Alibaba vient de propulser dans l’arène publique Wan 3.0, son modèle de génération vidéo par intelligence artificielle capable de produire des séquences de 30 secondes, soit le double de ce qu’offrait la version précédente, Wan 2.7-Video, plafonnée à 15 secondes. La bêta ouverte, accessible dès maintenant via Alibaba Cloud Model Studio et Qwen Cloud, ne se contente pas d’allonger la durée des clips. Elle absorbe désormais six types d’entrées multimodales, du texte brut à l’image, en passant par la vidéo, l’audio, les pages web, les fichiers PDF et même les présentations PowerPoint. Autant dire que le terrain de jeu s’est considérablement élargi. Trente secondes, cela paraît dérisoire à l’échelle d’un film. Mais dans l’univers de la génération vidéo par IA, où chaque seconde supplémentaire exige une cohérence spatiale, temporelle et narrative exponentiellement plus difficile à maintenir, ce doublement de durée représente un bond technique vertigineux. Wan 3.0 promet notamment une continuité visuelle renforcée sur les visages (expressions, micro-mouvements, identité stable d’un plan à l’autre) et intègre une synthèse vocale multilingue synchronisée avec les lèvres des personnages générés. Imaginez un personnage fictif qui parle en mandarin, puis en français, avec un réalisme facial qui ne décroche pas… La promesse est là, et les premières démonstrations diffusées par Alibaba laissent entrevoir un résultat étonnamment fluide. Les usages que vise le géant de Hangzhou dessinent une cartographie ambitieuse. Le cinéma et la fiction courte, évidemment, où la capacité à générer des séquences narratives cohérentes de 30 secondes ouvre la porte au prototypage rapide de scènes, de storyboards animés, de teasers. Le marketing ensuite, secteur vorace en contenus vidéo personnalisés et où la possibilité de transformer un simple PDF produit ou une page web en clip promotionnel pourrait bien séduire les équipes créatives à court de budget. L’éducation aussi, avec la perspective de convertir des supports de cours PowerPoint en capsules vidéo pédagogiques animées. Et puis il y a les applications industrielles, dont la simulation pour la conduite autonome et la robotique, domaines où la génération de scénarios visuels synthétiques alimente déjà massivement l’entraînement des modèles de perception. La dimension multimodale de Wan 3.0 mérite qu’on s’y attarde, car elle distingue fondamentalement ce modèle de ses concurrents directs. Là où la plupart des générateurs vidéo IA fonctionnent encore sur un axe texte-vers-vidéo (avec parfois une entrée image), Alibaba a fait le pari d’ingérer à peu près tout ce qu’un utilisateur professionnel manipule au quotidien. Un fichier audio d’ambiance sonore peut servir de prompt pour générer une scène visuelle correspondante. Une page web de e-commerce peut être transformée en publicité vidéo. Cette polyvalence d’entrée, si elle tient ses promesses à l’échelle, pourrait redéfinir les flux de travail créatifs dans des secteurs entiers. Wan 3.0 s’inscrit dans une course chinoise à la vidéo IA qui a pris en 2025 et 2026 des allures de sprint collectif frénétique. ByteDance a déployé Seedance, son propre modèle de génération vidéo intégré à l’écosystème TikTok/Douyin, avec une puissance de distribution que personne ne peut ignorer. MiniMax, la startup shanghaïenne, a séduit la communauté open source avec des modèles légers et performants. Kuaishou continue de pousser Kling, qui s’est taillé une réputation solide sur la génération de mouvements réalistes. Et derrière ces noms, des dizaines de laboratoires chinois, souvent adossés à des géants du cloud, alimentent une dynamique d’innovation dont le rythme dépasse parfois celui de la Silicon Valley (du moins sur le segment spécifique de la vidéo générative). Face à Sora d’OpenAI, Veo de Google DeepMind ou Runway Gen-4, les modèles chinois ont longtemps été perçus en Occident comme des suiveurs talentueux. Cette perception est désormais largement obsolète. Le fait qu’Alibaba rende Wan 3.0 accessible en bêta publique, gratuitement via ses plateformes cloud, témoigne d’une stratégie agressive de démocratisation qui contraste avec les listes d’attente et les accès restreints encore pratiqués par certains acteurs américains. La bataille ne se joue plus uniquement sur la qualité brute des pixels générés, elle se joue sur l’accessibilité, la versatilité des entrées et la vitesse d’itération. Qui dominera le marché mondial de la génération vidéo IA d’ici fin 2026 reste une question ouverte, et la réponse dépendra sans doute autant des écosystèmes de distribution que de la pure performance technique. Alibaba, avec Wan 3.0, vient de poser sur la table un argument redoutable, celui d’un modèle multimodal, long format et grand public, adossé à une infrastructure cloud planétaire.
Alibaba lance Wan 3.0 en bêta publique : 30 secondes de vidéo IA, six types d’entrées, et la Chine qui accélère
