajoutant la possibilité d'insérer ou de retirer des objets et d'étendre des plans, tout en portant le son à des fonctions qui en étaient dépourvues.

Sora 2, la réponse d'OpenAI

À quelques semaines de là, OpenAI répliquait. Le 30 septembre 2025, l'entreprise dévoilait Sora 2, une nouvelle version de son modèle de génération vidéo, présentée comme plus fidèle aux lois de la physique, plus réaliste et plus contrôlable que ses prédécesseurs. Comme Veo 3, Sora 2 produisait des clips accompagnés d'un son synchronisé : dialogues, effets et musique lorsqu'ils s'imposaient. La cohérence physique était mise en avant comme un progrès marquant — la façon dont les objets tombent, rebondissent, se déplacent selon des trajectoires plausibles, là où les modèles antérieurs trahissaient souvent une compréhension approximative du monde.

Sora 2 s'accompagnait d'une application mobile dédiée, pensée pour un usage social, avec une fonction de « cameos » permettant à un utilisateur de s'insérer, avec son consentement, dans les scènes générées. L'accès, d'abord sur invitation et limité à l'Amérique du Nord, traduisait une mise à disposition prudente et progressive. Ce lancement s'inscrivait dans une lignée : dix-neuf mois plus tôt, OpenAI avait déjà bousculé le domaine en dévoilant le premier Sora.

Kling, la montée en puissance venue de Chine

Le paysage ne se limitait pas aux deux acteurs américains. Le chinois Kuaishou, éditeur d'une application de vidéo courte, avait lancé son modèle Kling à l'été 2024 et l'avait fait progresser à un rythme soutenu. Son site officiel avait ouvert le 6 juin 2024, suivi d'une fonction de génération de vidéo à partir d'une image dès le 21 juin, puis d'une mise à niveau du modèle de base le 6 juillet, portant notamment la durée de génération à dix secondes. Kling proposait des clips en haute définition, avec un contrôle des images de début et de fin et des mouvements de caméra.

La cadence des versions dit assez la vitalité du secteur. Kuaishou a présenté Kling 1.6 en décembre 2024, puis Kling 2.0 en avril 2025 et Kling 2.1 en mai 2025, chaque itération améliorant la qualité et le contrôle. Cette progression rapide, portée par un acteur adossé à une plateforme aux centaines de millions d'utilisateurs, rappelait que la génération vidéo par IA n'était pas l'affaire d'une seule région du monde, mais une compétition ouverte et mondiale.

Runway, le pionnier qui tenait son rang

Enfin, on ne saurait dresser ce panorama sans Runway, l'une des sociétés qui avaient défriché le terrain de la vidéo générative bien avant l'entrée en scène des géants. Le 31 mars 2025, l'entreprise présentait Gen-4, décrit comme une avancée notable dans la capacité des modèles à simuler le monde réel. Son apport le plus commenté tenait à la cohérence des personnages, des lieux et des objets d'un plan à l'autre, à partir d'une seule image de référence — une réponse à l'un des écueils historiques de la vidéo générée, où un même personnage changeait de visage d'un instant à l'autre. Une variante plus rapide, Gen-4 Turbo, suivait en avril 2025, capable de produire, selon Runway, un clip de dix secondes en une trentaine de secondes.

À ces quatre familles s'ajoutaient d'autres acteurs, tel le chinois ByteDance qui présentait à l'été 2025 son propre modèle vidéo. Le champ était devenu foisonnant, signe qu'aucun acteur ne détenait de position acquise et que l'émulation nourrissait le progrès. Voici, pour fixer les repères, une chronologie des jalons vérifiés de cette période.

Jalon	Date	Acteur	Repère
Sora (première version) dévoilé	15 février 2024	OpenAI	Aperçu du modèle, clips de démonstration
Kling mis en test public	6 juin 2024	Kuaishou	Ouverture du site officiel
Sora ouvert au public (Sora Turbo)	Décembre 2024	OpenAI	Accès pour les abonnés ChatGPT Plus et Pro, États-Unis et Canada
Runway Gen-4	31 mars 2025	Runway	Cohérence des personnages à partir d'une image
Veo 3	Mai 2025 (Google I/O)	Google DeepMind	Audio natif synchronisé
Sora 2	30 septembre 2025	OpenAI	Physique améliorée, audio, application dédiée
Veo 3.1	15 octobre 2025	Google DeepMind	Audio enrichi, insertion et retrait d'objets

Sources : annonces officielles d'OpenAI, de Google DeepMind, du groupe Kuaishou et de Runway ; presse technologique spécialisée (2024-2025). Certaines dates de versions intermédiaires proviennent de communications d'entreprise.

À retenir. En dix-huit mois, la vidéo générative est passée d'un acteur pionnier à six familles de modèles sérieuses, réparties entre les États-Unis et la Chine. Le calendrier fonctionne en cliquet : chaque avancée — son natif chez Veo, cohérence chez Runway, physique chez Sora — devient aussitôt la nouvelle référence à dépasser. C'est ce rythme mensuel qui rend toute hiérarchie fragile et vite datée.

Le contexte : d'une démonstration muette à un écosystème

Ce foisonnement de l'automne 2025 n'est pas né de rien. Il couronne une trajectoire de quelques années, où la génération vidéo est passée d'une promesse spectaculaire mais fragile à une réalité industrielle. Pour saisir la portée du moment, il faut remonter le fil.

Le choc de février 2024

Le point de bascule symbolique remonte au 15 février 2024. Ce jour-là, OpenAI dévoilait le premier Sora en diffusant plusieurs clips en haute définition, produits par le modèle : un véhicule descendant une route de montagne, deux personnes marchant dans les rues enneigées de Tokyo, une scène d'archive reconstituée. L'entreprise indiquait pouvoir générer des vidéos allant jusqu'à une minute. La qualité de ces démonstrations, très supérieure à ce que le public connaissait alors, produisit un effet considérable. On tenait la preuve qu'une IA pouvait fabriquer, à partir d'un texte, des séquences vidéo d'un réalisme troublant.

Il fallut toutefois attendre pour que le grand public y accède. Ce n'est qu'en décembre 2024 que la première génération de Sora fut ouverte, sous une forme optimisée baptisée Sora Turbo, aux abonnés payants de ChatGPT aux États-Unis et au Canada. Entre l'aperçu de février et l'ouverture de décembre, dix mois s'étaient écoulés — le temps, pour les concurrents, de préparer leurs propres réponses. Ce média a d'ailleurs consacré des analyses dédiées à ces deux moments fondateurs de Sora ; le présent article ne les répète pas, mais s'attache au tableau d'ensemble qu'ils ont contribué à dessiner.

La diffusion, socle technique commun

Derrière la diversité des marques, ces modèles partagent une parenté technique. La plupart reposent sur des méthodes dites de diffusion, souvent couplées à des architectures de type transformeur. Le principe, sans entrer dans le détail, consiste à apprendre à un système à reconstituer une image ou une séquence à partir d'un signal bruité, en le guidant par une description. Appliquée à la vidéo, cette approche doit relever une difficulté propre : assurer la continuité entre les images successives, pour que le mouvement soit fluide et que les éléments ne se déforment pas de manière incohérente d'un instant à l'autre.

C'est précisément sur ce terrain que se sont concentrés les progrès de 2025. La cohérence temporelle — le fait qu'un personnage garde son apparence, qu'un objet conserve sa forme, qu'une scène reste stable dans la durée — constituait le talon d'Achille des premières générations. Les modèles de l'automne 2025 l'avaient nettement améliorée, au point de rendre exploitables des plans de plusieurs secondes sans les déformations qui trahissaient auparavant l'origine artificielle des images.

La diffusion : le modèle apprend à reconstituer une image en partant d'un signal bruité, guidé par une description. Pour la vidéo, il faut en plus assurer la continuité du mouvement d'une image à l'autre.

Une compétition qui accélère le progrès

Le contexte concurrentiel a joué un rôle moteur. En l'espace de dix-huit mois, la vidéo générative est passée d'un ou deux acteurs visibles à une demi-douzaine de familles de modèles sérieuses, réparties entre les États-Unis et la Chine. Cette émulation a produit un effet de cliquet : chaque avancée d'un acteur devenait la nouvelle référence que les autres cherchaient à dépasser. L'arrivée du son avec Veo 3 en mai 2025, la cohérence des personnages avec Runway Gen-4 en mars, la physique améliorée de Sora 2 en septembre — autant de jalons qui se répondaient et tiraient l'ensemble vers le haut.

Cette dynamique explique la densité du calendrier. Là où d'autres domaines de l'IA connaissent des paliers espacés, la vidéo générative a enchaîné les versions à un rythme mensuel, chaque acteur peaufinant son modèle sous le regard des autres. Pour l'observateur, la difficulté tient d'ailleurs à cette vitesse : une hiérarchie établie un mois se trouve rebattue le suivant, et il convient de rester prudent sur toute prétention à désigner un « meilleur » modèle durable.

Ce que ça a changé : cohérence, son et nouveaux usages

Que change concrètement cette maturité de la vidéo générative ? L'impact se lit sur trois plans : la qualité technique des séquences, l'éventail des usages ouverts, et les questions de traçabilité que cette puissance soulève.

La cohérence temporelle, condition de l'exploitable

Le premier acquis tient à la stabilité des plans dans la durée. Une vidéo n'est pas une image fixe : elle exige que chaque instant s'enchaîne au suivant sans rupture. Les modèles de 2025 ont fait de nets progrès sur ce point, en maintenant l'apparence des personnages, la constance des décors et la plausibilité des mouvements sur des séquences de plusieurs secondes. Runway avait fait de la cohérence des personnages l'argument central de Gen-4 ; les autres acteurs travaillaient la même exigence sous des angles voisins. Ce gain, en apparence technique, conditionne tout le reste : sans continuité crédible, aucun usage professionnel n'est envisageable.

Le son, une dimension nouvelle

Le deuxième bouleversement est l'arrivée de l'audio. Jusqu'au printemps 2025, les modèles produisaient des images muettes, auxquelles il fallait ajouter une bande-son a posteriori. Veo 3 a introduit la génération conjointe du son et de l'image, bientôt suivi par Sora 2. Ce changement n'est pas cosmétique. Une vidéo sonore, avec des dialogues synchronisés et des ambiances calées sur l'action, constitue un objet d'une tout autre nature qu'une suite d'images silencieuses. Elle se rapproche d'un extrait fini, prêt à être visionné, là où la génération muette n'offrait qu'une matière brute à sonoriser.

Cette bascule sonore explique le retentissement de l'automne 2025. Elle a rapproché la génération vidéo d'un usage direct, en réduisant l'écart entre la production d'un plan et son exploitation. La formule de Demis Hassabis sur la sortie de « l'ère du muet » dit bien la portée symbolique du moment : le passage d'un cinéma silencieux à un cinéma parlant, transposé à l'échelle de la génération automatique.

Des positionnements techniques distincts

Si tous ces modèles poursuivent le même but, ils ne font pas les mêmes choix. Les différences de conception dessinent des profils complémentaires plutôt qu'une simple hiérarchie. La résolution en offre un exemple : Veo 3 visait une définition élevée — 720p au lancement, portée à 1080p à l'automne 2025 puis jusqu'à la 4K avec la mise à jour Veo 3.1 —, quand Sora 2 se concentrait, en version standard, sur une définition plus modeste d'environ 720 pixels de hauteur, la 1080p restant réservée à sa déclinaison Pro. La durée des plans obéissait à une logique inverse : là où Veo 3 privilégiait des séquences de quelques secondes en très haute définition, Sora 2 autorisait des clips plus longs à définition moindre. La mise à jour Veo 3.1 est venue rebattre ces cartes en autorisant, à son tour, des plans sensiblement plus longs.

Simulateur — l'arbitrage définition / durée

À budget de calcul donné, monter en définition réduit mécaniquement la durée accessible : le coût de génération grossit avec le nombre de pixels traités. Réglez les curseurs pour comprendre pourquoi Veo 3 (très haute définition, plans courts) et Sora 2 (définition plus modeste, plans plus longs) n'ont pas fait les mêmes choix.

Définition visée Durée de référence à 720p : 10 s

Illustration pédagogique du coût de calcul (proportionnel au nombre de pixels × au nombre d'images), étalonnée sur l'ordre de grandeur d'un clip d'une dizaine de secondes en 720p. Les durées réelles dépendent du modèle, de la version et de l'infrastructure.

Ces arbitrages traduisent des priorités différentes. Un modèle qui vise la 4K privilégie la finesse de l'image pour des usages exigeants ; un modèle qui allonge la durée mise sur la continuité narrative, précieuse pour raconter une action dans le temps. À cela s'ajoute la question du son : intégré nativement chez certains, à ajouter séparément chez d'autres selon les versions et les périodes. Ces spécifications ayant évolué de mois en mois, et les sources secondaires divergeant parfois sur les chiffres exacts, mieux vaut retenir la tendance que se fier à une valeur figée. Le tableau ci-dessous en donne un aperçu, à prendre comme un ordre de grandeur situé à l'automne 2025 plutôt que comme une fiche technique définitive.

Critère	Veo 3 / Veo 3.1 (Google)	Sora 2 (OpenAI)
Définition	720p au lancement, 1080p puis 4K avec Veo 3.1	720p en version standard, 1080p en version Pro
Durée des plans	Quelques secondes ; allongée avec Veo 3.1	Plans plus longs, de l'ordre de plusieurs secondes à quelques dizaines
Audio	Génération native, synchronisée	Son synchronisé mis en avant à l'annonce
Atout distinctif	Définition et fidélité de l'image, édition	Cohérence des personnages, application sociale dédiée

Sources : annonces officielles de Google DeepMind et d'OpenAI ; comparatifs de la presse technologique (2025). Valeurs indicatives, susceptibles d'évoluer selon les versions ; à considérer comme des ordres de grandeur.

Des usages créatifs qui se dessinent

Sur le terrain des usages, la maturité de ces modèles a ouvert un éventail de pratiques que l'on voit se structurer. Sans prétendre à l'exhaustivité, plusieurs se dégagent avec netteté.

Le prototypage visuel — esquisser rapidement l'idée d'une séquence, tester une ambiance ou un cadrage avant d'engager une production, en explorant plusieurs pistes à faible coût de temps.
La création de contenus courts — produire des clips pour les réseaux sociaux, où le format bref et vertical s'accorde aux capacités des modèles.
L'illustration et l'habillage — générer des plans d'illustration, des transitions ou des éléments d'habillage pour compléter un montage existant.
La pré-visualisation — donner à voir une intention de mise en scène, un décor ou une lumière, comme aide à la conception d'un projet audiovisuel plus vaste.
L'exploration artistique — investir la vidéo générative comme un medium à part entière, pour des œuvres qui assument leur nature.

Ces usages partagent un trait : ils augmentent le travail créatif sans prétendre s'y substituer. La génération vidéo apparaît, dans ces pratiques, comme un outil de plus dans la main de qui conçoit — un moyen d'accélérer, d'explorer, de matérialiser une idée, dont le résultat reste le plus souvent une matière à retravailler plutôt qu'un produit fini livré tel quel.

La question de la provenance

Cette puissance nouvelle appelle une contrepartie : la capacité à distinguer une vidéo fabriquée d'une prise de vue réelle. Les acteurs du secteur en ont pris la mesure. OpenAI indique associer aux vidéos produites par Sora des signaux de provenance : un filigrane visible et animé sur les vidéos issues de son application, ainsi que des métadonnées C2PA, une signature normalisée à l'échelle de l'industrie qui atteste l'origine du contenu. La norme C2PA, portée par une coalition d'acteurs de la technologie et des médias, vise précisément à rendre lisible et vérifiable l'origine d'un fichier.

La démarche mérite d'être saluée, sans en masquer les limites. Des observateurs ont relevé que ces marques de provenance ne survivent pas toujours au parcours d'un fichier : le réencodage lors d'une mise en ligne, la compression opérée par certaines plateformes ou l'usage d'outils tiers peuvent effacer les métadonnées. La traçabilité reste donc un chantier ouvert, où la robustesse des signaux face aux manipulations constitue l'enjeu central. Ce média, qui signale à chacun de ses articles qu'ils sont rédigés par une intelligence artificielle sous supervision humaine, ne peut qu'encourager cet effort de transparence, tout en reconnaissant qu'il demande encore à mûrir.

La signature C2PA accompagne le fichier dès sa création, mais le réencodage par les plateformes peut l'effacer en cours de route — d'où un chantier de robustesse encore ouvert.

Chaque vidéo générée avec Sora intègre des signaux de provenance à la fois visibles et invisibles, afin d'en attester l'origine.
— Synthèse de la position exprimée par OpenAI sur la provenance des contenus Sora, 2025

L'héritage : un outil créatif installé dans le paysage

Avec le recul de l'été 2026, comment lire cette séquence de l'automne 2025 ? Elle apparaît comme le moment où la génération vidéo a cessé d'être une démonstration pour devenir un outil, intégré aux flux de travail et disponible à travers une pluralité d'offres concurrentes.

Une intégration dans les outils de travail

Le premier héritage tient à la diffusion de ces capacités au sein des environnements de production. Plutôt que de rester cantonnés à des sites de démonstration, les modèles vidéo se sont progressivement invités dans des outils que les créateurs utilisent au quotidien. Google a distribué Veo à travers son interface de création dédiée et ses services associés ; d'autres éditeurs de logiciels de montage ont intégré des capacités de génération à leurs environnements. Cette logique d'intégration reproduit un schéma déjà observé pour l'image fixe : une technologie de rupture s'installe durablement lorsqu'elle rejoint les gestes existants au lieu d'exiger un environnement séparé.

Une pluralité d'acteurs, gage de vitalité

Le deuxième trait marquant est l'absence de position dominante figée. À la différence de domaines où un acteur s'impose durablement, la vidéo générative de 2025-2026 se caractérise par une concurrence vive entre plusieurs familles de modèles, réparties de part et d'autre du Pacifique. Google, OpenAI, Kuaishou, Runway, ByteDance et d'autres se disputent le terrain, chacun avec ses forces. Cette diversité profite aux usagers : elle entretient l'innovation, ouvre le choix et évite la dépendance à un fournisseur unique. Elle impose aussi une prudence à l'analyste, tant les classements se rebattent au gré des versions.

Adobe, acteur historique des outils de création, avait d'ailleurs présenté dès octobre 2024 un modèle vidéo intégré à ses logiciels de montage, en le mettant en avant comme conçu pour un usage commercial serein. Cette entrée d'un éditeur établi confirmait que la vidéo générative n'était plus l'apanage des seuls laboratoires, mais devenait une brique attendue des suites professionnelles.

Le débat sur les droits, ravivé par Sora 2

La puissance de ces modèles a aussi ravivé, avec une acuité nouvelle, la question des droits attachés aux œuvres et aux personnes. Le lancement de Sora 2 en a fourni l'illustration la plus commentée. À son ouverture, le 30 septembre 2025, l'application permettait de générer des vidéos mettant en scène des personnages protégés de grandes franchises, sauf pour les ayants droit qui s'y étaient explicitement opposés. Ce mécanisme, où la protection reposait sur une démarche de retrait plutôt que sur un accord préalable, souleva une vive réaction dans les milieux du divertissement.

OpenAI infléchit rapidement sa position. Dès le 3 octobre 2025, soit trois jours après le lancement, l'entreprise annonçait un renforcement de son cadre, promettant de laisser aux ayants droit un contrôle accru sur l'apparition de leurs personnages, assorti d'un dispositif de partage de revenus pour ceux qui accepteraient de participer. Sam Altman, son dirigeant, évoquait publiquement l'intention de reverser une part des recettes aux détenteurs de droits qui consentiraient à voir leurs personnages générés par les utilisateurs. L'organisation représentant les grands studios de cinéma, de son côté, rappelait que l'existence d'un mécanisme de retrait ne dispensait pas du respect du droit d'auteur, tandis qu'un groupement d'entreprises japonaises demandait à l'entreprise de cesser d'utiliser leurs contenus pour l'entraînement.

Cet épisode illustre une tension de fond qui traverse tout le domaine. La matière première de ces modèles — les données sur lesquelles ils apprennent — soulève des interrogations légitimes sur le consentement des créateurs et la juste rétribution de leur travail. La rapidité du revirement d'OpenAI témoigne de la sensibilité du sujet et de la vigilance des acteurs concernés. Elle montre aussi que le débat, loin d'être clos, façonne activement les conditions d'usage de ces technologies. La recherche d'un équilibre entre l'ouverture créative et le respect des droits demeure l'un des chantiers déterminants de la période.

À retenir. Le 30 septembre 2025, Sora 2 ouvre avec un mécanisme de retrait : les personnages protégés y figurent par défaut, sauf opposition expresse des ayants droit. Trois jours plus tard, le 3 octobre, OpenAI fait machine arrière et promet un contrôle accru, assorti d'un partage de revenus pour ceux qui consentiraient. L'épisode montre à quelle vitesse le débat sur les droits façonne concrètement les conditions d'usage — et que la question d'un accord préalable reste entière.

Les défis techniques qui subsistent

Malgré les progrès, plusieurs limites continuaient de baliser le champ fin 2025, et il serait trompeur de les passer sous silence. La première tient à la durée. Générer des plans de quelques secondes est une chose ; produire des séquences longues, cohérentes d'un bout à l'autre, en reste une autre, plus ardue. La cohérence se maintient d'autant plus difficilement que le plan s'allonge, et les modèles peinaient encore à tenir un récit continu sur une durée étendue sans rupture ni dérive.

La deuxième limite touche à la maîtrise fine du résultat. Obtenir exactement le plan voulu, avec le cadrage, le mouvement de caméra et le détail précis que l'on a en tête, demandait souvent plusieurs tentatives et un ajustement patient des consignes. Les fonctions d'édition introduites au fil des versions — insertion et retrait d'objets, images de début et de fin, images de référence — répondaient précisément à ce besoin de contrôle, mais l'écart entre l'intention et le résultat n'était pas entièrement comblé. La troisième limite, moins visible, tient au coût de calcul : produire de la vidéo mobilise des ressources considérables, ce qui pèse sur la longueur des plans, la vitesse de génération et l'accessibilité de ces outils à grande échelle.

Ces réserves ne diminuent pas la portée de l'avancée ; elles en précisent le contour. Elles rappellent que la génération vidéo, aussi impressionnante soit-elle, demeurait un domaine en construction, dont chaque version repoussait un peu les frontières sans les effacer. C'est d'ailleurs ce qui rend l'exercice du bilan délicat : ce qui valait comme limite à l'automne 2025 pouvait se trouver partiellement levé quelques mois plus tard.

La traçabilité, un chantier structurant

Le troisième legs, plus discret mais déterminant, concerne la provenance des contenus. En inscrivant, dès cette période, des signaux d'origine dans les vidéos générées, les acteurs ont posé les jalons d'une culture de la traçabilité. La norme C2PA et les filigranes, visibles ou non, se sont affirmés comme des réponses concrètes à une préoccupation légitime : savoir ce que l'on regarde. Le chantier est loin d'être achevé — la robustesse des signaux face à la compression et au réencodage reste à consolider — mais le principe s'est imposé comme une exigence reconnue. Il structure désormais le débat sur les conditions d'un usage responsable de ces technologies.

Ce que le recul permet de dire

Une prudence s'impose au moment de tirer le bilan. La vitesse d'évolution du domaine rend toute photographie rapidement datée. De nouvelles versions ont continué de paraître après l'automne 2025, affinant la qualité, allongeant la durée des plans, enrichissant le son et le contrôle. Il serait donc imprudent de figer une hiérarchie ou de présenter tel modèle comme définitivement supérieur. Ce que l'on peut affirmer, en revanche, tient à la nature du seuil franchi : la génération vidéo est devenue, en cette période, un outil créatif crédible, sonore et cohérent, adopté au-delà du cercle des expérimentateurs.

Il faut aussi mesurer ce que ce moment a déplacé dans le rapport des créateurs à ces technologies. Avant 2025, la vidéo générée par IA relevait pour beaucoup de la démonstration impressionnante mais peu exploitable. La conjonction de la cohérence, du son et du contrôle a changé cette perception, en faisant de ces modèles des instruments avec lesquels on peut réellement travailler. Les questions ouvertes — sur les droits, sur la provenance, sur les usages — n'ont pas disparu pour autant, et elles continuent d'animer la réflexion. Mais elles se posent désormais sur le terrain d'une technologie mûre, entrée dans le paysage.

Un horizon créatif qui se dessine

Le tournant de 2025 restera comme celui où la génération vidéo par intelligence artificielle a trouvé sa consistance. En quelques mois, plusieurs modèles ont conjugué cohérence temporelle, son synchronisé et contrôle accru, ouvrant un champ de possibilités que l'on devinait sans le voir encore. Veo, Sora, Kling, Runway et les autres n'ont pas rivalisé pour dominer un marché figé, mais pour repousser ensemble une frontière commune, chaque avancée appelant la suivante.

Ce que cette période a démontré dépasse la seule prouesse technique. Elle a montré qu'une capacité longtemps réservée aux studios les mieux équipés pouvait se démocratiser, se glisser dans les outils du quotidien et enrichir le geste créatif sans le confisquer. La suite dépendra, comme toujours, de la manière dont les créateurs choisiront de s'en saisir, et de la rigueur avec laquelle le secteur consolidera la traçabilité de ce qu'il produit. Une chose paraît acquise : l'image animée par IA n'est plus une promesse lointaine, mais un horizon créatif que l'on explore déjà, chaque jour un peu plus loin.