Le nouveau benchmark vidéo d'Artificial Analysis sépare spécialité et facture
— AUDIOVISUEL
Artificial Analysis classe désormais les modèles vidéo par usage et par capacité, du motion design à l'anime, avec des scores Elo séparés pour l'audio et le silencieux. Le choix d'un modèle dépend maintenant du brief précis, et son prix varie du simple au septuple pour une préférence humaine quasi identique.
Un classement unique ne dit plus grand-chose du travail réel sur un plateau virtuel. Artificial Analysis vient de refondre son benchmark vidéo pour comparer les modèles sur deux grilles séparées, les usages, du film live-action à la publicité e-commerce, et les capacités, de l'anatomie humaine au lip sync. Deux scores distincts existent désormais, un pour les vidéos avec son, un pour les silencieuses, calculés sur des votes humains recueillis à l'aveugle.
Pour un motion designer qui doit livrer une animation d'interface pour une application, le choix ne se fait plus sur un score global affiché en haut de tableau. Gemini Omni Flash 1.1 arrive en tête sur la synchronisation audio et sur le motion design d'interface, pendant que Seedance 2.5 s'impose sur l'anatomie humaine et le dialogue en lip sync. Un même brief client peut désormais orienter vers deux modèles différents selon que la scène demande un visage qui parle ou une interface qui s'anime.
Le tarif révèle l'écart le plus concret pour un devis. Dreamina Seedance 2.5 facture 34,12 dollars la minute de vidéo finie en 1080p, pour un score de préférence humaine de 1144. MiniMax H3, ouvert et bien moins cher, atteint 1139 points pour 4,80 dollars la minute, sept fois moins cher pour un écart de cinq points à peine. Sur une ligne de production vidéo, cette différence pèse plus lourd que le rang affiché en tête du classement.
Les intervalles de confiance se chevauchent entre plusieurs modèles du haut de tableau, Wan 3.0 compris, ce qui limite la solidité d'un ordre strict entre les toutes premières places.
Choisir un modèle vidéo redevient un exercice de brief, capacité par capacité, avec un arbitrage de coût à chaque scène plutôt qu'une décision prise une fois pour tout un projet. Un studio qui négocie un tarif à la minute avec un client a désormais de quoi justifier un modèle plus abordable sur les plans qui ne demandent pas de synchronisation labiale fine, et un modèle plus coûteux sur ceux qui l'exigent.
La prochaine comparaison de devis vidéo IA se fera probablement poste par poste, un modèle différent selon la scène à livrer.