H3 Max, Wan 3.0 et GPT Image 2.5 : une flaque, cinq modèles vidéo

Comparer des modèles vidéo à partir de leurs billets de lancement ne mène pas bien loin : chacun est forcément « le plus réaliste » et « le meilleur de sa catégorie ». Nous avons donc fait plus simple. Nous avons pris une seule consigne, l’avons envoyée aux cinq modèles vidéo de ChatPlus, puis nous avons chronométré le temps nécessaire et regardé ce qui revenait.

La consigne : « Une rue d’automne après la pluie, à l’heure dorée. Une jeune femme en imperméable jaune saute dans une flaque, l’eau éclabousse, des feuilles d’érable tourbillonnent autour d’elle. Elle rit et dit : “L’automne est là !” Caméra à l’épaule, ambiance sonore naturelle de rue. »

Deux des cinq modèles sont nouveaux sur ChatPlus : H3 Max et Wan 3.0. Nous avons aussi mis à jour le modèle d’image par défaut : GPT Image 2.5 prend désormais la place de GPT Image 2. Passons-les en revue un par un, avant de voir lequel choisir selon les cas.

H3 Max : un clip avant que votre café refroidisse

Commençons par le chiffre qui donne envie d’essayer ce modèle. Onze secondes. C’est le temps écoulé entre l’appui sur le bouton et l’obtention d’un clip de cinq secondes terminé, avec le son, file d’attente et téléchargement du fichier compris. La génération elle-même ne prend que quelques secondes sur GPU. Les autres modèles ont mis entre un peu moins d’une minute et près de quatre minutes pour la même consigne.

D’où vient cette vitesse : la base est MiniMax H3, un modèle vidéo à poids ouverts de l’entreprise chinoise MiniMax. L’équipe de fal, l’une des plus grandes plateformes d’exécution de modèles génératifs, l’a post-entraîné et reconstruit pour ses propres serveurs. Elle a publié le résultat sous le nom de H3 Max à la fin août. D’après ses mesures, le débit a été multiplié par environ 35 par rapport au H3 d’origine et, lors de comparaisons à l’aveugle, où les spectateurs choisissent le meilleur de deux clips sans savoir quel modèle les a produits, H3 Max a battu une douzaine de concurrents.

La vitesse n’est pas son seul atout. H3 Max génère toujours du son : bruit de rue, pas, rires, courtes répliques. Dans notre test, la femme a bien sauté dans la flaque, les feuilles ont tournoyé autour d’elle et la phrase de la consigne est sortie clairement. Il n’y a pas d’interrupteur pour le son, et il n’y en a pas besoin, puisque l’audio ne coûte rien de plus.

H3 Max, 11 secondes entre la demande et le fichier. Activez le son pour entendre la phrase à la fin.

Soyons honnêtes sur les limites. La résolution est de 768p, en dessous du Full HD. C’est largement suffisant pour des stories, des reels et des brouillons, pas pour un grand écran. Et dans les scènes complexes avec des mouvements rapides, H3 Max reste plus simple que les modèles coûteux : les détails sont un peu plus doux et la physique de l’eau plus modeste.

Le prix compense : 40 crédits média par seconde, soit 200 crédits pour un clip de cinq secondes. C’est la vidéo la moins chère sur ChatPlus. Notre façon de l’utiliser : essayer cinq ou dix versions d’une consigne, repérer l’idée qui fonctionne, puis, si vous le souhaitez, envoyer la version finale à un modèle plus onéreux.

Wan 3.0 : une vidéo qui ressemble à un tournage au téléphone

Wan est la famille de modèles vidéo d’Alibaba. La troisième génération est entrée en bêta début août 2026 et est devenue accessible à tous le 24 août. Alibaba a mis l’accent sur les personnes : des visages crédibles de tous types, des expressions naturelles, des mouvements sans cet aspect plastique que beaucoup de modèles d’IA conservent.

Le modèle peut faire davantage que ce que nous exploitons aujourd’hui. Nativement, il génère des clips jusqu’à 30 secondes et accepte du texte, des images, de l’audio et même de la vidéo en entrée. Sur ChatPlus, vous pouvez créer des clips de 5, 10 ou 15 secondes en 720p, à partir d’une description ou de votre propre photo.

Dans notre test, Wan a produit le clip le plus quotidien des cinq. Pas de vernis publicitaire : une rue ordinaire, des bottes en caoutchouc, des feuilles qui volent droit vers l’objectif. C’est celui qui ressemble le plus à une vidéo filmée par une amie avec son téléphone, exactement ce que demandait « caméra à l’épaule ». Le son et la phrase prononcée sont bien présents.

Wan 3.0, 2 minutes 37 secondes. Le rendu le plus proche d’une vidéo au téléphone parmi les cinq.

Nous avons attendu plus de deux minutes et demie. C’est normal pour des modèles vidéo de ce niveau, mais après H3 Max, cela paraît interminable.

Côté prix, Wan 3.0 se situe au milieu : 50 crédits média par seconde, et le son ne change pas le coût. Un clip de cinq secondes revient à 250 crédits. Kling 3 Pro avec le son coûte 420 crédits et Seedance Pro 760. Si vous avez besoin d’une personne crédible à l’écran sans trop dépenser, commencez par Wan.

Une consigne, cinq modèles

Voici les résultats des cinq modèles. Le temps est mesuré de la demande au fichier terminé ; le prix correspond à un clip de cette durée avec le son.

Veo 3.1 de Google a livré le plan le plus cinématographique : le soleil plein objectif, un tapis de feuilles rouges le long du trottoir, une grande éclaboussure, le tout avec un rendu de spot publicitaire. Le son de Veo est le meilleur du lot, une vraie bande-son mixée plutôt qu’un bruit ajouté par-dessus. C’est aussi la seconde la plus chère sur ChatPlus. Pour les brouillons, il y a Veo 3.1 Fast : plus rapide et nettement moins coûteux.

Veo 3.1, 54 secondes. Contre-jour et couleurs façon publicité.

Kling 3 Pro a pris une autre direction. Pendant tout le clip, la caméra est restée sur ses pieds et les éclaboussures ; on entend la phrase, mais on ne voit jamais son visage. Le modèle ne s’est pas trompé, il a simplement lu « saute dans une flaque » au pied de la lettre. La vraie force de Kling est ailleurs : donner vie à des photos, nous y revenons plus bas.

Kling 3 Pro, 1 minute 46 secondes. Bottes, éclaboussures et reflets, mais pas de visage.

Seedance Pro de ByteDance a été le plus long et a montré le traitement du mouvement le plus soigné. Des nappes d’eau nettes qui jaillissent de la flaque, des feuilles saisies en plein vol, et une caméra qui passe d’un plan large au visage rieur de la jeune femme, comme si un cadreur courait à côté d’elle.

Seedance Pro, 3 minutes 54 secondes. Du plan large au gros plan en une seule prise.

Conclusion : il n’existe pas de modèle « meilleur » en toutes circonstances. Chacun a son caractère, et le bon choix dépend du travail à faire.

GPT Image 2.5 remplace GPT Image 2

Passons aux images. Le 8 septembre, OpenAI a publié GPT Image 2.5 en deux versions. Sunburst est la plus précise : elle suit mieux la consigne et s’en sort mieux pour modifier des images existantes. Flare est la version plus rapide et plus simple. ChatPlus utilise Sunburst.

GPT Image 2 était déjà notre modèle par défaut, parce qu’il est excellent avec le texte dans les images. La version 2.5 est encore plus propre sur le lettrage et garde mieux le fil des longues consignes pleines de détails. Nous l’avons testée sur le même thème d’automne : la femme en imperméable jaune à une table de café avec une tasse de chocolat chaud, plus un texte manuscrit sur la vitrine. Un peu plus d’une demi-minute plus tard, nous avions l’image, avec un titre écrit à la main sur la vitre et une petite ligne de prix en dessous, sans une seule lettre cassée. Il a même ajouté tout seul un panneau de menu au fond, lui aussi parfaitement lisible.

GPT Image 2.5, 36 secondes. Les deux lignes sur la vitre sont sorties correctement dès le premier essai.

Les retouches sont elles aussi plus fiables. Importez une photo et indiquez quoi modifier : le modèle change ce que vous avez demandé et a moins tendance à redessiner le reste.

Les prix ne changent pas : 10 crédits média par image en qualité standard et 50 en haute qualité. Si GPT Image 2 était sélectionné, vous n’avez rien à faire : le générateur est passé tout seul à 2.5. Essayer GPT Image 2.5.

D’abord l’image, puis la vidéo

Le résultat le plus intéressant du test est arrivé par hasard. Nous avons pris cette image de café générée avec GPT Image 2.5 et l’avons donnée à Kling 3 Pro pour l’animer. De la vapeur s’est élevée du chocolat chaud, des gouttes ont coulé sur la vitre, la femme a souri. Et le lettrage sur la vitrine ne s’est déformé à aucune image, alors que le texte est généralement la première chose que les modèles vidéo abîment.

Image par GPT Image 2.5, mouvement par Kling 3 Pro.

Cela donne une méthode fiable pour des couvertures, des cartes et des clips pour Instagram, LinkedIn ou WhatsApp. Commencez par créer l’image parfaite dans GPT Image 2.5 : c’est peu coûteux, et le texte est juste. Puis donnez-lui vie dans Kling 3 Pro ou Wan 3.0. C’est beaucoup plus prévisible que de décrire toute la scène en mots et d’espérer que le modèle vidéo dispose correctement chaque élément.

Une réserve. Seedance Pro n’anime pas les photos de personnes réelles, car ByteDance les bloque. Pour les portraits et les photos de famille, utilisez Kling 3 Pro : il conserve un visage reconnaissable de la première à la dernière seconde.

Quel modèle choisir

En bref, tout dépend de ce que vous voulez faire.

Rapide et pas cher — tester une idée, créer une story, essayer des variantes de consigne — H3 Max. Environ dix secondes et 200 crédits par essai.

Une personne réaliste dans une scène quotidienne, sans rendu publicitaire — Wan 3.0. Son inclus, prix intermédiaire.

Donner vie à votre propre photo — Kling 3 Pro. Les visages, les vêtements et les textes restent tels qu’ils étaient dans l’image.

Un clip cinématographique avec un son de qualité film — Veo 3.1, et Veo 3.1 Fast pour les brouillons.

Un mouvement complexe — danse, sport, eau, changements de plan — Seedance Pro, si vous acceptez d’attendre et de payer davantage.

Vous pouvez changer de modèle directement dans le générateur vidéo, par exemple en commençant par H3 Max. La vidéo et les images utilisent les mêmes crédits média, et le prix d’un clip s’affiche avant le lancement.

En bref

ChatPlus compte deux nouveaux modèles vidéo. H3 Max est la version accélérée par fal de MiniMax H3 : un clip avec son en une dizaine de secondes, 200 crédits média pour cinq secondes, 768p. Wan 3.0 d’Alibaba apporte des personnes crédibles et des mouvements naturels, avec le son inclus dans le prix, 250 crédits pour cinq secondes. Le modèle d’image par défaut est désormais GPT Image 2.5 d’OpenAI : plus propre avec le texte et les retouches, aux mêmes prix de 10 et 50 crédits. Dans notre test avec une seule consigne, H3 Max a été le plus rapide, Veo 3.1 le plus cinématographique, et Seedance Pro le plus soigneux sur le mouvement.