Alibaba accélère encore dans la vidéo générative avec Wan3.0, capable de produire jusqu’à 30 secondes en 1080p à partir de texte, d’images, d’audio, mais aussi de PDF, PowerPoint ou pages Web.
Plus qu’un outil créatif, le modèle ressemble surtout à une nouvelle brique commerciale pour Alibaba Cloud, au moment où le groupe lève plus de 10 milliards de dollars pour financer son offensive IA.
Wan3.0 passe à des vidéos de 30 secondes
Wan3.0 double la durée maximale proposée par la précédente génération. Le nouveau modèle peut produire jusqu’à 30 secondes de vidéo en une seule génération, avec une définition pouvant atteindre 1080p.
Alibaba met particulièrement en avant la cohérence sur toute la séquence : personnages, accessoires, environnement, style visuel et mouvements doivent rester suffisamment stables pour construire une petite narration plutôt qu’une succession de plans artificiels.
Le modèle génère également l’audio et les dialogues, avec prise en charge de plusieurs langues.
Le modèle était déjà accessible depuis début août
Toutefois, la présentation du 24 août ne constitue pas la toute première apparition de Wan3.0. Alibaba Cloud avait déjà ouvert le modèle dans Model Studio dès le 6 août, avec un accès anticipé à ses nouvelles fonctions.
Le lancement actuel correspond donc davantage à une montée en puissance commerciale et à un élargissement progressif de l’accès qu’à une véritable découverte du modèle. L’API reste d’ailleurs distribuée sous forme de preview avec approbation, avant une disponibilité plus générale annoncée ultérieurement.
This is Wan3.0.
Simple Input. Smart Creation. Where Imagination Meets Reality.
Wan3.0 is now generally available.🎉 Launch offer: Get 30% off Wan3.0 (Standard) on Alibaba Cloud Model Studio and Qwen Cloud from August 23 to September 23. pic.twitter.com/GVogLtvzjK
— Wan (@Alibaba_Wan) August 24, 2026
Des PDF et PowerPoint directement transformés en vidéo
La fonction la plus originale de Wan3.0 n’est probablement pas sa durée. Alibaba parle d’une approche « Everything to Video ». Le modèle accepte évidemment du texte, des images, des vidéos et de l’audio, mais aussi directement des documents : .doc, .xls, .ppt, .pdf, markdown, et même des pages Web. L’utilisateur peut ainsi fournir une présentation commerciale ou un document existant et demander à l’IA d’en produire une version vidéo.
C’est ici que le positionnement devient particulièrement intéressant. Wan3.0 peut certes produire des courts-métrages ou du contenu destiné aux réseaux sociaux. Mais, la prise en charge des documents ouvre surtout la porte à des usages beaucoup plus professionnels.
Une entreprise peut théoriquement fournir un PowerPoint de lancement produit et générer une vidéo marketing, un rapport peut devenir une animation pédagogique, une page web peut servir de référence à une présentation audiovisuelle, et un fichier contenant des données peut être transformé en visualisation animée.
Wan3.0 ressemble donc autant à un outil de productivité multimédia qu’à un générateur de vidéos artistiques.
Jusqu’à 50 pages et 100 Mo par document
Alibaba précise les limites actuelles. Chaque demande peut utiliser un fichier ou un lien d’une taille maximale de 100 Mo, avec jusqu’à 50 pages. Le modèle exploite ensuite le document comme référence pour organiser le contenu de la vidéo.
Cette approche pourrait réduire fortement le travail nécessaire pour transformer une présentation interne en contenu destiné à un client, une formation ou une campagne sociale.
L’intérêt commercial est évident : remplacer plusieurs étapes manuelles de production par une génération centralisée.
Alibaba promet davantage de cohérence visuelle
Wan3.0 améliore également le mode référence. Le modèle est censé préserver plus précisément l’apparence d’un personnage, d’un objet ou d’un environnement tout au long de la génération.
C’est l’un des grands problèmes actuels des modèles vidéo. Une personne peut changer légèrement de visage, un produit peut perdre un bouton, une pièce peut se transformer entre deux plans. Ces variations deviennent particulièrement visibles lorsque la séquence dépasse quelques secondes.
Passer à 30 secondes rend donc la cohérence bien plus importante.
L’audio est généré nativement
Wan3.0 produit également son propre environnement sonore. Alibaba parle de génération audiovisuelle native, avec voix, dialogues et sons intégrés directement au processus. Le modèle chercherait notamment à synchroniser les micro-expressions du visage avec la parole. Là encore, il faudra attendre davantage d’évaluations indépendantes pour mesurer la qualité réelle.
Alibaba reconnaît d’ailleurs encore plusieurs limites, notamment sur la texture audio et la précision du texte affiché à l’écran.
De 1,50 à 6 dollars pour 30 secondes
Alibaba adopte une tarification très lisible. Le prix dépend de la définition : 0,05 dollar par seconde en 480p, 0,10 dollar en 720p, et 0,20 dollar en 1080p. Une vidéo complète de 30 secondes revient donc à 1,50 dollar en 480p, 3 dollars en 720p ou 6 dollars en 1080p. À la minute, le coût théorique du 1080p atteint 12 dollars.
Pour une équipe marketing générant des dizaines de variantes d’une même publicité, cette tarification peut rapidement devenir intéressante.
Le prix ne suffit pas à démontrer la supériorité
Alibaba se positionne agressivement face à Google et aux autres fournisseurs de vidéo générative. Mais, comparer les prix à la seconde ne suffit pas. Un modèle deux fois moins cher peut devenir plus coûteux si l’utilisateur doit relancer la génération cinq fois pour obtenir un résultat exploitable.
Qualité, respect du prompt, cohérence, temps de génération, ou encore taux d’échec. Tous ces éléments déterminent le coût réel d’une vidéo utilisable. Or, Wan3.0 ne dispose pas encore d’un volume suffisant de benchmarks indépendants pour trancher.
Les performances restent pour l’instant celles d’Alibaba
C’est la principale prudence à conserver. Les démonstrations de Wan3.0 sont impressionnantes, mais elles sont fournies par Alibaba. Le modèle vient tout juste d’arriver et n’a pas encore été largement confronté aux classements indépendants de génération vidéo. Il est donc trop tôt pour savoir où il se positionne face aux meilleurs modèles de Google, OpenAI ou aux nombreuses solutions chinoises.
La vidéo générative évolue aujourd’hui si vite qu’un classement peut d’ailleurs changer en quelques semaines.
La Chine est devenue incontournable dans la vidéo IA
Wan3.0 arrive dans un domaine où les laboratoires chinois occupent désormais une place particulièrement importante. La compétition est beaucoup plus fragmentée que sur le marché des chatbots. Les acteurs chinois ont notamment multiplié les modèles capables de produire des vidéos longues ou fortement contrôlables à des prix agressifs.
Alibaba dispose ici d’un avantage supplémentaire : une infrastructure cloud capable de vendre directement le modèle aux entreprises.
Wan3.0 n’est plus un modèle ouvert
Cependant, le lancement marque un changement stratégique. Alibaba avait largement construit la réputation de Wan autour de modèles dont les poids étaient disponibles publiquement.
Wan2.2, publié en juillet 2025, avait ainsi été accompagné de son code d’inférence et de ses poids. Ce n’est pas le cas de Wan3.0. Pour l’instant, l’utilisation passe par les services cloud d’Alibaba. Le modèle devient donc un produit commercial fermé plutôt qu’une nouvelle base que les développeurs peuvent télécharger et exécuter eux-mêmes.
Alibaba veut désormais monétiser davantage son avance
Ce changement n’est probablement pas un accident. Alibaba investit des sommes considérables dans l’IA et doit désormais démontrer qu’une partie de ces dépenses peut générer des revenus. Le groupe vient d’annoncer une émission d’actions à Hong Kong représentant environ 10,2 milliards de dollars, dont le produit doit servir au développement de son infrastructure, de ses puces et de ses modèles d’intelligence artificielle.
Wan3.0 arrive donc dans un contexte financier très différent des premiers modèles Wan open source. Il ne suffit plus de construire une communauté, il faut aussi vendre du calcul.
Wan3.0 ne cherche finalement pas seulement à générer de meilleures vidéos. Alibaba essaie de transformer la vidéo générative en service cloud ordinaire — un outil que l’entreprise paie à la seconde, comme elle paie déjà du stockage ou du calcul.
