Un clip vidéo de dix secondes produit en 6,8 secondes, soit plus vite que le temps réel, sur une paire de superpuces Nvidia GB200. LTX, la société née du ventre de Lightricks, a dévoilé ce mardi 11 août 2026 son modèle LTX-2.5, et les chiffres qu’elle aligne ont de quoi faire vaciller toute la concurrence propriétaire. Car le plus vertigineux n’est pas la vitesse brute, c’est que ce moteur de génération vidéo par intelligence artificielle est distribué en open weights sur Hugging Face, gratuitement pour toute organisation dont le revenu annuel récurrent reste sous les dix millions de dollars.
Trente-trois millions de téléchargements cumulés sur Hugging Face font déjà de la gamme LTX la famille de world models ouverts la plus aspirée du marché, un chiffre qui traduit l’appétit vorace des développeurs, des studios et des roboticiens pour un modèle qu’ils peuvent déployer sur site, en edge ou via API sans jamais céder le contrôle de leurs données. L’intégration native dans ComfyUI dès le jour du lancement élargit encore le terrain de jeu, offrant aux créateurs un pipeline de production complet sans filigrane visible en sortie.
Qu’est-ce qui distingue vraiment un world model d’un générateur vidéo classique ? La capacité à encoder une compréhension physique du monde, celle qui empêche un personnage de traverser un mur ou un robot de foncer dans un meuble. LTX-2.5 embarque un tout nouveau décodeur vidéo à diffusion, baptisé Diffusion Fidelity Rendering, qui construit mouvement et structure dans un espace latent compressé huit fois avant de reconstruire les détails fins (texte incrusté, expressions faciales, textures de peau) avec une fidélité nettement rehaussée. Les artefacts visuels dans les scènes à fort mouvement, cette plaie endémique de la génération vidéo IA… sont ici drastiquement réduits grâce à un processus de diffusion pixel par pixel.
La génération multishot native constitue sans doute l’avancée la plus spectaculaire pour les professionnels de l’image animée. Là où les outils concurrents obligent à assembler plan par plan en priant pour la cohérence, LTX-2.5 rend une séquence entière en un seul passage, en préservant l’identité des personnages, la continuité des décors et même la voix entre les plans. Le backbone langage repose sur une version personnalisée de Gemma 4, couplée à un enhancer de prompt qui affine automatiquement les instructions textuelles.
Les benchmarks placent le modèle dans une catégorie à part pour la conversion image-vers-vidéo. Sur site (deux GB200), 6,8 secondes. Via l’API LTX, 23,7 secondes. En face, les alternatives fermées les plus véloces (Omni Flash, Grok 1.5, Veo 3.1) oscillent entre 52 et 70 secondes, tandis que Kling 3.0 Pro ferme péniblement la marche à 398 secondes. Le rapport est de 7,6 fois plus rapide que le concurrent propriétaire le plus proche, et environ 58 fois plus rapide que le plus lent, pour ne pas dire que l’écart confine à l’humiliation technique.
« On maintient la même efficacité et vitesse d’inférence tout en poussant la qualité », affirme Zeev Farbman, cofondateur et CEO de LTX, avec la sérénité de celui qui sait que ses chiffres parlent d’eux-mêmes. La philosophie de l’entreprise oppose frontalement l’ouverture aux jardins clos des géants propriétaires, en martelant que les décisions sur l’usage de l’IA doivent revenir aux utilisateurs finaux, via des modèles qu’ils peuvent inspecter, modifier et déployer à leur guise. Un studio de cinéma peut ainsi entraîner le modèle sur ses propres personnages sans jamais exposer sa propriété intellectuelle à un tiers.
Le versant robotique du projet mérite une attention particulière, car LTX-2.5 livre un checkpoint pré-entraîné spécifiquement conçu pour la physical AI, destiné à servir de base de fine-tuning sur des données hors cinéma. Markov Robotics figure déjà parmi les cas d’usage annoncés, aux côtés de Reactor pour les applications temps réel. Le modèle distillé, optimisé en collaboration avec Nvidia, tourne localement sur n’importe quel GPU RTX disposant d’au moins 16 Go de VRAM, ce qui le rend accessible à une armée de développeurs équipés de machines grand public.
L’écosystème open weights pour la vidéo IA vient de gagner en août 2026 un champion qui combine vitesse d’inférence hallucinante, qualité de rendu en forte progression et accessibilité matérielle démocratisée, et la vraie question n’est plus de savoir si les modèles fermés peuvent rivaliser sur la performance, mais combien de temps ils pourront encore justifier leurs tarifs face à un concurrent que chacun peut télécharger, ausculter et transformer à sa guise.
