Veo 3.1 de Google apprend à transformer des photos de portrait en vidéos verticales

La vidéo verticale a enfin cessé d'être un format de seconde zone. Google a mis à jour son modèle de génération vidéo Veo 3.1 en y ajoutant la prise en charge native des clips verticaux, ceux qui dominent TikTok, Instagram Reels et YouTube Shorts. Mais il ne s'agit pas seulement de faire pivoter l'image de 90 degrés : l'entreprise a profondément remanié le mécanisme qui détermine la fidélité de la vidéo générée aux images sources.

L'outil « Ingredients to Video », présenté l'an dernier, permet d'importer jusqu'à trois images de référence et de créer des vidéos à partir de celles-ci. Il peut s'agir de portraits de personnages, de textures d'arrière-plan ou d'éléments de décor : en somme, des « ingrédients » visuels avec lesquels le réseau de neurones assemble le clip final. Le défaut de la version précédente tenait au fait que le modèle « brodait » souvent des détails, s'écartant des références importées. La mise à jour doit corriger cela : Google promet des résultats « plus expressifs et créatifs » avec une restitution « riche » des matériaux d'origine.

Pourquoi la vidéo verticale est au cœur de cette mise à jour ? La réponse saute aux yeux. Les clips verticaux courts génèrent des milliards de vues chaque jour.

Créateurs de contenu, marketeurs et community managers réclament depuis longtemps des outils capables de produire rapidement du contenu visuellement attrayant dans ce format. Jusqu'ici, la plupart des générateurs vidéo IA étaient conçus pour le format horizontal, « cinématographique », 16:9, et les clips verticaux devaient être recadrés à la main, au prix d'une perte de qualité et de composition. La prise en charge native signifie que le modèle compose d'emblée le cadre pour l'orientation verticale, avec une bonne disposition des objets et en tenant compte des proportions du visage et de l'arrière-plan.

La fonction d'augmentation de résolution, l'upscaling, mérite une mention à part. Les modèles vidéo génératifs restent limités en résolution : le coût de calcul d'une vidéo en 4K est astronomique. L'upscaling permet de générer le clip dans une résolution plus basse, puis de le mettre à l'échelle de façon intelligente en préservant détails et netteté. C'est un compromis pragmatique qui rend la vidéo IA publiable sur les plateformes exigeant au moins du Full HD.

On ne peut comprendre le contexte de cette mise à jour sans la course concurrentielle. OpenAI continue de développer Sora, déjà accessible aux abonnés de ChatGPT Plus. Runway enchaîne les itérations de Gen-3 Alpha.

Les entreprises chinoises, dont Kling, MiniMax et ByteDance avec son propre modèle, accélèrent à un rythme effrayant. Dans ce contexte, Google ne peut pas se permettre de prendre du retard, d'autant que Veo est intégré à l'écosystème Gemini et potentiellement accessible à des centaines de millions d'utilisateurs via les services de Google. Chaque mise à jour fonctionnelle n'est pas qu'une amélioration technique, mais un coup stratégique dans la bataille pour le marché de la vidéo générative, qui pourrait dépasser 10 milliards de dollars d'ici 2028 selon les analystes.

Il faut aussi noter que l'amélioration de la cohérence avec les images de référence s'attaque à l'un des principaux points de friction des utilisateurs de modèles vidéo génératifs. Lorsque vous importez la photo d'une personne précise et voulez une vidéo avec exactement ce visage, même de petits écarts, comme une autre forme de nez, une couleur d'yeux modifiée ou des traits qui « flottent », brisent l'illusion. Pour un usage commercial, publicité ou contenu de marque, de telles erreurs sont inacceptables. Si Google a réellement amélioré la fidélité, Veo se rapproche du seuil de viabilité commerciale.

Les conséquences pratiques pour les utilisateurs russes restent pour l'instant limitées : l'accès à Veo via les services de Google est difficile en Russie, et l'entreprise ne fournit une API complète aux développeurs tiers que de manière sélective. La tendance n'en est pas moins nette : la génération vidéo par IA passe rapidement du gadget expérimental à l'outil de travail. Format vertical, respect précis des références, augmentation de résolution : autant de briques dans les fondations d'un avenir où une grande partie de la vidéo sur les réseaux sociaux sera produite non par une caméra, mais par un réseau de neurones.

Google comble méthodiquement l'écart entre ce que les modèles génératifs peuvent faire en théorie et ce que le marché réel exige d'eux. Une vidéo verticale tirée d'une photo de portrait n'est pas une révolution. C'est de la maturité d'ingénierie, et c'est elle qui déterminera qui occupera finalement la position dominante dans l'industrie de la vidéo IA.

*Meta est reconnue comme organisation extrémiste et interdite en Fédération de Russie.