Genspark lance un agent vidéo IA qui promet des courts métrages sans équipe

Genspark vient de lancer Media Studio, un « agent vidéo » : un assistant d’intelligence artificielle qui enchaîne seul scénario, images, voix et montage. Pour le tester, un journaliste du média chinois QbitAI a fait rapper Sam Altman (OpenAI) et Dario Amodei (Anthropic) à partir de deux photos. Derrière le gag, une question : cet outil met-il la vidéo à portée de tous, ou rend-il plus floue la frontière entre le vrai et le généré ?

Ce que Genspark annonce

En jeu : savoir si un seul outil peut remplacer une chaîne de production qui exige d’ordinaire plusieurs logiciels et plusieurs métiers.

Selon QbitAI, Media Studio réunit toutes les étapes dans un seul espace de travail : génération d’images, de vidéo, de musique, sous-titres. Un grand modèle de langage, c’est-à-dire le type d’IA qui comprend et rédige du texte, joue le rôle de « directeur ». Il comprend la demande, écrit le scénario, puis confie les tâches à d’autres modèles. L’utilisateur choisit ce directeur parmi trois options : DeepSeek V4.1 Flash, Claude Opus 5.5 ou Claude Fable 5.1.

Les modèles qui produisent réellement les images et les sons sont listés ainsi par la source :

• Seedance 2.5, Kling et Veo pour la vidéo ;
• GPT Image et Nano Banana pour les images ;
• ElevenLabs et d’autres modèles pour la voix et la musique.

D’après les explications officielles relayées par QbitAI, l’outil branche plus de 70 versions de modèles, issues de plus de 20 éditeurs, y compris pour la 3D.

Le fonctionnement ressemble à un plateau de tournage automatisé. Pour une fiction, l’agent écrit d’abord le scénario, découpe en plans, fixe les personnages et les décors, puis seulement lance la génération vidéo. Une « bible de l’histoire » conserve l’apparence et les vêtements de chaque personnage afin que les plans suivants restent cohérents. L’agent compare ensuite le résultat au scénario et refait les plans jugés non conformes. Genspark organise aussi ces méthodes en « skills », des recettes réutilisables : une pour la publicité, une autre pour le court métrage.

En clair : l’utilisateur n’écrit plus chaque consigne technique, il valide ou corrige les choix de l’agent.

Une offre est en cours : du 27 octobre 18 h au 4 novembre 18 h, heure de Pékin, les abonnés Plus et Pro paient moitié moins de crédits dans Media Studio. Un crédit est l’unité de consommation de la plateforme : chaque génération en consomme.

Le test : Altman et Amodei au micro

En jeu : comprendre ce que montre vraiment la séquence qui sert d’accroche, et ce qu’elle ne prouve pas.

D’après le récit de QbitAI, il ne s’agit pas d’un spot signé Genspark, mais du résultat d’un test du journaliste. Il a choisi un modèle de vidéo rap parmi ceux proposés sur la page d’accueil, puis téléversé les photos des deux dirigeants. Premier obstacle : les modèles vidéo bloquent les photos de personnes réelles. L’outil propose alors lui-même une version stylisée à partir des mêmes photos, semi-réaliste ou dessinée. Le testeur choisit la première et dit, en substance, qu’il parie sur ce choix. Le texte ne dit pas comment l’outil transforme les visages, ni si les intéressés ont donné leur accord. Rien n’indique qu’ils soient impliqués.

Le reste du test est plus prosaïque. L’agent a appelé Seedance 2.5. L’interface annonçait 8 à 14 minutes, mais le journaliste dit avoir attendu deux ou trois minutes, à vue de nez. La première version n’avait pas de musique : les deux personnages chantaient a cappella. L’agent a proposé trois bandes-son candidates, toutes sans paroles, avant que le testeur ne demande un accompagnement original généré par ElevenLabs. Les premiers rendus sont en 480p, une définition basse comparable à une vieille vidéo en ligne. On passe en 1080p, la haute définition courante, une fois le résultat validé.

QbitAI a poussé deux autres essais. Le premier est une vidéo explicative sur le film Coherence (en chinois, 《彗星来的那一夜》). Le journaliste juge le texte initial assez fade, et les images lui font penser à un diaporama saccadé. Après une consigne demandant plus de suspense, il estime texte et musique réussis, sans retouche manuelle. Il note toutefois que l’IA a dû se contenter de captures du film, faute de matériel fourni. Ces formulations sont nos traductions du chinois.

Le second essai est un court métrage de fiction, baptisé Pricing Night (《定价夜》, traduction), sur deux frères : un banquier d’affaires et un fondateur en route vers la Bourse. Le testeur a demandé quatre personnages ressemblant à des acteurs connus, dont Tony Leung et Anne Hathaway. L’agent a produit les fiches de personnages et les costumes, soit 35 éléments à approuver. Il a découpé cinq scènes en 84 plans, regroupés en 12 unités vidéo, puis a corrigé seul certains défauts de cohérence. Le journaliste trouve les visages expressifs et les personnages constants d’un plan à l’autre. Il relève aussi des défauts : décalage entre image et son dans la seconde moitié, sauts d’images et bugs.

Ce que cela peut changer pour un indépendant ou une PME

En jeu : produire de la vidéo courte sans caméra, sans monteur et sans budget d’agence.

Si l’outil tient ses promesses, la première économie est le temps d’apprentissage. Le testeur de QbitAI dit ne pas savoir découper en plans ni écrire de consignes pour un modèle vidéo : l’agent s’en charge, et l’humain juge si l’histoire accroche. Pour une boutique ou un artisan, cela peut servir à tester une idée de publicité ou à préparer une vidéo explicative.

L’outil prévoit aussi des corrections ciblées. La fonction de « retournage partiel » permet de reprendre quelques secondes d’une vidéo de 30 secondes : jusqu’à cinq segments, de quatre secondes minimum chacun, en gardant l’action et la caméra d’origine. La « retouche d’image » remplace ou supprime un objet gênant dans les vidéos de moins de 30 secondes. Pour les explications, un procédé dit « code vers vidéo » fait écrire du code par l’IA pour composer textes, graphiques et animations, au lieu de générer chaque seconde. Selon Genspark, ce rendu par code ne consomme pas de crédits, la voix off et quelques plans d’ambiance étant facturés à part. Les utilisateurs avancés peuvent exporter vers Photoshop (format PSD) ou vers les logiciels de montage Premiere (Adobe) et CapCut pour finaliser.

Le coût réel reste une inconnue. Les trois essais de QbitAI ont consommé environ 45 000 des 50 000 crédits de départ, soit 90 %. L’article ne dit ni la valeur d’un crédit en monnaie, ni la répartition entre les trois projets. Impossible donc d’estimer ce que coûterait une vidéo pour une PME.

Les questions que l’article laisse ouvertes

En jeu : savoir quoi vérifier avant de s’y fier.

La qualité réelle est-elle celle de la démo ? QbitAI se montre enthousiaste, mais c’est le récit d’un seul testeur, sans mesure indépendante. Il a perdu dix minutes à chercher une case à approuver et décrit des plans qui sautent. Un client potentiel gagnerait à tester l’outil sur son propre cas.

Que devient le droit à l’image ? Le blocage des photos de personnes réelles existe, mais l’outil propose lui-même une version stylisée à partir des mêmes photos. Les personnages « à la manière de » acteurs connus relèvent d’une zone floue que l’article ne tranche pas. Une entreprise qui publie une telle vidéo doit se demander à qui elle emprunte un visage.

Comment distinguer le vrai du généré ? Le testeur juge les visages expressifs et les personnages constants d’un plan à l’autre : à ce niveau, un spectateur pressé saura-t-il faire la différence ? La vidéo rap, elle, était en version semi-réaliste. L’article ne mentionne ni filigrane ni étiquette indiquant qu’une vidéo est générée par IA. Qui devra l’afficher, la plateforme ou l’auteur ? La question reste ouverte ; en attendant, annoncer soi-même qu’une vidéo est synthétique évite toute confusion.

L’article ne donne pas non plus le prix des abonnements, les conditions d’accès hors de l’offre à moitié prix, ni de résultats chiffrés comparés à une production classique. Seule indication : il suffit de se connecter pour essayer. Un test sur un cas simple, par exemple une publicité de dix secondes, permettra de comparer le résultat, le temps passé et les crédits consommés.

Sources

• 奥特曼和Dario同台唱rap！Genspark新视频Agent上线，零基础也能拍短剧 – 量子位