L'histoire des médias est une suite de moments où la production audiovisuelle se démocratise. La caméra DV dans les années 90, le smartphone dans les années 2010, la génération IA aujourd'hui.
À chaque fois, une partie de la chaîne de production devient accessible à beaucoup plus de monde. On remplace parfois une équipe complète par trois ou quatre personnes dans un appartement. Et à chaque fois, les mêmes oppositions reviennent : les expérimentateurs contre les traditionalistes, ceux qui voient une opportunité contre ceux qui voient surtout la perte d'un savoir-faire.
Je n'ai pas envie d'être béatement pro-IA, ni de rejeter l'outil par principe. La question intéressante est ailleurs : où la vidéo IA fonctionne-t-elle vraiment, où échoue-t-elle encore, et qu'est-ce que ça change pour les marques qui produisent du contenu en 2026 ?
Pourquoi la vidéo IA provoque encore du rejet
Pourquoi certains spectateurs rejettent-ils immédiatement une vidéo générée par IA ? Après tout, c'est une image comme une autre. Mais ce serait oublier que l'image garde, malgré Photoshop, les VFX et l'IA, une promesse implicite : quelque chose a été là, devant un objectif, à un moment donné.
La vidéo IA rompt cette promesse. Elle ne documente pas une réalité. Elle fabrique une apparence de réalité.
Dans un documentaire tech ou une vidéo explicative, un visage généré peut passer. Il représente "un ingénieur générique", "une consommatrice type", un personnage fonctionnel dont le rôle est d'illustrer une idée. Le spectateur le lit comme un schéma. La réalité de l'image n'est pas centrale.
Le problème apparaît quand le format change. Un long métrage, un personnage qu'on doit suivre pendant 90 minutes, une émotion qui doit tenir une scène entière : là, ça coince. On a besoin de croire qu'il y a eu, quelque part, quelque chose de réel. Et quand l'image générée tente le réalisme sans l'atteindre complètement, elle retombe dans l'uncanny valley : cette zone où la figure humaine paraît presque juste, mais pas assez pour être acceptée.
La vidéo IA fonctionne mieux quand elle assume une forme plastique, stylisée ou absurde. Dans un dessin animé, une parodie, un univers volontairement grotesque, elle n'essaie pas de se substituer au réel. Elle devient simplement une autre manière de représenter.
En 2026, les limites les plus dures ne sont donc pas seulement visuelles. Elles concernent la continuité, la direction, la cohérence d'un personnage ou d'un univers dans le temps, et le contrôle fin d'un outil qui produit encore beaucoup de hasard.
Pourquoi les formats courts s'y prêtent mieux
La vidéo IA fonctionne beaucoup mieux sur les formats courts, notamment sur les réseaux sociaux.
D'abord parce que le contrat est souvent illustratif ou délibérément absurde. On ne demande pas à l'image d'être vraie. On lui demande d'être lisible, surprenante, drôle, étrange ou partageable.
Ensuite parce que les formats courts réduisent le risque de rupture. Une incohérence de main, de visage ou de mouvement est moins coûteuse dans une vidéo de vingt secondes que dans une narration longue. L'attention est plus mobile, l'écran plus petit, le niveau d'exigence narratif différent.
Cela ne veut pas dire que tout passe. Cela veut dire que la vidéo IA est plus crédible quand elle épouse les contraintes du canal au lieu d'essayer de mimer les formes audiovisuelles les plus exigeantes.
L'usine chinoise : quand le micro-drama devient modèle économique
C'est là que certains studios, notamment en Chine sur Douyin, ont industrialisé la vidéo IA. Des séries entières, avec personnages, décors, voix et montage, peuvent être produites sans caméra ni acteur visible, en quelques semaines. Ce n'est plus seulement une expérimentation : c'est un marché.
La micro-fiction verticale chinoise pèse déjà plusieurs dizaines de milliards de dollars selon les estimations récentes, et l'IA y devient une brique de production massive. Certaines projections placent le marché chinois du micro-drama autour de 120 milliards de yuans en 2026, soit environ 16,5 milliards de dollars. L'export des plateformes chinoises vers l'Occident, via des applications comme DramaBox, ReelShort, NetShort ou GoodShort, a lui aussi fortement accéléré.
La chaîne de production de ces studios repose sur un maillon que des observateurs anglophones appellent les card-pulling technicians, les "tireurs de cartes". Le nom dit bien le processus : générer un plan avec Kling, Seedance, Sora ou un autre modèle, c'est parfois comme tirer une carte. On lance la génération, on attend, puis on regarde ce qui sort. La plupart des plans ne sont pas exploitables : mains déformées, visage qui dérive, mouvement incohérent, raccord impossible. On garde un plan sur cinq, parfois un sur dix, et on relance.
Concrètement, leur journée consiste à lancer une génération, attendre, regarder le résultat quelques secondes, garder ou jeter, puis recommencer. C'est répétitif, peu qualifié, et payé en conséquence. Le geste n'est pas éditorial. Il est industriel.
Le modèle économique ressemble à de l'arbitrage publicitaire : produire une série complète à un coût très inférieur au live-action, acheter massivement de l'audience sur les plateformes, puis monétiser par le déblocage d'épisodes payants. La marge vient de l'écart entre coût de production, coût d'acquisition et revenu par utilisateur. La vidéo IA n'est pas ici un outil magique. C'est une machine à baisser le coût d'un format déjà optimisé pour la distribution.
Skibidi Tentafruit : le cas d'école
Le phénomène a eu son équivalent occidental avec L'île de la Skibidi Tentafruit : deux étudiants français, des fruits anthropomorphes, les codes de la télé-réalité, des épisodes courts générés avec l'IA, et une viralité TikTok massive.
Ce qui est intéressant n'est pas seulement le succès du format. C'est ce qui s'est passé juste après. Le concept a été copié immédiatement et massivement. Des dizaines de versions de fruits en télé-réalité IA ont envahi les feeds en quelques jours. Certaines étaient correctement exécutées. Aucune n'a capté le même niveau d'attention.
Pas parce qu'elles étaient techniquement beaucoup moins bonnes. Mais parce qu'elles arrivaient après.
Quand un format est entièrement réplicable, et avec l'IA il l'est presque toujours, ce qui reste comme différenciant, c'est l'identité : le nom, les personnages, la continuité narrative, l'antériorité. Fraisita et Banano existaient avant les autres. Les imitateurs sont arrivés dans un espace mental déjà occupé. L'audience ne retient pas l'imitateur quand l'original a déjà saturé le référentiel.
Il y a aussi une dimension juridique inconfortable. En reprenant les mécaniques d'une émission existante, les créateurs opèrent dans un flou de propriété intellectuelle réel. Le contenu généré par IA complexifie encore la question : qui détient les droits sur un personnage IA qui emprunte à un format télévisuel existant, à des codes de marque et à une esthétique reconnaissable ? La question est encore ouverte, mais elle ne le restera probablement pas longtemps.
Les agences vidéo IA vendent surtout de la cohérence
Pendant que le grand public découvre les formats viraux, quelque chose de moins visible se passe côté professionnel. Le marché français des agences vidéo IA s'est rapidement densifié. Les mêmes noms d'outils reviennent partout : Sora, Veo, Kling, Runway, Midjourney, ElevenLabs, CapCut, After Effects.
Il n'y a pas de stack propriétaire qui change fondamentalement l'équation pour la plupart des acteurs. La différenciation technique est faible.
Ce qui se monétise réellement, c'est la cohérence de marque. Générer une vidéo IA est accessible à presque tout le monde. Générer cent vidéos qui semblent venir du même univers visuel, avec la même palette, le même style de mouvement, le même traitement de lumière, des personnages reconnaissables d'un épisode à l'autre, c'est beaucoup plus difficile.
Les outils génériques ne résolvent pas seuls ce problème. Il faut un travail amont sur les assets, une logique de prompt engineering appliquée à une identité spécifique, des références propres, une nomenclature, une direction artistique, et une rigueur de production que beaucoup de marques ne peuvent pas internaliser.
Les agences qui ont compris cela ne vendent pas seulement de la vidéo IA. Elles vendent la capacité à industrialiser une identité visuelle dans un format que les outils IA peuvent reproduire à l'échelle.
Le test du référentiel
J'ai testé. Une vidéo entièrement générée par IA, envoyée en interne à des collègues, pour voir. La réaction est arrivée par WhatsApp à 14h08, de l'alternante de 21 ans, exactement notre cible de prospect :
"C'est nuuuuuuuul, c'est de l'IA."
Réaction à chaud, sans filtre.
Ce que ça dit, c'est que la détection ne se fait pas seulement sur la qualité technique. Elle se fait sur le référentiel. Une personne de 21 ans qui consomme du contenu vidéo toute la journée a des standards précis, intuitifs, difficiles à formuler et très difficiles à tromper.
Connaître son audience, c'est savoir où elle a ce référentiel et où elle ne l'a pas. Sur certains formats, certaines cibles, certains contextes de diffusion, la vidéo IA passe sans friction. Sur d'autres, elle grille l'émetteur en quelques secondes.
Le vrai problème n'est pas le volume
Beaucoup de marques traitent la vidéo IA comme une réponse à un problème de volume. Pas assez de contenu ? L'IA permet d'en produire plus. Problème résolu.
Sauf que le volume est rarement le vrai problème.
Une marque qui produisait du contenu que personne ne retenait, et qui passe à dix fois plus de contenu, ne capture pas dix fois plus d'attention. Elle sature un espace déjà encombré. L'attention humaine ne s'étend pas avec l'offre. Elle se redistribue.
Ce qu'on appelle l'AI slop, ce flux de contenu généré en masse, interchangeable, qui ressemble à du contenu sans en avoir les propriétés, est déjà un problème visible sur TikTok, YouTube Shorts et Instagram Reels. Les plateformes commencent à le traiter comme du bruit. Les utilisateurs développent une reconnaissance intuitive du contenu fabriqué sans intention.
Ils ne le rejettent pas parce qu'il est généré par IA. Ils le rejettent parce qu'il est ennuyeux.
La barrière a changé de nature, pas disparu
Sur la démocratisation, la réalité est plus nuancée qu'elle n'y paraît. La vidéo IA a un coût réel. Produire une vidéo full IA propre peut revenir plus cher que filmer un TikTok avec son téléphone, surtout si l'on compte les essais ratés, la direction artistique, la voix, le montage, les retouches et la cohérence d'une série.
Ce qui bloque n'est pas seulement technique. C'est la capacité à construire des narrations qui retiennent l'attention, puis à mobiliser les outils IA pour les exécuter. C'est un problème technico-artistique, qui demande les deux compétences en même temps.
La vidéo full IA n'a pas supprimé la barrière d'entrée de la vidéo traditionnelle. Elle l'a déplacée. C'est un nouveau mode d'expression, avec ses contraintes propres, mais les mêmes questions reviennent : pourquoi quelqu'un regarderait, pourquoi il resterait, pourquoi il reconnaîtrait la marque, pourquoi il aurait envie de voir la suite.
La vidéo IA est un outil de production, pas un outil de stratégie. Quand la stratégie est claire, elle démultiplie. Quand elle est floue, elle amplifie le flou.
Sources indicatives : The Next Web sur le marché chinois du micro-drama, China.org.cn sur l'export des micro-dramas, VML sur les AI micro-dramas, Officielles sur Skibidi Tentafruit et Oasis.