Aller au contenu
Heure mondialeEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portail sur l'IA et la technologieactualités · analyses · entretiens · fond technique

Rechercher
EN DIRECT
›

Génération vidéo par IA : ce que le dossier montre vraiment, quelques jours après Gemini 4 Argon

Le document le plus récent et daté du dossier est le modèle de rédaction Echo de Fulcrum, publié le 30 septembre. Le sujet traité, la génération vidéo par IA, n'a en revanche aucune sortie datée dans les pièces fournies : seulement des bribes de titres non datés autour du 30 septembre, qui nomment Gemini 4 Argon de Google.

IA & modèlesActualitéSophie LeclercPublié le: 30 septembre 20265 min de lectureSources 11
Génération vidéo par IA : ce que le dossier montre vraiment, quelques jours après Gemini 4 Argon

Le dossier transmis à cette rédaction ne contient pas une seule sortie datée et sourcée d'un modèle de génération vidéo par IA. C'est la première chose qu'un lecteur doit savoir. La requête porte sur un tel modèle, et le matériel n'en fournit aucun qui respecte la règle de la maison sur les sources.

Ce qu'il fournit, c'est un ensemble de titres récents, signalés comme contexte et explicitement non citables comme faits. Parmi eux : « Google releases Gemini 4 Argon, called its most powerful model yet » de TechCrunch, daté du 30 septembre, et « Gemini 4 Argon: our next era of frontier intelligence » de blog.google, même date. Ni l'un ni l'autre n'apparaît dans la liste numérotée des sources avec une URL. Selon les règles, aucun des deux n'est donc utilisable.

Le reste des titres de contexte va dans le même sens. Kling 4.0, BytePlus Seedance 2.5, MiniMax H3, une filiale vidéo IA de Kuaishou, Higgsfield à une valorisation rapportée de 5 400 000 000 de dollars. Ce sont des titres sans articles, et la plupart ont été publiés en octobre ou plus tard, bien après la grappe du 30 septembre. Ils ne peuvent porter ni un chiffre, ni une citation, ni une affirmation.

Pourquoi le dossier ne peut pas répondre à la question

Classer les 28 sources numérotées par sujet rend le manque évident. Il y a des sorties de modèles, mais aucune ne génère de la vidéo. Liquid AI a publié le 30 septembre la documentation de ses modèles de décision D1, qui décrit une classe de modèles renvoyant des probabilités calibrées sur des résultats fixes en un seul appel, avec zéro token généré. Phonon-2, de Fermion Research, est un modèle de reconnaissance vocale de 164 Mo sorti le même jour. Embed 5 de Cohere est une famille d'embeddings. Kumo Tabular de NVIDIA traite des tableaux.

NVIDIA apparaît bien avec un article proche de la vidéo, DreamZero, publié le 30 septembre. C'est un World Action Model bâti sur un socle de diffusion vidéo préentraîné, qui prédit conjointement les états futurs du monde et les actions pour le contrôle de robots. Les auteurs rapportent un modèle de diffusion vidéo autorégressif de 14 000 000 000 de paramètres tournant en contrôle en boucle fermée en temps réel à 7 Hz, et 62,2 % de progression moyenne sur la tâche contre 27,4 % pour la meilleure référence vision-langage-action préentraînée. C'est un résultat de robotique, pas un produit vidéo, et le dossier ne le présente pas comme tel.

« We introduce DreamZero, a World Action Model (WAM) built upon a pretrained video diffusion backbone. » La page du projet, 30 septembre 2026.

Ce qui ressemble le plus à un outil vidéo est un projet GitHub appelé qc, publié le 30 septembre, qui fait du contrôle qualité vidéo et de l'optimisation de ladders H.264, HEVC et AV1 avec un score VMAF et des intervalles de confiance. Il mesure la vidéo. Il ne la fabrique pas.

Les outils vidéo réellement documentés

Il existe une manière réellement documentée de produire de la vidéo dans le dossier, et elle ne fait intervenir aucun modèle vidéo. Vincent Schmalbach a écrit le 30 septembre sur l'usage de Claude Code pour fabriquer des vidéos explicatives : l'agent écrit une page HTML et JavaScript sur canvas, la parcourt image par image dans Chrome sans interface, puis confie les images à ffmpeg. Il en a tiré un framework appelé explainroo, sous licence MIT, avec le modèle vocal, la synchronisation des mots et la génération musicale exécutés en local, pour environ 400 Mo de modèles et sans clé API.

Sa propre présentation dit franchement les limites. Claude Code, écrit-il, ne peut pas générer de la vidéo directement et n'est pas un modèle vidéo comme Veo ou Sora. Le résultat, dit-il, est bien meilleur qu'un diaporama. Une vidéo de 15 secondes se rend en 16 secondes sur sa machine, sous Linux, macOS et Windows étant moins testés.

Comparez avec ce que décrivent les titres de l'industrie, des générations de 30 secondes en un seul plan et de la 4K, et l'écart saute aux yeux. Le dossier peut documenter l'approche image par image. Il ne peut pas documenter la frontière.

Ce que suggèrent les sorties alentour

S'il y a une histoire dans ce lot sur la direction que prennent les sorties de modèles, elle est celle de modèles moins chers et plus petits, pas plus cinématographiques. Fulcrum a déclaré le 30 septembre que son modèle de rédaction Echo avait coûté moins de 5 000 dollars à entraîner et battait les modèles de frontière en imitation de style sur sa propre métrique Elo stylométrique, métrique que Fulcrum a elle-même définie. La famille D1 de Liquid AI comprend des modèles à poids ouverts de 1 900 000 000, 2 200 000 000 et 587 000 000 de paramètres, facturés sur les seuls tokens d'entrée puisqu'ils ne produisent aucun token de sortie.

Nimble de Bespoke Labs, un modèle de décision de 9 000 000 000 de paramètres affiné à partir de Qwen3.5-9B, est désormais dans Ollama. Le dépôt de Bespoke indique que Nimble-v4-max a obtenu 68,46 sur la suite publique Decision Index et Nimble-v4 63,70, deux mesures faites lors de leur propre exécution du 12 octobre et pas encore présentes sur le tableau de bord de l'indice. Des volontaires préentraînent un modèle d'environ 145 000 000 de paramètres appelé Coop via des pull requests et une tâche cron GitHub Actions, sans serveurs ni financement.

Rien de tout cela n'est de la vidéo. C'est un rappel que le rythme des sorties dans ce dossier est dominé par de petits modèles spécialisés, entraînés à bas coût, et que les annonces vidéo les plus bruyantes sont arrivées en titres sans articles attachés.

Que faire d'un sujet sans source

La tentation est d'écrire l'article sur Gemini 4 Argon à partir du titre et du nom du billet de blog. Ce serait enfreindre deux fois la règle des sources : un titre n'est pas une source, et une liste de contexte est explicitement marquée comme inutilisable pour les faits. Il en va de même pour les éléments Kling 4.0 et Seedance, qui portent des dates d'octobre et de novembre, des semaines après le matériel le plus frais du dossier.

Il y a une seconde raison de prudence. Les sorties de génération vidéo de cette période sont rapportées via des communiqués de presse et des reposts d'agrégateurs, et la liste de titres du dossier montre la même histoire arriver deux fois sous des domaines différents, Forbes via news.google.com à côté de Forbes en direct. Compter cela comme deux médias gonflerait la source sans ajouter un fait.

Le texte honnête est donc celui-ci : une note disant que le dossier ne peut pas porter un article sur une sortie de modèle vidéo, plus un compte rendu de ce qu'il peut porter. Le résultat robotique DreamZero, l'outil de mesure qc, la chaîne image par image explainroo, et une grappe de petites sorties de modèles le 30 septembre.

Si la rédaction veut l'histoire Gemini 4 Argon, il lui faut le billet du blog Google et le reportage de TechCrunch dans la liste des sources, avec URL et texte extrait. Alors les chiffres, les benchmarks et les citations pourront être vérifiés. D'ici là, la conclusion reste où elle est.

Commentaires 0

Sources

11
  1. 01Echo – A SOTA writing model for style imitation | FulcrumEN
  2. 02Liquid AI decision models D1 documentationEN
  3. 03Phonon-2: most accurate open speech recognition model in a 164 MB downloadEN
  4. 04DreamZero: World Action Models Are Zero-Shot PoliciesEN
  5. 05Qc: Video quality check and h264/HEVC/av1 ladder optimizationEN
  6. 06How to Make Videos with Claude Code - Vincent SchmalbachEN
  7. 07Nimble: Data, Model, Recipe for an Open Jev (From Bespoke Labs)EN
  8. 08Ollama now supports Jev-like decision models all locally in 0.35EN
  9. 09Coop: A small language model pretrained by volunteersEN
  10. 10Cohere: Embed 5 – A New Family of Frontier Embedding ModelsEN
  11. 11Nvidia Kumo Tabular: Open Foundation Model for Tabular PredictionEN

Tous les chiffres et citations de ce texte proviennent des sources citées ci-dessous.

Les contenus ont été préparés par l'équipe de rédaction, assistée par l'IA.

Sophie Leclerc

Sophie Leclerc

IA, modèles et technologies

Sophie Leclerc couvre les technologies, l'IA et les modèles ainsi que les médias et l'internet pour FLASH24, en travaillant à partir des dépôts de code, des articles scientifiques et des documents techniques plutôt que des annonces. Elle vérifie chaque chiffre en remontant aux jeux de données d'origine et en comparant les versions successives des modèles. Elle interroge régulièrement des ingénieurs et des chercheurs, et suit les calendriers de publication des principales conférences du secteur. Son intérêt personnel pour l'auto-hébergement et les réseaux domestiques nourrit directement sa couverture des infrastructures et des modèles ouverts. Elle ne publie pas de performance annoncée sans méthode de mesure vérifiable.

Rédaction →

Commentaires

0
  1. Aucun commentaire — soyez le premier.

Écrire un commentaire

Les commentaires sont publics. Nous ne publions ni insultes, ni spam, ni publicité.