Movie Gen : Meta avance dans la vidéo IA, OpenAI reste discret sur Sora

Le texte devient peu à peu une interface de création audiovisuelle. Après les images, la musique et les voix, les grands laboratoires d’intelligence artificielle veulent transformer une simple description écrite en scène animée, avec ses mouvements, son décor et parfois sa bande-son. Le 4 octobre 2024, Meta a présenté Movie Gen, une famille de modèles qui entend franchir une étape dans cette direction.

Les démonstrations publiées par le groupe montrent des vidéos courtes générées depuis une consigne textuelle, mais aussi des scènes modifiées par une instruction et des séquences personnalisées à partir d’une image. La particularité la plus visible de Movie Gen est de ne pas s’arrêter à l’image : Meta y ajoute un modèle spécifiquement consacré à l’audio. L’annonce intervient dans une course très disputée, où le nom de Sora, le générateur vidéo dévoilé par OpenAI en février 2024, reste central malgré l’absence de disponibilité générale.

Movie Gen, une famille de modèles pour l’image animée et le son

Movie Gen ne désigne pas une application de montage vidéo prête à l’emploi. Meta le présente comme un ensemble de modèles de recherche, conçu pour plusieurs tâches de création audiovisuelle : générer une vidéo à partir d’un texte, modifier une séquence existante, ou créer une vidéo personnalisée en s’appuyant sur l’image d’une personne.

Dans son format annoncé, Movie Gen Video compte 30 milliards de paramètres. Les paramètres sont les valeurs internes apprises par un modèle pendant son entraînement. Leur nombre ne résume pas, à lui seul, la qualité d’un système, mais il donne une indication de l’ampleur du modèle mobilisé pour interpréter une demande et produire des images qui se suivent de manière crédible.

Meta affirme que son modèle peut créer des vidéos d’une durée maximale de 16 secondes, en définition 1 080p et à 16 images par seconde. Cette durée est courte au regard d’un film ou même d’un format de réseau social complet. Elle est néanmoins suffisante pour un plan, une boucle animée, une illustration de présentation ou la matière première d’un montage plus long.

Un prompt peut par exemple préciser un sujet, une action, un lieu et une ambiance. Plus la consigne est précise, plus le modèle dispose d’indices pour répartir son attention entre les éléments importants : qui est à l’écran, ce qui se passe, dans quel environnement et sous quel angle la scène doit être représentée. Cela ne garantit pas pour autant que chaque détail sera respecté à la lettre. La cohérence des mouvements, des objets et des personnages sur plusieurs secondes demeure l’une des grandes difficultés de la génération vidéo.

L’audio, la différence mise en avant par Meta

La création de vidéo par IA a longtemps consisté à produire uniquement des images en mouvement. Il fallait ensuite ajouter manuellement une musique, des bruitages ou une ambiance sonore. Movie Gen Audio, qui compte 13 milliards de paramètres, est censé rapprocher ces deux étapes en générant un son adapté à la scène.

Meta évoque notamment des sons d’ambiance, des effets sonores et de la musique. Dans une séquence montrant un environnement naturel, l’objectif est par exemple que l’univers sonore accompagne l’action plutôt que de constituer une piste générique ajoutée après coup. Le modèle audio annoncé peut générer jusqu’à 45 secondes de son, une durée supérieure à celle des clips vidéo de 16 secondes produits par Movie Gen Video.

Cette association de l’image et de l’audio répond à un besoin concret des créateurs. Une vidéo peut sembler techniquement réussie tout en restant peu convaincante si les sons arrivent trop tôt, trop tard, ou ne correspondent pas à ce que le spectateur voit. La synchronisation est donc un enjeu essentiel, particulièrement pour les vidéos pensées pour les réseaux sociaux, la publicité, le jeu vidéo ou la prévisualisation de scènes.

Générer, retoucher et personnaliser une séquence

L’annonce de Meta ne porte pas uniquement sur la génération d’une vidéo entièrement nouvelle. Movie Gen est aussi présenté comme un outil d’édition par texte. Au lieu de manipuler image par image un logiciel de montage, l’utilisateur pourrait décrire le changement attendu : remplacer un objet, modifier un arrière-plan ou transformer un élément de la scène, tout en conservant le reste de la séquence.

Cette promesse est importante, car elle déplace le rôle de l’utilisateur. Il ne doit plus obligatoirement maîtriser les réglages complexes d’un outil vidéo pour formuler son intention. En revanche, il doit savoir décrire clairement le résultat recherché et vérifier le rendu produit. L’IA peut accélérer certaines tâches, mais elle ne remplace ni le regard éditorial, ni le choix du rythme, ni le contrôle de la cohérence d’un récit.

Movie Gen propose également des vidéos dites personnalisées, générées à partir d’une photo et d’une instruction. Cette possibilité pourrait intéresser la communication, le divertissement ou les formats créatifs. Elle impose aussi une prudence immédiate : l’image et la ressemblance d’une personne ne devraient pas être utilisées sans son accord, surtout lorsqu’une vidéo peut lui faire accomplir une action ou adopter une expression qu’elle n’a jamais enregistrée.

Les démos d’un laboratoire doivent enfin être distinguées d’un produit utilisé quotidiennement. Elles montrent les capacités que l’entreprise souhaite mettre en avant, dans des scénarios choisis. Les usages réels exigent aussi de la fiabilité sur des demandes très diverses, des temps de génération acceptables, des mécanismes de modération et une gestion claire des droits sur les contenus créés.

Où en est Sora d’OpenAI ?

OpenAI a annoncé Sora le 15 février 2024. Le modèle a suscité une forte attention avec des exemples de séquences longues et détaillées, ainsi qu’une promesse notable : la possibilité de produire des vidéos allant jusqu’à une minute à partir d’instructions textuelles. OpenAI mettait alors en avant la capacité de son système à représenter des scènes comprenant plusieurs personnages, certains mouvements de caméra et des détails visuels complexes.

Au 5 octobre 2024, Sora n’est toutefois pas lancé auprès du grand public. OpenAI a indiqué travailler avec des spécialistes chargés d’évaluer les risques, ainsi qu’avec des artistes visuels, designers et cinéastes afin de recueillir leurs retours. Le laboratoire ne communique pas, à cette date, de calendrier public pour une ouverture générale du service.

Il faut éviter d’interpréter cette absence de lancement comme la preuve d’un abandon ou d’un échec. La mise à disposition d’un générateur vidéo soulève des difficultés particulières : capacité de calcul très coûteuse, prévention des contenus trompeurs, traitement des demandes problématiques, protection de l’image des personnes et risque de reproduction d’œuvres protégées. La discrétion d’OpenAI laisse des questions ouvertes, mais elle ne permet pas d’en déduire la raison exacte.

Movie Gen et Sora ne sont pas encore des produits comparables

La tentation est grande de désigner immédiatement un vainqueur. Pourtant, une comparaison directe serait prématurée. Movie Gen et Sora ont été présentés au public dans des cadres différents et ne sont pas proposés comme des outils librement testables par tous. Les exemples publiés par Meta ou OpenAI ne remplacent pas des essais indépendants sur des centaines de demandes identiques.

La durée est un premier écart tangible dans les communications des deux entreprises : Meta annonce jusqu’à 16 secondes pour Movie Gen Video, OpenAI avait évoqué jusqu’à une minute pour Sora. Meta met de son côté l’accent sur l’audio intégré, l’édition vidéo et la personnalisation. Ces spécificités ne permettent pas encore de mesurer avec certitude la qualité relative des résultats, ni la facilité avec laquelle elles fonctionneraient dans un produit commercial.

La distinction parfois avancée entre un modèle de diffusion comme Sora et un générateur direct comme Movie Gen simplifie excessivement la réalité. La production d’une vidéo par IA repose sur des architectures et des méthodes d’entraînement complexes, qui ne se résument pas au champ de texte visible par l’utilisateur. Pour un créateur, les questions pratiques sont plutôt les suivantes : la vidéo suit-elle la consigne, reste-t-elle cohérente, peut-elle être corrigée et son usage est-il juridiquement sûr ?

La vidéo générative pose des questions de confiance et de droits

L’essor de ces modèles ne concerne pas seulement la technique. Une vidéo est généralement perçue comme une preuve plus forte qu’une image fixe. Une séquence artificielle convaincante peut donc être utilisée pour illustrer une fiction, mais aussi pour tromper un public si son origine n’est pas clairement signalée.

Les entreprises qui développent ces outils doivent répondre à plusieurs attentes : détecter et limiter les usages abusifs, informer les spectateurs lorsqu’un contenu est synthétique, protéger les personnes contre l’imitation non consentie et donner aux créateurs un cadre compréhensible pour exploiter leurs productions. L’arrivée progressive de règles européennes sur l’intelligence artificielle renforce l’importance de ces mécanismes de transparence, même si leur application est échelonnée dans le temps.

Le droit d’auteur est l’autre grand dossier. Les modèles génératifs sont capables de produire des images évoquant des univers, des cadrages ou des styles déjà connus. Cela nourrit les interrogations des artistes, studios et détenteurs de catalogues : quelles données ont servi à l’entraînement, quelle part relève de l’inspiration ou de la reproduction, et qui porte la responsabilité lorsqu’un résultat cause un préjudice ? Ces questions ne disparaîtront pas avec l’amélioration de la qualité visuelle.

Ce qu’il faut surveiller dans les prochains mois

La prochaine étape ne sera pas seulement d’obtenir des vidéos plus réalistes. Les acteurs devront démontrer qu’ils savent fournir des outils contrôlables. Les utilisateurs professionnels chercheront des moyens précis de modifier un personnage, un objet, le mouvement d’une caméra ou un son, sans devoir relancer entièrement la génération. Ils attendront aussi des garanties sur la confidentialité des fichiers importés et sur les droits d’usage des résultats.

Pour Meta, l’enjeu consiste à transformer les résultats de Movie Gen en fonctionnalités fiables, sans confondre annonce de recherche et disponibilité effective. Pour OpenAI, les attentes se concentrent sur le calendrier et les conditions de déploiement de Sora. Une ouverture publique, si elle intervient, exigera des réponses concrètes aux risques déjà identifiés.

Au-delà de cette rivalité, la vidéo générative pourrait modifier la chaîne de fabrication des contenus. Elle peut aider à imaginer un storyboard, créer un plan d’illustration, produire des prototypes ou accompagner une idée par une animation. Mais plus ces outils deviendront accessibles, plus l’identification des contenus artificiels et l’éducation du public à leur lecture deviendront indispensables. La valeur d’une vidéo ne reposera pas uniquement sur son réalisme, mais aussi sur la confiance que l’on peut accorder à son origine et à son contexte.