Alors que la Silicon Valley était occupée avec les agents et le code, la Chine s’est emparée d’un domaine crucial de l’IA : vidéo

Il s’appelle Minimax H3 et c’est le modèle d’IA vidéo générative qui est devenu à la mode ces derniers jours. Il a de bonnes raisons de le faire car les résultats sont spectaculaires – vous pouvez en voir dans le lien précédent du modèle – mais cela confirme aussi une tendance singulière : peut-être pour générer du texte ou du code GPT-5.6 Sol ou Fable 5, des sociétés américaines OpenAI et Anthropic, sont les modèles de référence, mais dans la vidéo générée par l’IA les choses changent : la Chine domine de manière impériale.

Neuf des dix premiers sont chinois. La célèbre société d’évaluation de modèles, Artificial Analysis, a classé les meilleurs modèles du marché aujourd’hui, et la conclusion est écrasante : les modèles d’IA génératrice vidéo des entreprises chinoises dominent complètement le marché. Neuf des dix meilleurs modèles sont chinois, et seul le Google Gemini Omni Flash parvient à les devancer tous. Le Minimax précité avec son modèle H3, ByteDance (Seedance 2.0), Alibaba (Habby Horse), Kuaishou (Kling) et Skyworks (Skyreels V4) disposent de modèles exceptionnels.

La Chine saisit son moment. L’apparition de ces modèles avancés par les entreprises chinoises coïncide avec l’abandon temporaire apparent de ces efforts par les entreprises américaines. OpenAI a abandonné son modèle Sora en mars 2026, bien qu’il ait fait une promotion significative de ce modèle l’année dernière, et maintenant Google – qui sauve le vote pour les États-Unis – et Runway tentent de rivaliser sur un marché dans lequel les entreprises chinoises sont massivement entrées.

Vous avez besoin de plus que de jolis pixels. Pour générer un clip vidéo convaincant, ces modèles doivent conserver une certaine cohérence dans la façon dont les objets et les êtres vivants qui y apparaissent se déplacent et réagissent avec leur environnement. Par exemple, une balle doit rouler sur l’herbe et ne pas glisser sans friction, et une tasse ne doit pas traverser une table. Les modèles actuels continuent de commettre des erreurs, mais ils prédisent de mieux en mieux ces dynamiques et se rapprochent de plus en plus du monde physique réel.

Le . L’idée de construire des systèmes qui non seulement génèrent ce que nous décrivons dans le texte, mais peuvent également prédire et représenter ce qui va se passer ensuite, est particulière. Runway, par exemple, connecte déjà explicitement ses modèles vidéo à des systèmes destinés à la robotique et à la simulation physique. Son modèle GWM-1 utilise une base vidéo générative pour prédire des trajectoires possibles conditionnées par les mouvements d’un robot physique. Ces types de « modèles mondiaux » sont devenus une discipline particulièrement prometteuse, et en fait Yann LeCun et Fei-Fei Li ont créé des startups qui visent à les promouvoir comme des voies possibles vers une AGI.

Plus important qu’il n’y paraît. La vidéo générée par l’IA peut déjà être utilisée pour du contenu publicitaire et de divertissement, et en fait elle devient déjà plus forte. Cependant, un modèle capable d’anticiper le comportement d’un certain objet peut s’avérer inestimable pour la formation de robots humanoïdes, par exemple. Pour plier un T-shirt, il ne suffit pas de savoir que ce qui se trouve devant soi est un T-shirt : la machine doit anticiper ce qui se passera lorsqu’elle attrape un coin, le soulève ou le laisse tomber. Et ce qui est vrai pour les robots l’est également pour les voitures autonomes, une usine ou tout système automatisé devant réagir à des environnements et des conditions changeants.

La Chine possède déjà des robots physiques, elle cherche aussi à se doter de leurs cerveaux. Le géant asiatique développe depuis des années une industrie prometteuse de véhicules électriques, de drones et de robots humanoïdes. Ces derniers sont de plus en plus frappants, et bien qu’il y ait des progrès, il est évident que les robots ne s’adaptent pas bien au monde réel car il leur manque un « cerveau » qui leur permette d’interagir de manière appropriée avec l’ensemble de leur environnement et ainsi d’exécuter les tâches qui leur sont demandées. Les mêmes modèles vidéo qui génèrent aujourd’hui des mèmes et des clips surprenants pourraient finir par être cruciaux pour l’entraînement des machines et constituer la base de cette « IA physique » dont on parle depuis un certain temps. Cela pourrait changer la robotique (et notre monde) pour toujours.

Mais. La capacité de générer des vidéos réalistes ne doit pas être confondue avec une compréhension physique complète de notre monde. Même si les modèles actuels permettent de produire des clips vidéo très convaincants, ils ne reposent toujours pas sur une représentation robuste et fidèle des lois physiques. Il existe également un problème supplémentaire pour les entreprises chinoises : le droit d’auteur et l’origine des données de formation, qui sont plus faciles à détecter visuellement et pourraient poser des problèmes face à des poursuites judiciaires pour violation du droit d’auteur.

L’autre race invisible de l’IA. Les États-Unis et la Chine sont engagés depuis des années dans cette grande course aux modèles d’IA « textuels », mais ces chatbots et les plateformes qui en ont été générées ne sont qu’une partie de l’équation. En fait, la véritable valeur réside peut-être dans les robots, les voitures autonomes ou les simulateurs industriels. Et si la Chine parvient avant tout le monde à apprendre à ses machines à fonctionner dans le monde réel, elle aura peut-être gagné la course technologique la plus importante de l’histoire.

À Simseo | GPT-5.6 est probablement le meilleur modèle d’IA au monde. Et c’est précisément pour cette raison que la majorité n’en a pas besoin.