Une seconde de vidéo IA dans le montage final coûte $0,186, et non les $0,10 de la grille tarifaire

La page tarifaire d'un modèle vidéo promet « environ $0,10 la seconde ». Un clip de 30 secondes, c'est trois dollars, pensez-vous, puis la facture arrive, deux à trois fois plus élevée. Il n'y a pas de frais cachés : la grille compte chaque seconde générée, alors que seule la seconde qui a survécu à la sélection et au montage entre dans le clip final.

Imaginez que vous commandez une scène avec des mains et obtenez trois prises de 4 secondes. Dans les deux premières, la main « flotte » et la caméra dérive ; la troisième convient. Vous avez payé 12 secondes, et 4 vont dans le clip.

C'est ainsi que, dans l'exemple pédagogique de l'auteur d'une analyse publiée sur Habr, chaque seconde retenue revient à $0,186 au lieu des $0,10 de la grille. L'auteur génère de courtes vidéos et des publicités via l'API Gemini et OpenRouter, et tient un log de chaque prise. Si vous produisez de la vidéo IA sur commande, ce log est un moyen d'éviter que votre devis ne vous fasse perdre de l'argent.

Les trois prix d'une seconde

Une seconde de vidéo a trois prix, et les confondre coûte cher.

Le premier est celui de la grille. Chez Gemini Omni Flash, il est d'environ $0,10 la seconde en 720p (5792 tokens vidéo à $17,50 le million donnent $0,101). Pour Seedance 2.0 via OpenRouter, d'après les factures de l'auteur, on arrive à environ $0,15 la seconde avec le son.

Le deuxième est le prix payé. Outre la vidéo, vous payez l'entrée (images et prompt) et, avec Omni, également la réflexion du modèle. Un clip de 4 secondes coûte $0,405 selon la grille ; sur la facture de l'auteur, il est ressorti à $0,42–0,43.

Le troisième est le prix de la seconde retenue : tout ce qui a été dépensé en prises pour la scène, divisé par les secondes entrées au montage. C'est le seul sur lequel il faut bâtir un devis. Le coefficient de dépense relie ces prix : on divise les secondes payées par les secondes retenues. Il grimpe à cause des rebuts (prise entière jetée) et du rognage (sur 5 secondes, 3 sont allées au montage). On oublie souvent le rognage, alors que sur les clips longs il coûte plus cher que les rebuts.

Comment tenir le log et faire le calcul

Pour Omni, le prix d'une prise se calcule d'après les compteurs de tokens du champ usage : $1,50 le million pour l'entrée, $17,50 pour la vidéo en sortie, $9 pour le texte en sortie, réflexion comprise. Piège : si vous facturez tous les tokens de sortie au tarif de la vidéo, le prix est surestimé, car la réflexion coûte presque moitié moins cher. Les noms des champs de usage varient selon les versions de l'API : enregistrez une fois une réponse brute sans la vidéo et regardez comment ils s'appellent chez vous.

Avec OpenRouter, c'est plus simple : la vidéo est générée sous forme de tâche, et une tâche terminée renvoie, lors de l'interrogation du statut, un champ usage.cost déjà exprimé en dollars.

Il faut ensuite un tableau, avec une ligne par prise : scène, modèle, durée réelle en secondes, prix, nombre de secondes entrées au montage, et cause du rebut ou du rognage. On relève la durée réelle : Omni n'accepte pas de paramètre de durée, c'est le prompt qui la fixe, et le modèle peut produire de 3 à 10 secondes. Un petit script Python lit le CSV et affiche, pour chaque scène, le coefficient et le prix de la seconde retenue.

Dans l'exemple pédagogique de trois scènes, 23 secondes ont été payées au total, 13 retenues, soit un coefficient de 1,77. Scène avec les mains : trois prises, 12 secondes payées, 4 retenues, coefficient de 3,00, $0,318 la seconde retenue. Scène avec un visage : validée du premier coup, mais deux secondes ont dû être coupées, d'où un coefficient de 1,67 et $0,173. Scène avec deux personnages : elle colle à la grille, à $0,105. En moyenne sur le clip, on arrive à $0,186, soit presque le double des $0,10 annoncés.

Les chiffres de vraies factures et comment les faire baisser

Sur trois projets de l'auteur, en octobre 2026, hors taxes :

• publicité pour du poisson fumé, 6 plans sur Veo 3.1 Fast : 24 secondes payées et 24 retenues, coefficient de 1, environ $0,10 la seconde ;
• 8 mouvements de caméra sur Veo 3.1 Fast : 40 secondes payées, 32 retenues, coefficient de 1,25, $0,125 ;
• publicité produit à partir d'une seule photo sur Seedance 2.0 : 27 secondes payées, 15 retenues, coefficient de 1,8, $0,27.

L'auteur met le premier projet sur le compte de la chance : les images de départ ont été validées avant la vidéo, et le mouvement de caméra de chaque clip était simple. La publicité produit est typique d'un cas coûteux : un client ne pardonnera pas une étiquette qui flotte, donc un plan dont l'emballage est raté est refait sans discussion, et les corrections ont coûté presque autant que la première prise. Veo 3.1 est désactivé pour les développeurs depuis le 22 octobre ; ces projets ont été tournés avant, mais Omni Flash coûte à peu près autant selon la grille.

Ce qui fait baisser le coefficient, d'après l'expérience de l'auteur :

• valider l'image de départ avant la vidéo : une image 1K coûte environ 7 cents, un clip de 4 secondes environ 42 ;
• ne donner qu'un seul mouvement simple par clip : « soulève la tasse » rate moins souvent que « soulève la tasse, boit et regarde par la fenêtre » ;
• commander la durée en fonction du montage, pas avec de la marge ;
• s'arrêter après trois prises identiques et changer une seule variable : le prompt, l'image ou le modèle ;
• choisir le modèle d'après le coefficient, pas d'après la grille : un modèle deux fois plus cher mais accepté du premier coup revient moins cher qu'un modèle qui demande trois prises.

Si vous avez un abonnement plutôt que l'API, la logique est la même : divisez tout ce que vous avez payé dans le mois par les crédits réellement consommés. À $20 les 1000 crédits et 500 crédits dépensés, le crédit coûte non pas 2, mais 4 cents.

Que faire

La grille est un plancher : vous ne paierez exactement ce prix que si chaque prise entre intégralement dans le clip. D'après l'expérience de l'auteur, le coefficient est de 1 à 1,3 sur les scènes simples, d'environ 2 sur la publicité produit, d'environ 3 sur les mains, l'eau et les petits objets. Dans le devis client, il prévoit donc pour les reprises autant que pour la première prise, puis recalcule d'après le log après le premier test. Les chiffres viennent d'un petit échantillon d'un seul auteur, mais la méthode est simple : le log se remplit en cinq minutes après le montage et, au bout de quelques projets, montre quelles scènes coûtent cher et où économiser.