Alibaba a élargi le 24 août 2026 l'accès à Wan 3.0, son modèle vidéo développé par le Tongyi Lab, en bêta publique depuis le 6 août. Deux caractéristiques sortent du lot : trente secondes de vidéo sonore en un seul passage, soit le double de la version précédente, et surtout la capacité à accepter des documents en entrée. Un tableur, une présentation ou un PDF peuvent devenir une vidéo, un axe que les concurrents directs n'occupent pas.
Nous avions dressé fin juillet un comparatif des modèles vidéo en concluant qu'aucun ne gagnait sur tous les axes. Cette sortie confirme le diagnostic tout en ajoutant un axe auquel personne ne pensait.
Ce que Wan 3.0 apporte
Trente secondes en un seul passage. C'est le double de Wan 2.7, et cela place le modèle au niveau du meilleur de la catégorie, atteint avant lui par Seedance 2.5. La différence avec un assemblage de plans courts n'est pas cosmétique : un plan continu autorise un mouvement de caméra ininterrompu et une écriture en plan-séquence, impossibles à obtenir en recollant des morceaux.
Le son en même temps que l'image. La vidéo revient sonorisée plutôt que muette, dans le même passage de génération.
La cohérence sur la durée. Alibaba affirme avoir traité la dérive visuelle et la déformation des visages qui affectent les clips longs, avec jusqu'à vingt références maintenues cohérentes sur l'ensemble du plan.
Une recommandation de durée, le système suggérant une longueur optimale selon la demande, et une capacité d'extension pour prolonger un récit.
Le document en entrée, une capacité rare
C'est le point qui distingue le plus cette sortie, et il est passé inaperçu dans la plupart des reprises.
Wan 3.0 accepte, en plus du texte, de l'image, de l'audio et de la vidéo, des documents bureautiques : traitement de texte, tableur, présentation, PDF, ainsi que des pages web. Le modèle les lit et construit une vidéo à partir de leur contenu.
Alibaba présente cette capacité comme une première du secteur. Nous n'avons pas trouvé de source indépendante permettant de le confirmer, et nous nous en tenons donc à un constat plus modeste : les modèles concurrents que nous avons examinés annoncent quatre modalités d'entrée, texte, image, audio et vidéo, sans mentionner les documents bureautiques. C'est donc au minimum un axe peu occupé.
Concrètement, cela signifie qu'une présentation commerciale, un rapport trimestriel ou une fiche produit peuvent devenir une vidéo sans passer par l'étape de rédaction d'un scénario. C'est un usage professionnel très concret, et il vise un marché que les autres modèles n'adressent pas directement : les entreprises qui produisent déjà énormément de documents et qui aimeraient les décliner en vidéo.
Où il se situe face aux autres
| Modèle | Durée en un passage | Tarif indicatif | Point fort |
|---|---|---|---|
| Wan 3.0 (Alibaba) | 30 s | 0,3 à 1,2 yuan/seconde selon la définition | Documents en entrée, une première |
| Seedance 2.5 (ByteDance) | 30 s | Variable selon plateforme | 4K, jusqu'à 50 références |
| FLUX 3 (Black Forest Labs) | 20 s | Non communiqué | Architecture unifiée, ambition robotique |
| Kling 3.0 (Kuaishou) | 15 s | ~0,11 à 0,14 $/s (Turbo) | 4K natif à 60 images/s, lip-sync par personnage |
| Gemini Omni Flash (Google) | ~10 s (aperçu plafonné) | ~0,10 $/s | En tête des classements en aveugle |
| MiniMax H3 | plans courts, ~30 s uniquement par extension | Variable selon plateforme | Disponible largement, extension de plans |
Deux lectures se dégagent, et la première demande une précision. Sur la durée, Wan 3.0 ne crée pas un record : Seedance 2.5 produisait déjà trente secondes en un seul passage depuis juin. Alibaba rejoint donc le niveau de tête, il ne le déplace pas. Et la ligne MiniMax H3 mérite d'être lue avec attention : atteindre trente secondes par extension successive n'est pas la même chose, puisque chaque raccord se voit et interdit le mouvement de caméra continu. Sur le prix, en revanche, le positionnement est agressif.
Mais la réserve la plus importante est ailleurs : aucun de ces résultats n'a été mesuré indépendamment. Les affirmations de qualité reposent sur les déclarations d'Alibaba. Comme nous le rappelons dans notre article sur les benchmarks, une capacité annoncée n'est pas une capacité vérifiée, et une durée longue ne dit rien de la qualité de ce qui se passe pendant ces trente secondes.
Voici le point qui mérite d'être souligné, parce qu'il est révélateur. Wan 3.0 avait été préannoncé comme une publication à poids ouverts sous licence permissive. Il sort finalement en accès contrôlé, par candidature, sans poids téléchargeables. Les poids ouverts de la série Wan s'arrêtent à la version 2.2. La communauté avait d'ailleurs accueilli la promesse initiale avec scepticisme plutôt qu'enthousiasme, en raison d'un historique : d'autres versions annoncées comme ouvertes ne l'ont jamais été. Ce scepticisme était fondé.
Le contexte financier, qui n'est pas anodin
Le calendrier mérite d'être noté. Cet élargissement d'accès intervient au lendemain d'un placement d'actions à Hong Kong ayant levé environ 80 milliards de dollars hongkongais, soit près de 10,2 milliards de dollars américains, présenté comme la plus importante opération de ce type jamais réalisée par une société cotée sur cette place. L'intégralité du produit net est affectée à l'intelligence artificielle.
Alibaba a par ailleurs rapporté une croissance de 45 % sur un an de ses revenus cloud et IA au trimestre de juin.
Le passage d'une stratégie d'ouverture à un modèle fermé s'inscrit donc dans une logique de monétisation assumée. Ce n'est pas contradictoire avec ce que nous observons ailleurs : nous avons décrit la publication de modèles de langage ouverts par le même groupe. Alibaba ouvre sur le texte et ferme sur la vidéo, ce qui suggère que la vidéo est perçue comme le segment où la valeur se capte directement.
Ce que ça change pour un créateur
Trois conséquences pratiques.
La barrière de la durée tombe. Trente secondes en un plan continu couvrent un format publicitaire complet ou une séquence narrative entière. C'est un seuil qui change ce qu'on peut envisager sans montage.
L'accès reste contraint. Le modèle passe par une candidature sur des plateformes chinoises, avec une offre grand public annoncée sur invitation. Pour un créateur européen, la disponibilité pratique est loin d'être acquise.
Le choix reste une question d'axe. C'est la conclusion que nous formulions en juillet et elle tient : aucun modèle ne gagne partout. Pour un plan long d'un seul tenant, Wan 3.0 ou Seedance 2.5. Pour la finition technique en 4K, Kling. Pour le meilleur rapport qualité-prix, Gemini Omni Flash. Pour la disponibilité immédiate sans compte régional, MiniMax H3. Et pour partir de documents existants, Wan 3.0 est aujourd'hui le candidat le plus direct.
Ce qu'il faut retenir
La course à la durée arrive probablement à un palier utile : au-delà de trente secondes, le montage redevient la bonne réponse, et le vrai enjeu se déplace vers la cohérence et la direction artistique.
Ce qui rend cette sortie intéressante, ce n'est donc pas la durée, déjà atteinte par un concurrent. C'est l'idée du document en entrée, qui déplace la question de comment décrire ce que je veux vers que faire de ce que j'ai déjà. Beaucoup d'entreprises n'ont pas besoin d'un outil qui invente : elles ont besoin d'un outil qui décline. C'est un angle commercial que les modèles occidentaux, concentrés sur la prouesse créative, n'occupent pas.
Reste le sujet de fond, et il vaut au-delà d'Alibaba : quand une promesse d'ouverture publique se transforme en accès sur candidature, cela rappelle que dans ce secteur, l'ouverture est une stratégie commerciale plutôt qu'une valeur. Elle dure aussi longtemps qu'elle sert, et pas une version de plus.