Le premier modèle vidéo de Midjourney : ce que l'image-vers-vidéo offrait au lancement, ses limites réelles et sa place sur le marché 2026 quitté par Sora.
📌 Mise à jour 2026 : ceci est une critique archivée du modèle vidéo V1 de Midjourney, lancé à l'ère V7 (2025). La vidéo n'est plus une expérience à part, c'est une capacité centrale : sous V8.1+, les clips durent désormais 5 à 21 secondes avec une cohérence de mouvement nettement meilleure. Pour le panorama actuel entre fournisseurs, voir le comparatif des outils vidéo IA. Nous laissons cette critique en ligne comme trace du point de départ de la ligne vidéo de Midjourney — un contexte utile pour juger de sa vitesse de progression.
Le modèle vidéo V1 faisait une seule chose — animer des images fixes Midjourney — et le faisait en préservant l'esthétique signature de la plateforme. Clips courts, mouvement simple, artefacts fréquents sur les mouvements complexes : un jouet prometteur doté d'un vrai super-pouvoir, votre look Midjourney, en mouvement.
Le pari a payé, dans son couloir. Midjourney n'a jamais couru derrière Veo et Runway sur le texte-vers-vidéo cinématographique ; il a construit le chemin le plus court entre une image fixe qui vous plaît et un visuel vivant — et pour le social, le concept et l'ambiance, c'est souvent tout le travail.
Le modèle qui a couru après la généralité a disparu. Celui qui est resté dans son couloir continue de livrer. Ce n'est pas une coïncidence, et l'économie détaillée plus bas explique pourquoi.
L'animation image-vers-vidéo d'images fixes générées ou téléversées — l'esthétique était conservée, et c'était tout l'intérêt. Vous ne décriviez pas une scène de zéro ; vous mettiez en mouvement une image que vous aviez déjà validée.
L'accès se trouvait dans le flux de travail existant. Pas de nouvel outil, pas de nouveau langage de prompt, pas d'abonnement séparé. Pour un utilisateur Midjourney existant, la vidéo était un bouton, pas une migration.
| Hier (V1, ère V7) | Aujourd'hui (V8.1+, juillet 2026) | |
|---|---|---|
| Durée des clips | Courte, expérimentale | 5 à 21 secondes |
| Artefacts de mouvement | Fréquents | Nettement améliorés |
| Position produit | Expérience perçue comme à part | Capacité centrale intégrée |
| Promesse | L'esthétique des images fixes, en mouvement | Même promesse, mieux tenue |
Ce qui n'a pas changé : le positionnement. La vidéo Midjourney reste une animation partant de l'image fixe, pas un générateur cinématographique.
Toutes les contraintes en aval remontent à ce point. Une composition à sujet net, arrière-plan dégagé et profondeur non ambiguë s'anime proprement. Un cadre chargé avec des sujets qui se chevauchent produit la déformation qu'on reproche au modèle. L'image, c'est 80 % du résultat.
Le réflexe hérité du prompt d'image — tout décrire — est ici une erreur. L'image fixe porte déjà la scène. Ne décrivez que ce qui bouge, et de façon conservatrice. « Travelling avant lent, brume qui dérive » l'emporte presque à chaque fois sur un paragraphe de vocabulaire cinématographique.
OpenAI a déprécié Sora 2 au printemps 2026, l'API fermant le 24 septembre 2026. Les chiffres rapportés sont brutaux et méritent d'être énoncés clairement :
Ce n'est pas un produit qui a perdu une course aux fonctionnalités. C'est un produit dont l'économie unitaire ne s'est jamais bouclée. Chaque fournisseur encore debout l'est parce que son coût par seconde fonctionne.
Le tableau a bougé plus fort que la plupart ne l'attendaient :
| Modèle | Coût approximatif |
|---|---|
| Veo 3.1 Lite | 0,05 $/seconde |
| Kling 3.0 | 0,07 $/seconde |
| Kling 3.0 face à Sora | 65 % moins cher |
| Kling 3.0 face à Runway | 44 % moins cher |
Quand les coûts de génération tombent aussi vite, « le meilleur modèle » cesse d'être la question décisive pour les gros volumes. C'est le coût par seconde utilisable qui prend le relais.
La vidéo Midjourney n'apparaît pas dans le top 10 parce qu'elle ne joue pas à ce jeu-là. Veo 3.1 tient le 4K natif avec audio ; Runway tient le flux de production ; Seedance et Kling tiennent le rapport prix-performance au volume.
Midjourney tient quelque chose de plus étroit et de plus défendable : « cette image précise, vivante, en 90 secondes. »
Tous les autres se battent sur la fidélité, la durée, la résolution et le prix. Midjourney se bat sur un look que les gens ont déjà choisi. Si votre identité visuelle est construite avec Midjourney, aucune position au classement ne change le fait que seul Midjourney anime vos images dans votre style.
La contrainte qui définissait V1 définit encore la catégorie : lent l'emporte sur rapide. Travellings avant, parallaxe douce, particules qui dérivent, mouvement de tissu et de cheveux, dérive atmosphérique — tout cela tient structurellement parce que le modèle n'a que de petits déplacements à interpoler par image.
Le modèle mental se transpose intact : l'image d'abord, le mouvement ensuite, la retenue plutôt que l'ambition. Les prompts écrits pour le mouvement V1 se lisent toujours correctement. Rien du flux de travail n'a été invalidé.
La durée est le gros titre — 21 secondes, c'est environ 4 fois le plafond pratique de V1, ce qui fait passer l'objet de la « boucle » au « plan ». La cohérence s'est améliorée au point qu'un mouvement modéré est désormais viable là où seul un mouvement minimal fonctionnait. L'absence d'audio n'a pas bougé et reste le manque déterminant.
Veo gagne sur la résolution native, la durée des clips et — de façon décisive — l'audio synchronisé. Midjourney n'a pas de réponse à l'audio et n'en a annoncé aucune. Si votre production a besoin de son, ce n'est pas une comparaison : c'est une autre catégorie de produit.
Ces modèles gagnent au volume : prix par seconde, débit et texte-vers-vidéo depuis zéro. Midjourney ne concourt sur aucun de ces axes. Choisissez-les quand vous générez beaucoup de clips ; choisissez Midjourney quand vous animez une image précise que vous avez déjà validée.
Runway détient le flux de production — timeline, montage, collaboration en équipe. Midjourney se situe en amont de tout cela : il produit l'asset, pas le montage. Dans un vrai pipeline, les deux coexistent plus souvent qu'ils ne s'affrontent.
| Besoin | Prenez |
|---|---|
| Le son | Veo 3.1 |
| Le volume à bas coût | Kling 3.0 / Seedance 2.0 |
| Le flux de production | Runway |
| Votre image Midjourney, en mouvement | Midjourney |
La génération vidéo puise dans votre quota Midjourney existant plutôt que dans une facture séparée à la seconde. Pour les créateurs qui paient déjà pour les images fixes, le coût marginal par clip est pratiquement nul dans le forfait — une position économique très différente de celle des fournisseurs à la seconde.
La variance au niveau du clip dépasse largement celle de l'image fixe. Prévoyez d'en générer plusieurs et d'en garder un. C'est ce ratio, et non le temps de génération, qui constitue le vrai coût du flux de travail.
Traitez la vidéo Midjourney comme de la b-roll et de la matière, pas comme des plans. Elle comble les trous d'ambiance, produit des fonds animés et anime les visuels clés. En tirer une séquence narrative est possible, et systématiquement plus long qu'il n'y paraît.
V1 fut l'étude de cas en discipline de périmètre : pendant que Sora courait après la généralité cinématographique et a fini par quitter le marché, Midjourney a livré la plus petite version utile de la vidéo et a itéré à l'intérieur de son fossé esthétique.
Dix-huit mois plus tard, l'une de ces deux stratégies existe encore.
La leçon n'est pas « ne soyez pas ambitieux ». C'est qu'une capacité étroite avec une raison d'exister défendable survit à une capacité large dont l'économie unitaire n'est pas bouclée. Sora était meilleur sur plus de choses. Sora a aussi disparu.
Sources: Midjourney version docs · Digital Applied — AI video market after Sora · Teamday — Best AI video models 2026 · Pinggy — Best video generation AI models · PixVerse V8-era review · Spectrum AI Lab market context
Publié initialement en juillet 2025 · Profondément révisé le 30 juillet 2026
Seedance 2.5 réunit 30 secondes d'audio-vidéo, 50 références mixtes et un montage minuté. Voici ce qui est officiel, tarifé et à tester.
MiniMax H3 génère de la vidéo 2K avec son stéréo natif, publie ses tarifs à la seconde et fournit les poids H3-Base sous Community License.
Hermes Agent associe mémoire persistante et skills auto-améliorés, mais sûreté et résultats dépendent du backend, des approbations et de votre revue.
OpenClaw est un runtime d'agent puissant dont la valeur dépend de la sécurité de passerelle, de la vérification des skills et de discipline d'exploitation.
La musique IA en 2026 : capacités et procès de Suno et Udio, le copyright complet d'AIVA, et comment l'accord Warner réécrit vos droits commerciaux.
Le marché de la vidéo IA après Sora, avec les vrais prix : 0,50 à 2,50 $ le clip de 10 s, qui mène aujourd'hui, et comment choisir par plan.
Le comparatif honnête des offres gratuites 2026 : la générosité de Gemini, la qualité de Claude, l'étendue bridée de ChatGPT, et quand passer au payant.
Ce que GPT-5 a livré en août 2025, pourquoi le premier mois a déraillé, et comment son architecture se lit depuis les trois paliers de GPT-5.6.
