MiniMax Video-1 : la génération vidéo chinoise veut abaisser les coûts

Au 26 septembre 2024, la course à la vidéo générée par intelligence artificielle ne se joue plus seulement dans les laboratoires américains. La start-up chinoise MiniMax met en avant Video-1, un modèle qui convertit une description écrite en images animées. L’ambition est claire : faire passer une idée, un décor ou une action du texte à l’écran sans mobiliser immédiatement une équipe de tournage, des acteurs, des caméras et un long travail de postproduction.

Cette promesse ne signifie pas que la machine remplace d’un coup toute la chaîne de fabrication d’un film ou d’une publicité. Elle change en revanche un point décisif : le coût et le temps nécessaires pour visualiser une idée. Pour un indépendant, une petite entreprise ou une équipe de communication, obtenir rapidement une première séquence peut permettre de tester un concept avant d’investir dans une production plus classique. C’est sur ce terrain de l’accessibilité que MiniMax entend se faire une place.

Video-1, qu’est-ce que MiniMax promet exactement ?

MiniMax est une start-up chinoise qui présente Video-1 comme un générateur de vidéo à partir de texte. Le principe appartient à une famille d’outils désormais souvent appelée « texte vers vidéo » : l’utilisateur rédige une consigne décrivant une scène, puis le modèle calcule une suite d’images censée traduire cette demande en mouvement.

Une instruction peut, par exemple, préciser un sujet, une action, un lieu, un angle de caméra ou une ambiance. Derrière cette apparente simplicité, le système doit résoudre plusieurs problèmes à la fois : représenter correctement les objets demandés, conserver leur apparence d’une image à l’autre, animer les gestes de façon crédible et construire une séquence qui donne l’impression d’une continuité.

La publication d’origine attribue à Video-1 une ambition de qualité élevée à moindre coût et indique que ses résultats ont été rapprochés de ceux de Sora, le modèle vidéo annoncé par OpenAI. Il convient toutefois de distinguer une démonstration impressionnante d’un usage professionnel régulier. Dans ce domaine, une courte séquence réussie ne garantit ni une stabilité parfaite des personnages, ni une compréhension irréprochable de tous les détails du scénario, ni une vidéo directement publiable sans retouche.

Comment une IA transforme-t-elle un texte en vidéo ?

Les modèles de génération vidéo s’appuient sur de très grands ensembles de données et apprennent des correspondances entre les mots, les formes, les scènes et les mouvements. À partir d’une requête, ils ne récupèrent pas simplement un extrait existant dans une bibliothèque. Ils produisent une nouvelle séquence image après image, en cherchant à respecter les éléments décrits.

Cette méthode explique autant leurs atouts que leurs limites. Une IA peut proposer en quelques instants des images difficiles ou coûteuses à tourner, comme un paysage imaginaire, un objet en mouvement ou une scène stylisée. Mais elle peut aussi mal interpréter un mot, ajouter un élément non demandé, modifier l’apparence d’un personnage au fil de la séquence ou générer des mouvements physiquement peu plausibles.

Pour obtenir un résultat exploitable, la formulation du texte compte beaucoup. Une demande précise, qui indique qui fait quoi et dans quel environnement, donne en général davantage de repères au modèle qu’une phrase très vague. Il faut aussi accepter une logique d’itération : générer plusieurs propositions, comparer les rendus, ajuster la consigne et retenir les plans les plus convaincants.

La simplicité d’accès mise en avant par MiniMax est donc un vrai changement pour les non-spécialistes, mais elle ne supprime pas le besoin de regard créatif. Elle déplace une partie du savoir-faire : moins de maîtrise du matériel de tournage, davantage de capacité à décrire une intention, à évaluer une image et à construire un récit cohérent.

Création classique et vidéo générée par IA : deux logiques complémentaires

MiniMax face à Sora : une rivalité à replacer dans son contexte

La comparaison avec Sora s’impose parce que le modèle d’OpenAI a fortement marqué les esprits après sa présentation en février 2024. Ses vidéos de démonstration ont montré un niveau de réalisme et de mise en scène qui a contribué à faire de la génération vidéo l’un des fronts les plus visibles de l’intelligence artificielle générative.

Mais, en septembre 2024, Sora n’est pas un service ouvert au grand public. OpenAI le teste avec un nombre limité de créateurs et de spécialistes chargés notamment d’évaluer ses risques. MiniMax peut donc attirer l’attention en se positionnant sur un autre enjeu tout aussi concret : proposer un accès à la création vidéo automatisée dans un marché où les outils disponibles restent encore très inégaux selon les pays et les publics.

Comparer deux modèles uniquement à partir de clips spectaculaires serait trompeur. Pour les créateurs, les critères utiles sont plus nombreux : qualité visuelle, respect de la consigne, cohérence du mouvement, durée disponible, délai de génération, possibilités de retouche, coût réel et conditions de réutilisation. La fiabilité sur une série de demandes variées compte davantage qu’une unique vidéo virale.

MiniMax ne se mesure pas seulement à OpenAI. La vidéo par IA attire déjà de nombreux acteurs, car elle touche directement à la publicité, aux réseaux sociaux, au jeu vidéo, à l’animation et à l’audiovisuel. L’arrivée d’une entreprise chinoise ambitieuse confirme que ce marché devient mondial, avec des modèles, des plateformes et des règles d’accès qui peuvent varier fortement d’un pays à l’autre.

Une promesse de coût à examiner dans le détail

L’argument du prix est central dans la présentation de Video-1. La publication d’origine évoque une création vidéo à faible coût et mentionne des usages pouvant revenir à moins de 30 euros. Cette indication ne suffit cependant pas à établir un tarif universel : le coût réel dépend habituellement du nombre de générations, de la longueur des séquences, de la définition, de la file d’attente, des options d’usage commercial et du type d’abonnement retenu.

Pour une entreprise, comparer l’IA à un tournage traditionnel exige aussi d’éviter les raccourcis. Le générateur peut faire baisser le coût d’une première maquette ou de plans d’illustration. En revanche, une campagne exigeante peut toujours nécessiter un concepteur-rédacteur, un directeur artistique, un monteur, des voix, de la musique sous licence et un contrôle juridique. L’économie ne porte pas nécessairement sur l’ensemble du projet, mais sur certaines étapes très chronophages.

Quels usages pour les créateurs et les petites entreprises ?

L’intérêt d’un outil tel que Video-1 est particulièrement évident pour les personnes qui doivent produire souvent, avec des budgets limités. Une agence peut explorer plusieurs pistes visuelles avant de présenter une recommandation. Une petite marque peut imaginer des séquences d’ambiance pour ses réseaux sociaux. Un formateur peut créer une illustration animée pour introduire un sujet, à condition que le contenu généré soit ensuite vérifié.

Ces outils peuvent aussi être utiles à la préproduction. Au lieu de décrire uniquement une idée dans un document, un créatif peut présenter un essai visuel. Cette fonction de prévisualisation ne remplace pas forcément le tournage : elle aide à discuter d’un cadrage, d’un rythme ou d’un univers avant d’engager des moyens plus importants.

La prudence reste de mise pour les contenus factuels. Une vidéo générée peut facilement donner l’illusion d’une captation réelle. Dans l’information, l’éducation, la communication publique ou toute publicité portant sur un produit concret, il est indispensable de ne pas laisser croire qu’une image de synthèse montre un fait, un lieu ou une personne tels qu’ils existent réellement.

Droits d’auteur, transparence et risques d’abus

L’essor des générateurs vidéo rend les questions juridiques incontournables. Première question : quelles œuvres ont servi à entraîner le modèle ? Les créateurs, photographes, studios et ayants droit demandent de plus en plus de transparence sur l’usage de leurs contenus. Deuxième question : quels droits l’utilisateur obtient-il sur la vidéo générée ? La réponse dépend des conditions de la plateforme et des lois applicables, qui ne sont pas identiques dans tous les pays.

L’utilisateur conserve dans tous les cas une responsabilité importante. Il ne doit pas demander l’imitation trompeuse d’une personne identifiable, employer une marque sans autorisation, reprendre un personnage protégé ou diffuser une scène susceptible d’induire le public en erreur. Les vidéos réalistes peuvent servir à la création, mais aussi à la fabrication de faux témoignages, de fausses publicités ou de manipulations politiques.

En Chine, les services de synthèse numérique font déjà l’objet de règles spécifiques, notamment autour de l’identification de certains contenus générés artificiellement. En Europe, l’AI Act, entré en vigueur le 1er août 2024, instaure lui aussi un cadre progressif pour l’IA, avec des obligations dont l’application s’échelonne dans le temps. Pour MiniMax comme pour ses concurrents, la capacité à encadrer les usages, à informer les utilisateurs et à traiter les réclamations deviendra aussi importante que la qualité des images produites.

Ce qu’il faut surveiller

La trajectoire de Video-1 dépendra d’abord de preuves concrètes : accès effectif au service, régularité des résultats, paramètres proposés aux utilisateurs et conditions tarifaires lisibles. Les démonstrations donnent une idée du potentiel, mais la valeur d’un outil se mesure dans les usages répétés, avec des demandes imparfaites et des contraintes réelles de production.

Il faudra également observer la vitesse à laquelle MiniMax améliore la cohérence de ses vidéos et sa capacité à répondre avec précision à une consigne. Dans la génération vidéo, quelques erreurs sur un visage, un geste ou un objet peuvent suffire à rendre un plan inutilisable. La concurrence exercée par les grands laboratoires et les acteurs chinois devrait accélérer ces progrès.

Enfin, la démocratisation annoncée ne sera durable que si elle s’accompagne de règles claires. Une vidéo facile à créer doit aussi pouvoir être identifiée lorsqu’elle est synthétique, diffusée sans porter atteinte aux droits d’autrui et intégrée dans une démarche créative responsable. C’est à cette condition que la baisse des barrières techniques pourra devenir un véritable gain pour les créateurs, plutôt qu’une nouvelle source de confusion.