Movie Gen de Meta : l’IA qui génère des vidéos réalistes avec leur bande-son

Faire surgir une scène filmée à partir d’une phrase, puis lui ajouter le bruit des vagues, une musique ou le souffle du vent : c’est la promesse de Movie Gen, la nouvelle famille de modèles d’intelligence artificielle présentée par Meta le 4 octobre 2024. Le groupe entend franchir une étape dans la génération de médias, en réunissant vidéo, son et outils d’édition dans un même ensemble technologique.

Les séquences montrées par Meta ont de quoi retenir l’attention. Un animal peut se retrouver dans une situation improbable, par exemple un chien sur une planche de surf, sans qu’une caméra, un décor ou un acteur animal n’aient été nécessaires. Mais l’annonce ne signifie pas que chacun peut déjà produire ce type de film en quelques clics. Au 5 octobre 2024, Movie Gen est avant tout une démonstration de recherche, dont il faut comprendre les capacités réelles autant que les limites.

Ce que Meta a présenté avec Movie Gen

Movie Gen n’est pas un seul logiciel de montage ni un simple générateur de clips. Meta le décrit comme une famille de modèles de génération de médias, conçus pour répondre à plusieurs tâches : créer une vidéo depuis du texte, animer une image fournie, retoucher une séquence ou fabriquer sa piste audio.

Le cœur vidéo, baptisé Movie Gen Video, compte 30 milliards de paramètres. Dans le vocabulaire de l’IA, les paramètres sont les valeurs mathématiques ajustées pendant l’entraînement du modèle. Ce nombre ne garantit pas à lui seul la qualité d’une vidéo, mais il donne une idée de l’ampleur du système mis au point par Meta.

Les principales caractéristiques annoncées sont les suivantes :

Meta affirme que son modèle vidéo peut générer des clips en 1080p avec plusieurs formats d’image. Cette précision compte pour les usages audiovisuels : une vidéo générée ne se limite plus à une petite animation carrée destinée à un fil de discussion. Elle peut, en théorie, s’insérer dans un projet plus proche des standards de diffusion actuels, même si ses 16 secondes imposent un format très court.

Comment une phrase devient-elle une vidéo ?

Movie Gen appartient à la catégorie des modèles dits « texte-à-vidéo ». L’utilisateur formule une instruction décrivant un sujet, une action et un environnement. Le modèle produit ensuite une succession d’images cohérentes qui donne l’impression d’un mouvement filmé. Une demande peut ainsi évoquer un animal, un paysage, une personne ou une action précise.

Le défi est plus complexe que dans la génération d’une image fixe. Pour qu’un clip soit convaincant, le système doit conserver l’apparence des personnages et des objets d’une image à l’autre, respecter une certaine logique dans les mouvements, maintenir le décor et proposer une mise en scène visuellement plausible. Un personnage qui change de vêtements sans raison, un objet qui disparaît ou une main déformée suffisent à briser l’illusion.

Meta met également l’accent sur la possibilité de contrôler la vidéo par une consigne. L’objectif n’est donc pas seulement de demander « un chat qui nage », mais de pouvoir orienter l’action, le cadre et les éléments de la scène. C’est cette précision qui distingue, en principe, un outil utile pour la création d’une simple machine à produire des clips aléatoires.

Une autre fonction présentée par Meta consiste à personnaliser les vidéos à partir d’une image. Une photographie peut servir de référence pour placer une personne dans une scène générée. Cette possibilité ouvre des perspectives pour les créateurs, mais elle demande une vigilance particulière : utiliser le visage d’une personne sans son accord peut être trompeur ou porter atteinte à ses droits.

Pourquoi l’audio change la portée de l’outil

La particularité la plus mise en avant dans l’annonce est l’ajout du son. Meta a développé Movie Gen Audio, un modèle de 13 milliards de paramètres capable de créer jusqu’à 45 secondes de contenu sonore à partir d’une description textuelle ou d’une vidéo.

Le système peut produire plusieurs couches audio : des sons d’ambiance, comme la pluie ou le trafic, des bruitages associés à une action, mais aussi une musique de fond. Dans une scène de surf, l’enjeu n’est donc plus seulement de montrer une vague : l’outil peut chercher à générer l’environnement sonore correspondant, avec le déferlement de l’eau et une ambiance adaptée.

Cette séparation entre génération vidéo et génération audio est importante. Créer des images animées est une tâche, produire un son qui semble cohérent avec l’action en est une autre. Réunir les deux rend l’expérience plus immersive, mais augmente aussi les attentes. Un son mal synchronisé ou une ambiance qui ne correspond pas à l’image peut rendre un contenu artificiel immédiatement perceptible.

Meta présente aussi Movie Gen comme un outil d’édition. Une instruction en langage naturel peut servir à modifier une partie du clip plutôt que de recommencer toute la génération. Le groupe cite notamment l’ajout, le retrait ou le remplacement d’objets, ainsi que des changements portant sur le décor, les mouvements ou des éléments particuliers de la scène.

Quels usages pour les créateurs et les entreprises ?

Pour les professionnels de la communication, de courtes séquences générées peuvent servir à explorer rapidement une idée de publicité, un storyboard, une ambiance ou une animation destinée aux réseaux sociaux. L’intérêt potentiel tient à la vitesse de prototypage : avant de mobiliser un tournage, une équipe peut visualiser une intention et en discuter.

Les créateurs indépendants pourraient aussi y voir un moyen de donner une forme à des concepts difficiles ou coûteux à filmer. Une scène irréaliste, un animal dans une situation spectaculaire ou un décor imaginaire deviennent accessibles sans location de lieu ni effets spéciaux traditionnels. Cela ne remplace pas automatiquement les compétences d’écriture, de réalisation, de montage et de direction artistique. En revanche, cela peut déplacer une partie du travail vers la formulation des consignes et la sélection des résultats.

Dans le cinéma, l’animation ou le jeu vidéo, un tel modèle peut être envisagé comme un outil de prévisualisation. Il pourrait aider à tester un cadrage, un mouvement ou une atmosphère avant une production plus lourde. Les clips de 16 secondes annoncés par Meta restent toutefois très éloignés de la fabrication complète d’un long métrage, où la continuité narrative, l’interprétation et la cohérence entre des centaines de plans sont essentielles.

Il faut aussi distinguer la démonstration technique d’un droit d’usage. Meta n’a pas précisé, dans son annonce, de conditions d’exploitation commerciale pour Movie Gen. Les entreprises intéressées ne peuvent donc pas présumer qu’elles disposeront d’un outil publiable ou d’une licence permettant d’utiliser librement les contenus générés.

Movie Gen est-il disponible au public ?

Non. C’est l’information pratique essentielle au moment de l’annonce. Meta n’a pas mis Movie Gen à la disposition du grand public et n’a pas annoncé de date de lancement. Le groupe présente le projet comme un travail de recherche et indique ne pas être prêt à en faire un produit.

Cette prudence tient aussi à la puissance de calcul nécessaire pour faire fonctionner ce type de modèles, mais pas uniquement. Avant un éventuel déploiement, les entreprises doivent définir des règles d’usage, des garde-fous contre les détournements et des mécanismes permettant d’identifier l’origine artificielle des contenus.

Il n’existe donc pas, au 5 octobre 2024, de site Movie Gen, d’application mobile ou de formule d’abonnement Meta permettant à un particulier de tester l’outil. Les séquences diffusées servent à illustrer les résultats de recherche du groupe, pas à annoncer l’ouverture immédiate d’un service.

Des questions de confiance, de droits et de consentement

La vidéo générée par IA pose une question directe : comment savoir si une scène a réellement été filmée ? Plus les outils deviennent simples et les rendus convaincants, plus la diffusion de fausses vidéos, de faux témoignages ou de montages visant à tromper le public devient facile. Les contenus mettant en scène une personne identifiable sont particulièrement sensibles.

Le risque ne réside pas seulement dans la désinformation politique. Une vidéo peut aussi être utilisée pour faire croire qu’un salarié, un proche, une marque ou une personnalité a dit ou fait quelque chose. L’ajout d’une piste audio cohérente élargit encore la capacité de persuasion d’un faux contenu. Pour le public, un bon réflexe consiste à vérifier l’auteur de la publication, la date, le contexte et la présence éventuelle d’images ou de témoignages indépendants.

Les droits d’auteur constituent un autre sujet central. Les créateurs voudront savoir quels contenus ont servi à entraîner les modèles, quelles protections entourent leurs œuvres et qui possède les droits sur une vidéo produite à partir d’une consigne. Les utilisateurs devront eux-mêmes disposer des autorisations nécessaires lorsqu’ils téléversent une image, une voix ou un élément reconnaissable appartenant à quelqu’un d’autre.

En Europe, le règlement sur l’intelligence artificielle, l’AI Act, est entré en vigueur le 1er août 2024. Ses obligations de transparence concernant notamment certains contenus artificiels et les deepfakes doivent s’appliquer plus tard, en principe à partir d’août 2026. Le texte européen ne règle pas toutes les questions de création, mais il confirme que l’identification des contenus synthétiques deviendra un enjeu majeur pour les plateformes et les éditeurs d’outils.

Ce qu’il faut surveiller après cette annonce

La première question est celle de l’accès. Meta devra préciser si Movie Gen devient un produit, sous quelle forme et pour quels publics. Un outil réservé à des chercheurs, intégré à certains services du groupe ou ouvert à tous ne produirait pas les mêmes effets sur le marché de la création.

La deuxième concerne les protections concrètes. Les futurs utilisateurs auront besoin de savoir comment seront gérées les images de personnes, comment les contenus générés pourront être signalés et si des informations permettant de retracer leur origine seront intégrées aux fichiers. La transparence sera d’autant plus importante que l’audio donne aux scènes synthétiques une apparence plus complète.

Enfin, il faudra juger Movie Gen au-delà de ses clips de démonstration. Sa capacité à respecter des consignes détaillées, à conserver la cohérence d’un personnage et à fournir des outils d’édition fiables déterminera son utilité réelle. L’annonce de Meta témoigne d’une compétition accélérée autour de la vidéo générative. Elle rappelle surtout que la frontière entre ce qui a été filmé et ce qui a été fabriqué par une machine devient plus difficile à distinguer.