Générateur vidéo IA : le guide (Runway, Veo, Kling, Pika, HeyGen, Synthesia)

Le 26 avril 2026, OpenAI a fermé Sora, son générateur vidéo, après l’avoir présenté comme l’avenir du cinéma : quinze millions de dollars de calcul par jour pour deux millions de revenus cumulés, et un communiqué qui parlait de réallocation vers le code et les clients entreprise. L’épisode dit l’essentiel de ce marché en 2026 : la vidéo générée par IA fonctionne, elle coûte cher à faire tourner, et elle s’est spécialisée. D’un côté les outils cinématographiques, Runway, Veo, Kling ; de l’autre les générateurs sociaux, Pika, Luma, Hailuo ; à part, les avatars parlants pour l’entreprise, HeyGen et Synthesia. Ce guide explique ces trois familles, ce que chaque outil fait de mieux, ce que coûte réellement un clip, comment produire votre première vidéo en dix minutes, ce que disent les droits, et quel outil choisir selon votre métier. Chaque outil a ou aura son guide dédié dans la série.

Ce pilier renvoie vers notre guide de Runway Gen-4, notre article sur Google Veo et notre point sur Sora et ce qu’il en reste. Pour la voix off des vidéos, il s’appuie sur notre guide de l’IA audio et vocale.

En bref

• Trois familles d’outils : la vidéo cinématographique (Runway Gen-4.5, Veo 3.1, Kling 3.0), la vidéo sociale (Pika, Luma, Hailuo), les avatars parlants (HeyGen, Synthesia). Elles ne servent pas aux mêmes usages.
• Sora a fermé le 26 avril 2026, rappelle Décodeur IA, sur un marché estimé à 946 millions de dollars en 2026, en croissance de 20 % par an.
• Le prix réel se compte à la seconde : Veo 3.1 à partir de 0,15 $ en mode rapide, Kling 3.0 autour de 0,10 $, Runway en crédits, selon Get AI Perks. Le mauvais choix coûte cinq à dix fois plus cher pour le même résultat.
• Aucun outil ne gagne partout : Veo pour le réalisme et l’audio natif, Runway pour le contrôle créatif, Kling pour le rapport qualité-prix et les clips longs, Pika pour le social, HeyGen et Synthesia pour la formation.
• Les droits restent le point faible : usage commercial sur les plans payants chez tous, mais aucune garantie contre une réclamation, sauf indemnisation sur certains plans entreprise.
• Verdict : nommez votre usage, testez deux outils sur le même prompt, gardez-en un comme principal. Les agences qui produisent le plus combinent trois outils, pas dix.
• CTA : Proactive Academy accompagne le choix de l’outil adapté et la formation de vos équipes créatives.

La vidéo IA en 2026 : trois familles, trois métiers

Le mot « générateur vidéo IA » recouvre des outils qui ne font pas le même travail. Trois familles. Avant de comparer, il faut savoir dans laquelle on cherche.

La vidéo cinématographique. Vous décrivez une scène, ou vous donnez une image de départ, et l’outil génère une séquence originale : personnages, décors, mouvements de caméra, parfois le son. C’est le terrain de Runway, de Veo et de Kling, et celui où Sora jouait. L’usage est créatif ou publicitaire : un spot, une séquence d’illustration, un plan qu’on n’aurait pas pu tourner. Le besoin numéro un est le contrôle : cohérence d’un personnage d’un plan à l’autre, direction de la caméra, respect du prompt.

La vidéo sociale. Des clips courts, stylisés, produits vite et en volume pour les formats verticaux. C’est le terrain de Pika, de Luma et de Hailuo. L’usage est la publication quotidienne, et le besoin numéro un est le coût par clip, parce qu’on en jette beaucoup.

Les avatars parlants. Un présentateur virtuel, ou votre propre avatar, lit un script face caméra, dans la langue de votre choix, avec une synchronisation labiale correcte. C’est le terrain de HeyGen et de Synthesia. L’usage est la formation, la communication interne, la localisation, et le besoin numéro un est la crédibilité du présentateur et la simplicité de mise à jour.

Ces trois familles se combinent plus qu’elles ne se concurrencent. Une vidéo de formation typique en 2026 associe une séquence d’illustration générée sur Veo ou Kling, un présentateur sur Synthesia ou HeyGen, et une voix off produite par un outil vocal. Choisir « le meilleur générateur vidéo » n’a pas de sens ; choisir le bon outil par famille, oui.

Ce qui a changé en un an : la fermeture de Sora et la spécialisation

Sora avait tout pour dominer : la marque OpenAI, une démonstration spectaculaire en 2024, une application sociale en 2025. Il a fermé le 26 avril 2026. Les chiffres cités par Décodeur IA sont sans appel : quinze millions de dollars par jour en coûts de calcul, deux millions de dollars de revenus cumulés, des téléchargements en chute de 67 % sur trois mois. À 0,75 $ la seconde générée, Sora était cinq à sept fois plus cher que ses concurrents pour une qualité que ceux-ci avaient rattrapée. Notre article sur Sora et ce qu’il en reste détaille la fin du service et les solutions de remplacement.

Le marché ne s’est pas effondré pour autant. Il s’est spécialisé. Runway a sorti Gen-4.5, classé premier au classement Video Arena début 2026, et s’est installé comme l’outil des agences. Google a déployé Veo 3.1 avec un son natif synchronisé, accessible en France via les plans Google AI Pro et Ultra et l’outil Flow. Kling, du géant chinois Kuaishou, est passé à la version 3.0 avec des clips jusqu’à trois minutes et plus de vingt millions d’utilisateurs, note Plateya. ByteDance a lancé Seedance 2.0, et Hailuo, de MiniMax, est devenu l’entrée gratuite la plus généreuse du marché.

Trois tendances structurent la suite. L’audio natif : Veo l’a introduit, Kling l’a suivi, et générer une vidéo muette devient l’exception. La durée : de cinq à huit secondes chez la plupart, à trois minutes chez Kling, ce qui change les usages possibles. Et les plateformes intermédiaires, Krea, Leonardo, Higgsfield, fal, qui donnent accès à plusieurs modèles sous un seul compte, ce qui rend la combinaison d’outils réellement praticable.

Les outils un par un

Sept outils comptent pour un usage professionnel en septembre 2026. Chacun est décrit pour ce qu’il fait de mieux, avec son point faible, et renvoie vers son guide dédié quand il existe.

Runway Gen-4.5. L’outil du contrôle créatif : pinceau de mouvement pour animer une zone précise, direction de caméra, cohérence d’un personnage d’un plan à l’autre, édition d’une vidéo existante. Classé premier au Video Arena début 2026. Facturation en crédits, plan Standard autour de 12 à 15 $ par mois, Illimité entre 76 et 95 $, un plan Enterprise avec indemnisation en cas de réclamation. Point faible : le prix à volume, et un prompting moins fiable en français qu’en anglais. C’est l’outil des publicités et des livrables clients, détaillé dans notre guide de Runway Gen-4.

Google Veo 3.1. Le réalisme et l’audio natif : dialogues, bruitages et ambiances générés avec l’image, clips jusqu’à huit secondes, une physique crédible. Accessible via Google AI Pro et Ultra, via Flow avec 180 crédits mensuels gratuits, et via Vertex AI pour les entreprises. À partir de 0,15 $ la seconde en mode rapide. Point faible : la durée, et un accès qui passe par l’écosystème Google. Notre article sur Google Veo détaille l’accès en France et les usages.

Kling 3.0. Le rapport qualité-prix : clips jusqu’à trois minutes avec audio synchronisé, mouvements humains crédibles, séquences multi-plans cohérentes, autour de 0,10 $ la seconde et des plans à partir de 6 $ par mois. Point faible : un réalisme lumineux inférieur à Veo, une file d’attente sur le gratuit, et un éditeur chinois, ce qui compte pour certaines organisations sur les données.

Pika 2.5. Le social : effets viraux, formats verticaux, clips de quelques secondes produits en une minute, prix d’entrée bas. Point faible : la qualité brute, en retrait sur les trois précédents, et une profondeur de contrôle limitée.

Luma Dream Machine 2.0. La compréhension de l’espace : profondeur, volumes, image vers vidéo rapide sur des clips de cinq secondes, et Genie pour générer des objets 3D. Point faible : la durée et la cohérence sur les mouvements complexes.

Hailuo 2.3, de MiniMax. L’entrée gratuite la plus généreuse, trois à cinq clips par jour, avec des mouvements humains et des expressions parmi les plus naturels. Point faible : un système de crédits qui facture les générations ratées, et un éditeur chinois.

HeyGen et Synthesia. Les avatars parlants. HeyGen pour la souplesse : votre propre avatar, 175 langues, traduction vidéo avec synchronisation labiale. Synthesia pour l’entreprise : avatars de stock crédibles, modèles de vidéos de formation, gouvernance et intégration aux plateformes de formation. Point faible commun : un présentateur virtuel reste un présentateur virtuel, et le public le sait. Les guides dédiés arrivent dans cette série.

Ce que coûte réellement un clip

Les prix affichés en page d’accueil ne disent rien. Ce qui compte, c’est le coût pour un volume réel, avec les générations ratées, parce qu’on en jette la moitié. Voici l’ordre de grandeur pour cent clips de dix secondes, en septembre 2026, d’après les tarifs par seconde relevés par Get AI Perks et Décodeur IA.

Trois règles de lecture. Multipliez par deux : le taux de rejet en vidéo IA est élevé, et une génération ratée est facturée chez la plupart. Comptez la durée : un outil à huit secondes qui vous oblige à enchaîner trois clips coûte plus qu’un outil à trente secondes. Et regardez l’abonnement plutôt que la seconde dès que vous produisez chaque jour : l’Illimité de Runway devient rentable vers vingt clips par semaine.

Votre première vidéo en dix minutes

Le plus court chemin pour comprendre ces outils est d’en essayer un, sur un plan gratuit. Voici le parcours que nous faisons suivre en formation, sur Kling, dont le gratuit est le plus utilisable, ou sur Veo via Flow si vous avez un compte Google.

Créez un compte sur klingai.com. Vous recevez des crédits quotidiens gratuits, avec une file d’attente. Ouvrez la génération de vidéo, choisissez « texte vers vidéo », et collez ce prompt, en anglais, parce que tous ces outils le comprennent mieux :

A calm office at morning, soft natural light through large windows, a woman in her forties reviewing a printed document at a wooden desk, slow push-in camera, shallow depth of field, realistic, 4K, 8 seconds, ambient room tone

Sept éléments : le lieu, la lumière, le sujet et son action, le mouvement de caméra, le style, la durée, le son. Rien d’autre. Lancez. Le clip arrive en une à trois minutes selon la file. Regardez-le trois fois : une pour l’ensemble, une pour les mains et les visages, là où l’IA se trahit, une pour le mouvement de caméra.

Changez ensuite une seule chose, le mouvement de caméra par exemple, et relancez. En trois clips, vous saurez ce que chaque élément du prompt fait au résultat. Vous saurez aussi pourquoi les professionnels partent d’une image : générez d’abord une image fixe de votre scène avec un outil d’image, puis animez-la en « image vers vidéo ». La cohérence est bien meilleure, et c’est la méthode que nous recommandons pour tout usage sérieux.

Bien formuler un prompt vidéo : six règles

Écrivez en anglais. Tous ces modèles ont été entraînés d’abord en anglais, et le prompting en français est moins fiable, sur Runway en particulier. Écrivez en français, traduisez, collez.

Une scène, un sujet, une action. « Une femme lit un document » marche. « Une femme lit un document puis se lève et sort en parlant à son collègue » donne une bouillie. Un clip par action.

Décrivez la caméra. Plan fixe, travelling avant lent, panoramique, contre-plongée. C’est ce qui distingue une vidéo d’une image qui bouge.

Nommez la lumière et le style. « Lumière naturelle du matin », « néons froids », « réaliste », « animation 2D ». Ces mots orientent tout le rendu.

Fixez la durée et le son. « 8 secondes », « ambiance de bureau », « sans musique ». Avec l’audio natif, ce que vous ne précisez pas sera inventé.

Partez d’une image. Pour un personnage, un produit ou un décor qui doit rester identique d’un clip à l’autre, générez l’image d’abord et animez-la. C’est la seule façon fiable d’obtenir de la cohérence.

Cas d’usage en formation et en communication

Quatre usages. Ceux où la vidéo IA fait gagner du temps sans dégrader le résultat, avec la famille d’outils qui convient.

La séquence d’illustration d’un module. Le cas le plus simple. Dix secondes qui montrent un contexte, un lieu, une situation, là où on aurait mis une image fixe. Kling ou Veo, à partir d’une image générée. Le gain est sur l’attention des stagiaires plus que sur le coût.

Le module avec présentateur. Un avatar lit le script, en français puis en trois langues, avec des mises à jour en changeant le texte. Synthesia pour la gouvernance et les modèles de formation, HeyGen pour votre propre avatar et la traduction. La voix off vient d’un outil vocal, détaillé dans notre guide de l’IA audio.

La vidéo produit ou la publicité. Un plan qu’on n’aurait pas pu tourner, un produit dans dix décors, une déclinaison par cible. Runway pour le contrôle et l’indemnisation, Veo pour le réalisme. C’est l’usage où le coût par clip se justifie.

Le contenu social quotidien. Un clip par jour, stylisé, vertical. Pika ou Hailuo, sur un abonnement, avec un rejet assumé de la moitié des générations.

Dans les quatre cas, la même discipline : une image de départ, un prompt en anglais avec sept éléments, un clip par action, et une vérification des mains, des visages et du texte à l’écran avant diffusion. C’est ce cadre de production que Proactive Academy formalise avec les équipes qui produisent leurs vidéos en interne.

Évaluer un outil vidéo en une heure

Avant de payer un abonnement, une heure de test structuré évite les mauvais choix. Le protocole que nous faisons suivre en formation.

Minute 0 à 10 : trois prompts, écrits en anglais, à sept éléments, qui correspondent à vos trois usages réels. Un plan d’illustration, un produit ou un personnage récurrent, une scène avec une personne qui parle ou bouge. Les mêmes trois prompts serviront sur chaque outil.

Minute 10 à 40 : deux outils, sur leurs plans gratuits, les trois prompts sur chacun, deux générations par prompt. Douze clips. Notez pour chaque clip, sur une ligne : le respect du prompt, la qualité des mains et des visages, la cohérence du mouvement, le temps d’attente.

Minute 40 à 50 : le test de cohérence. Prenez votre personnage ou votre produit, générez une image fixe, animez-la sur les deux outils en « image vers vidéo ». C’est là que les écarts se voient le plus.

Minute 50 à 60 : le calcul. Combien de clips par semaine, quel taux de rejet observé, quel abonnement en découle, quelle licence sur ce plan. Un outil qui gagne sur la qualité et perd sur le prix à votre volume n’est pas le bon outil pour vous.

Au bout de l’heure, vous avez douze clips, un tableau et une décision. En formation, le résultat est rarement celui qu’on attendait : la moitié des participants change d’outil principal après ce test, et presque tous constatent que l’image de départ compte plus que le choix du modèle.

Droits, données et transparence

C’est le point faible du secteur. À lire avant de produire.

L’usage commercial est ouvert sur les plans payants chez tous les outils cités ; les essais gratuits sont réservés à l’usage personnel, souvent avec filigrane. Vérifiez la licence du plan, pas celle de l’outil.

La garantie contre une réclamation n’existe presque nulle part. Runway propose une indemnisation sur son plan Enterprise ; les autres laissent le risque à l’utilisateur. Les modèles ont été entraînés sur des vidéos dont l’origine n’est pas documentée, et des procès sont en cours dans l’image et la musique, pas encore tranchés dans la vidéo.

Les données posent une question distincte : Kling et Hailuo sont des éditeurs chinois, ce qui n’est pas un jugement mais une information que votre DSI voudra avoir avant d’y envoyer des images de collaborateurs ou de produits non lancés. Veo via Vertex AI et Runway Enterprise offrent des cadres contractuels.

La transparence est devenue une obligation : depuis le 2 août 2026, l’AI Act impose de signaler les contenus vidéo synthétiques, en particulier ceux qui représentent des personnes réelles. Un avatar de votre formateur, une scène générée où un visage apparaît : une mention claire s’impose, et la plupart des outils apposent un filigrane ou des métadonnées qu’il ne faut pas retirer.

Les personnes réelles : n’animez jamais l’image d’une personne sans son accord écrit, et n’utilisez un avatar de collaborateur qu’avec un consentement qui précise usages et durée, comme pour une voix clonée.

Verdict par profil

Pour le responsable formation qui produit des modules : Synthesia ou HeyGen pour le présentateur, Kling ou Veo pour les séquences d’illustration, un outil vocal pour la voix. Trois outils, un processus.

Pour le communicant ou le marketeur qui produit des publicités et des vidéos produit : Runway en principal, pour le contrôle et l’indemnisation, Veo en complément quand le réalisme prime.

Pour le community manager qui publie chaque jour : Pika ou Hailuo, sur abonnement, avec un rejet assumé.

Pour le créateur ou le réalisateur indépendant : Kling pour le rapport qualité-prix et les clips longs, Veo pour les plans qui doivent être parfaits, et une plateforme intermédiaire pour accéder aux deux sous un seul compte.

Pour l’entreprise qui doit tout justifier à un service juridique : Runway Enterprise ou Veo via Vertex AI, jamais un outil chinois pour des contenus sensibles, et un consentement écrit pour tout visage.