Panorama de septembre 2026 : modèles, prix à la seconde, licences et risques
En 2026, générer 15 à 30 secondes de vidéo sonorisée coûte quelques dizaines de centimes la seconde. Ce qui départage les outils, c'est désormais le montage en conversation, la cohérence des personnages, la licence — souvent incompatible avec l'Union européenne pour les modèles dits « ouverts » — et le risque juridique. Ce panorama recense les modèles qui comptent en septembre 2026, leurs prix, leurs licences et les obligations qui pèsent depuis le 2 août 2026 sur quiconque publie une vidéo synthétique. Avertissement : le classement des modèles vidéo change tous les deux ou trois mois.
Le classement a entièrement changé en six mois. Il n'existe pas de « meilleur modèle » stable : ces positions sont un instantané, à relire tous les deux ou trois mois.
▽ Encadré historique : Sora, chronique d'un échec
Trois familles : les générateurs généralistes, les avatars parlants, les modèles à poids ouverts. Les prix affichés sont des prix d'API à la seconde relevés en septembre 2026 ; pour chaque modèle « ouvert », la licence est indiquée explicitement.
Prix d'API à la seconde, relevés en septembre 2026 : ce sont des prix d'hébergeurs (Google, Artificial Analysis relevant souvent fal), pas des abonnements grand public. Pour chaque modèle à poids ouverts, la licence est indiquée : c'est le critère décisif en Europe.
▽ Générateurs généralistes — 11 entrées
N°1 des deux classements consultés. Entrées texte, image, son et vidéo ; montage en conversation, où chaque instruction s'appuie sur la précédente. Disponible dans l'application Gemini et dans Flow. Chaque clip porte le filigrane SynthID.
Clips de 8 s en 720p, 1080p ou 4K, à 24 fps, prolongeables jusqu'à 148 s en 720p. C'est la seule gamme qui propose de la 4K par API, et la moins chère en variante Lite. Audio généré dans la même passe, comme chez la plupart des concurrents. Accessible via Flow et l'API Gemini.
30 s en une prise et jusqu'à 50 fichiers de référence (images, vidéos, sons) pour tenir un personnage. Accessible en Chine via Jimeng et Doubao, ailleurs via Dreamina, CapCut, BytePlus ou Runway. Avertissement droits d'auteur : le modèle a valu à ByteDance des mises en demeure de Disney et de la MPA en février 2026, avant un accord le 17 août 2026.
30 s en une passe, et génération à partir d'un document, d'un tableur ou d'une page web. Attention à la confusion fréquente : Wan 2.6, 2.7 et 3.0 sont fermés, distribués par API Model Studio ; seul Wan 2.2 reste téléchargeable.
Annoncé le 5 février 2026 : 15 s, storyboard multi-plans et dialogue natif en cinq langues, pour une communauté revendiquée de 60 millions de créateurs. Le communiqué de Kuaishou ne mentionne pas de 4K vidéo (seulement pour Image 3.0) ; Artificial Analysis le teste en 720p et 1080p.
Sorti le 31 juillet 2026 : 2K, 15 s, son stéréo natif, entrées omnimodales. Meilleur modèle à poids ouverts classé (8e sur Arena), mais sa licence exclut explicitement l'Union européenne, le Royaume-Uni, la Corée et les États-Unis : inutilisable en local depuis la France.
Sans nouveau modèle de génération depuis Gen-4.5 (décembre 2025), Runway s'est tourné vers le montage et la finition : Aleph 2.0 modifie une vidéo existante sur instruction, Ruby convertit du SDR en HDR avec export ACES/EXR, et le Media Router choisit parmi une vingtaine de modèles tiers selon la qualité, la vitesse ou le coût. Gen-3 Alpha Turbo et Gen-4 Aleph ont été retirés de l'API le 30 juillet 2026.
Rapide : 6 s en 720p en environ 25 s, avec son. Avertissement deepfakes : à partir de décembre 2025, l'outil a généré des images sexuelles non consenties, y compris de mineurs, ce qui a déclenché enquêtes et poursuites. À manier avec prudence en contexte professionnel.
Sorti le 9 juin 2026 : 1080p, jusqu'à 20 s, HDR 16 bits avec export EXR — une filiation ouverte par Ray3 (septembre 2025), puis Ray3.14 (26 janvier 2026, 1080p natif et vitesse). Orienté publicité et clips courts, avec l'outil Modify Video.
Anime une image en 5 s, extensible, avec l'esthétique Midjourney — mais sans audio. Disney, Universal et Warner Bros. poursuivent l'éditeur, service vidéo compris ; la procédure est en cours.
Usage social et ludique plutôt que production : Pika mise désormais sur le temps réel avec PikaStream (avril 2026).
▽ Avatars parlants — 02 entrées
La référence de la communication interne et de la formation : un avatar lit un script dans plus de 160 langues. Valorisée 4 Md$ en octobre 2025, l'entreprise revendique plus de 90 % du Fortune 100.
Centré sur le clonage de soi-même avec consentement vocal, puis la traduction et le doublage d'une vidéo existante. Google propose désormais des avatars avec la voix de l'utilisateur dans Gemini Omni.
▽ Poids ouverts (lire la licence) — 05 entrées
Sorti le 11 août 2026 : 22 milliards de paramètres, 4K, audio, jusqu'à 20 s, 24 ou 25 fps, LoRA et intégration ComfyUI. Attention à la formule « poids véritablement ouverts » du communiqué de janvier 2026 : la LTX-2 Community License réserve la gratuité aux entités de moins de 10 M$ de chiffre d'affaires annuel.
Publié le 28 juillet 2025, c'est le seul modèle de bon niveau réellement libre, avec ses variantes S2V (à partir d'un son) et Animate (août-septembre 2025). Contrepartie : il est 42e sur Arena. Les versions suivantes (2.6, 2.7, 3.0) ne sont pas ouvertes.
8,3 milliards de paramètres, 14 Go de VRAM avec déchargement mémoire : le modèle le plus frugal de la liste (novembre 2025). Sa licence exclut cependant l'Union européenne, le Royaume-Uni et la Corée du Sud : une organisation française ne peut pas l'exploiter légalement.
Avec Wan 2.2, l'autre modèle sous licence permissive (MIT) à connaître. Utile comme socle d'expérimentation local sans contrainte contractuelle ; ses résultats restent loin des modèles fermés de tête.
L'orchestrateur nodal de référence pour enchaîner les modèles ouverts : graphes partageables, déchargement VRAM, quantification GGUF, gestion des références d'identité. Le dépôt est passé chez Comfy-Org et la licence est la GPL-3.0 (et non MIT, comme on le lit souvent).
Quatre déplacements en un an : l'audio est généré dans la même passe, les clips s'allongent, la cohérence passe par des fichiers de référence, et on retouche une vidéo en conversation.
▽ Les ordres de grandeur
Pour une organisation française, la licence compte autant que la qualité : deux des meilleurs modèles téléchargeables excluent explicitement l'Union européenne de leur périmètre d'usage.
La qualité de tête, tout de suite
Les dix premiers des classements sont tous accessibles par API ou abonnement, sans matériel ni installation.
Le montage conversationnel
Retoucher une scène par instructions successives (Gemini Omni, Runway Aleph 2.0) n'existe pas dans les pipelines locaux.
Des coûts lisibles
De 0,05 à 0,60 $ la seconde selon la résolution : un plan de 8 s en 4K se chiffre à l'avance.
Le marquage intégré
Le filigrane SynthID de Google, par exemple, répond en partie aux obligations de marquage de l'AI Act.
Des usages professionnels balisés
Pour la formation et la communication, les avatars (Synthesia, HeyGen) offrent un cadre de consentement explicite.
La licence, avant la qualité
Deux des meilleurs modèles ouverts excluent l'Union européenne. À vérifier dans le texte de la licence, pas dans le communiqué.
La dépendance et la volatilité
Sora a fermé en 2026, Runway a retiré Gen-3 et Aleph de son API le 30 juillet 2026 : un pipeline de production doit prévoir la disparition d'un modèle.
Le droit d'auteur
Mises en demeure de Disney et de la MPA contre Seedance 2.0, procès des studios contre Midjourney : le risque se déplace vers l'utilisateur des sorties.
Les deepfakes et la réputation
Un même outil sert à la création et à l'abus (cas Grok). Publier une vidéo synthétique sans le signaler est désormais une infraction.
La modération et la gouvernance du fournisseur
Politiques de contenu, conservation des prompts, juridiction : à examiner avant d'y verser des rushes ou des visages de collaborateurs.
Ce qu'il reste du pipeline auto-hébergé une fois retirés les réglages hérités de l'ère Stable Diffusion 1.5.
▽ Pour les experts
▽ Concepts précédents (archive)
Repères de 2023-2025 encore cités, mais dépassés
AnimateDiff-Evolved et VideoHelperSuite. Le socle historique de l'animation dans ComfyUI. Le dépôt est encore maintenu (dernier commit le 28 juillet 2026), mais il sert surtout aux anciens workflows Stable Diffusion 1.5 et SDXL, et ne correspond plus aux modèles vidéo actuels, qui intègrent le mouvement et le son nativement.
Automatic1111 et Deforum. Les premiers enchaînements d'images pour simuler un mouvement, popularisés en 2022-2023. Ils appartiennent à l'ère d'avant les modèles vidéo entraînés de bout en bout.
Stable Video Diffusion. Le premier socle vidéo à poids ouverts largement utilisé, remplacé dans les pipelines par LTX-2.x et Wan.
Sora et Sora 2 (OpenAI). Lancé le 30 septembre 2025, fermé en deux temps : application le 26 avril 2026, API le 24 septembre 2026 (chapitre 01).
Runway Gen-3 Alpha Turbo et Gen-4 Aleph. Retirés de l'API le 30 juillet 2026. Les comparatifs qui les citent comme référence datent d'avant cette date.
« Wan 2.6 à poids ouverts ». Erreur fréquente, reprise de blogs d'agrégation : Wan 2.6 (décembre 2025), 2.7 (avril 2026) et 3.0 (août 2026) sont des modèles fermés, distribués par API. La dernière version ouverte est Wan 2.2.
Luma Ray3 et Ray3.14. Ray3 (septembre 2025) a introduit le HDR 16 bits et l'export EXR ; Ray3.14 (26 janvier 2026) a apporté le 1080p natif et la vitesse. Le modèle courant est Ray3.2 (9 juin 2026).
Les studios attaquent désormais les modèles vidéo, et depuis le 2 août 2026 le marquage des contenus générés est une obligation, pas une bonne pratique.
▽ Droits d'auteur et deepfakes : ce que risque l'utilisateur
▽ Obligation depuis le 2 août 2026