La différenciation des grands acteurs dans l'ère multimodale « Deepseek » : ByteDance mise sur « l'efficacité », Kuaishou sur « la spécialisation », Alibaba se concentre sur « le commerce électronique » !

La vague de mises à jour multimodales en début d’année est très dense : le 31 janvier, Kuaishou a lancé Kling 3.0, le 7 février, ByteDance a publié Seedance 2.0, le 10 février, Seedream 5.0 de ByteDance et Qwen-Image-2.0 d’Alibaba ont encore renforcé la base de la “génération de textes en images/édition d’images”.

Selon Yaolei de l’Institut de recherche de Huachuang Securities dans un rapport publié le 12, le jugement est clair — la génération vidéo ne se limite plus à un simple spectacle technique, mais évolue vers un outil pouvant s’intégrer dans le flux de travail : « La génération vidéo par IA passe d’un divertissement à boîte à surprises à une production industrielle précise. » La difficulté persistante de la commercialisation réside dans le coût marginal incontrôlable causé par la “tirage au sort” : pour un même besoin, il faut générer et retravailler plusieurs fois, ce qui fait que le taux de déchets consomme temps et budget.

L’accent mis dans cette mise à jour sur Kling 3.0 et Seedance 2.0 n’est pas simplement la qualité d’image, mais plutôt la mise en avant de la contrôlabilité : cohérence du sujet entre plusieurs plans, suivi sémantique des instructions complexes, et capacité d’édition “après génération” pour réduire le taux de déchets. La conclusion du rapport est que cette avancée technologique pose les bases pour que la vidéo IA puisse entrer dans un flux de travail à grande échelle côté B2B, avec une première onde d’impact sur la publicité e-commerce, la production de courts-métrages ou de séries animées.

En approfondissant, le rapport divise l’impact en deux niveaux : d’une part, une différenciation des trajectoires produits — ByteDance se concentre davantage sur “l’infrastructure d’efficacité”, tandis que Kuaishou privilégie “la narration professionnelle” ; d’autre part, une révolution du côté de l’offre qui revoit la structure des coûts — le coût marginal de production de contenu devient de plus en plus comparable au coût de calcul. En termes d’opportunités d’investissement, le rapport met en avant les bénéfices potentiels pour les IP de contenu, les droits d’auteur, les outils/modèles vidéo IA, ainsi que la demande en inférence sur le cloud et les plateformes.

Ce qui est réellement résolu, c’est le coût incontrôlable causé par la “tirage au sort”

Le rapport insiste à plusieurs reprises sur une chaîne logique : ce n’est pas que la vidéo IA ne puisse pas être commercialisée parce qu’elle ne peut pas être “faite”, mais parce qu’elle est “trop instable”. Avec le même script, les mêmes matériaux et prompts, la qualité des résultats fluctue énormément, obligeant les créateurs à générer plusieurs fois pour espérer un bon résultat, ce qui fait que le coût marginal devient incontrôlable.

Le rapport considère que la nouvelle génération de modèles a pour enjeu de repousser la “capacité de génération” en arrière, tout en plaçant la “contrôlabilité” au premier plan : grâce à une architecture multimodale native, un alignement précis des instructions, et un renforcement de la cohérence du sujet et du suivi sémantique, le taux de déchets peut être réduit, ce qui entraîne une baisse globale du coût de production vidéo. La barrière à la commercialisation se redéfinit ainsi — passant de “pouvoir faire” à “pouvoir livrer de façon stable”.

Kling 3.0 mise sur “l’effet blockbuster” : réalisme physique et narration longue en priorité

Le rapport résume les mots-clés de Kling 3.0 en deux points : une mise à niveau systémique des capacités fondamentales, et une intégration de la génération et de l’édition (Omni).

Côté vidéo, les améliorations principales de Kling 3.0 concernent : une cohérence renforcée du sujet dans des scènes multi-caméras ou en mouvement continu ; une analyse plus fine des instructions textuelles complexes ; une atténuation des confusions de référence en cas de présence de plusieurs personnes dans le cadre, avec une mise en avant de “la correspondance précise entre texte et personnages visuels” (incluant multilingue, accents dialectaux, expressions faciales et mimiques naturelles).

Le mode Omni est une autre évolution clé : faire des modifications localisées et contrôlées sur un contenu déjà généré, pour réduire la nécessité de tout recommencer. Le rapport mentionne aussi deux capacités plus orientées création professionnelle : une pour créer des sujets vidéo (extraction de caractéristiques de personnages, tonalité vocale, synchronisation labiale précise) ; et une autre pour la création native de storyboards, avec une durée de génération portée à 15 secondes, permettant de spécifier la durée, le cadrage, le point de vue, le contenu narratif et la façon de déplacer la caméra.

Côté image, Kling Image 3.0 est aussi considéré comme une étape pour “compléter le flux de travail” : supporte jusqu’à 10 images de référence pour verrouiller le contour du sujet, les éléments clés et la tonalité ; possibilité de spécifier ou modifier librement les éléments de plusieurs images de référence ; supporte la sortie en lot pour la création de storyboards ou de packs de matériaux ; tout en renforçant la sortie en haute définition et la finesse des détails.

Seedance 2.0 transforme la vidéo en un “outil industriel programmable”

Le positionnement de Seedance 2.0 est davantage celui d’un “standard industriel” : une couche de base mettant l’accent sur la cohérence physique, la naturalité des mouvements, la compréhension précise des instructions, et la stabilité stylistique ; avec trois capacités clés — optimisation de la cohérence (du visage aux vêtements, en passant par les détails de police et les changements de scène) ; reproduction contrôlée de mouvements et d’angles complexes ; et reproduction précise de modèles créatifs ou d’effets spéciaux complexes.

L’aspect interaction est encore plus crucial. Le rapport considère que Seedance 2.0, en utilisant “@nomdel’élément” pour désigner l’usage d’images, vidéos ou audio, décompose en réalité la génération “boîte noire” en un processus de production contrôlable : le modèle peut extraire séparément @mouvements de caméra, @détails d’image, @rythme audio, ce qui réduit considérablement le taux de déchets.

Les limites et usages indiqués sont aussi plus proches des “contraintes de production” : supporte jusqu’à 9 images en entrée ; jusqu’à 3 vidéos d’une durée totale maximale de 15 secondes ; jusqu’à 3 fichiers audio MP3 d’une durée totale de 15 secondes ; un maximum de 12 fichiers en entrée combinés ; durée de génération jusqu’à 15 secondes (optionnellement 4-15 secondes) ; et sortie avec effets sonores ou musique intégrés. En termes d’organisation, “les images de début et de fin” et “les références polyvalentes” correspondent à différentes méthodes d’organisation des matériaux.

ByteDance privilégie “l’infrastructure d’efficacité”, Kuaishou mise sur “la narration professionnelle”, Alibaba se concentre davantage sur le vertical e-commerce

Le rapport ne se focalise pas trop sur le classement “performance”, mais plutôt sur la stratégie des acteurs.

Il résume la trajectoire de ByteDance comme étant celle d’outils à faible barrière d’entrée, à faible coût, avec une capacité de généralisation, semblable à une version avancée de “Jianying”, visant à réduire le coût de production de contenu à l’échelle et à alimenter l’écosystème ; Kuaishou Kling mise sur la simulation physique, le réalisme des scènes complexes et la cohérence des personnages, plus adaptée aux démos cinématographiques ou aux contenus narratifs nécessitant une forte cohérence ; Alibaba Qianwen, dans le domaine de la mise à jour des modèles d’image haute fidélité, se concentre davantage sur des scénarios verticaux (e-commerce), en renforçant les capacités de digitalisation des produits.

Ces trois trajectoires ne poursuivent pas le même modèle économique : l’une vise une production à grande échelle, l’autre une narration de haute qualité, la troisième une “production prête à l’emploi” dans un secteur vertical.

Révolution de l’offre : coûts marginaux convergeant vers les coûts de calcul, IP devenant plus rare

Dans la projection commerciale, le rapport insiste sur une “révolution de l’offre” très ambitieuse : avec l’amélioration simultanée des capacités d’image et de vidéo, le coût marginal de production de contenu tendra de plus en plus vers le coût de calcul.

À court terme, il mise sur deux changements : une augmentation de l’efficacité des producteurs de contenu pour le marketing et le e-commerce, améliorant la marge brute ; une explosion potentielle de la capacité de production dans l’industrie des séries courtes ou longues. À moyen et long terme, la tension se concentre sur la rareté des IP — plus la production devient facile, plus la valorisation se concentrera sur les IP : les IP principales et leurs dérivés auront une valeur accrue, et même les IP de moyenne gamme pourront être réévaluées via la vidéo IA. Par ailleurs, les géants disposant d’infrastructures de calcul puissantes (cloud) et de scénarios de flux fermés (plateformes) profiteront directement des bénéfices liés aux appels fréquents en inférence.

Avertissements et clauses de non-responsabilité

Le marché comporte des risques, l’investissement doit être prudent. Cet article ne constitue pas un conseil d’investissement personnel, ni ne prend en compte les objectifs, la situation financière ou les besoins spécifiques de chaque utilisateur. Les utilisateurs doivent juger si les opinions, points de vue ou conclusions présentés ici sont adaptés à leur situation particulière. En investissant sur cette base, ils en assument la responsabilité.