Seedance 2.5 et la vidéo IA de trente secondes /
Le dédoublement de Gemini Image chez Google /
Aurora, l'image autorégressive branchée dans Grok

ByteDance a ouvert au public Seedance 2.5, son modèle de génération vidéo, après une phase d'accès réservé aux entreprises annoncée le 23 juin. La bascule majeure tient à la durée : le modèle produit trente secondes en une seule passe, sans assemblage de fragments, là où la plupart des concurrents plafonnent autour de dix. Seedance accepte jusqu'à cinquante références multimodales — images, sons, plans — pour tenir un personnage, une marque et un style sur toute la durée du plan. Sa retouche locale permet de corriger un détail, une couleur de cheveux ou un objet, sans régénérer le clip entier, ce qui déplace le travail vers la révision plutôt que le tirage. L'architecture co-traite l'image et le son dans un même espace latent, gage de synchronisation, mais le texte à l'écran et les scènes très longues restent des points fragiles.

Google a publié deux modèles d'image distincts : Gemini 3 Pro Image, orienté fidélité, et Gemini 3.1 Flash Image, taillé pour le volume et le coût. Le premier vise la production créative exigeante, du design à la campagne, quand le second privilégie la vitesse pour les usages à fort débit où l'on peut céder un peu de qualité. La facturation, désormais au token comme pour un modèle de langage, sépare nettement les deux gammes : la version Flash démarre à un demi-dollar le million de tokens en entrée, la version Pro grimpe à quatre fois plus. Les deux sont accessibles immédiatement via Google AI Studio et l'API Gemini, sans liste d'attente. Cette segmentation par usage plutôt que par génération technique installe un choix explicite, jusque dans un travail précis comme concevoir la pochette d'un album, entre rendu soigné et cadence de production.

xAI a mis à jour Grok avec Aurora, un modèle de génération d'image directement accessible depuis la plateforme X. Aurora délaisse la diffusion pour une approche autorégressive : l'image se construit par prédiction séquentielle, à la manière d'un modèle de langage qui pose ses jetons l'un après l'autre. Cette architecture, que Luma a récemment portée avec Uni-1, promet une meilleure prise en compte du texte et des consignes composées, au prix d'un rendu qui se joue dans l'enchaînement plutôt que dans le débruitage global. L'intégration à X place la génération d'image au cœur d'un réseau social de masse, ce qui déplace la question du studio vers celle de la diffusion et de la modération. Pour un directeur artistique, l'intérêt tient moins à l'effet de nouveauté qu'à la convergence : plusieurs laboratoires misent désormais sur l'autorégressif pour l'image, signe qu'une bascule d'architecture est en cours.