Varya d'Avataar rend la vidéo IA 10 fois moins chère, et c'est cela, la véritable histoire

Avataar.ai a dévoilé Varya aujourd’hui lors d’un événement à New Delhi, en présence du secrétaire du ministère indien de l’Électronique et des Technologies de l’information. Il s’agit d’un modèle de vidéo IA doté de 14 milliards de paramètres, que l’entreprise place dans la même catégorie de qualité que Wan 2.2 d’Alibaba et Veo 3 de Google. Mais le chiffre qui compte n’est pas une mesure de qualité : c’est le prix. Varya génère de la vidéo pour environ 0,48 ₹ par seconde, soit, selon l’entreprise, jusqu’à dix fois moins cher que les principaux modèles mondiaux. Pour y parvenir, il utilise une architecture distillée qui réduit la génération des 50 étapes de diffusion habituelles à seulement quatre, tout en conservant une qualité de sortie proche de celle des modèles exécutant l’ensemble des étapes.

Varya, le modèle vidéo distillé indien, génère des clips en quatre étapes au lieu de cinquante

Le modèle a bénéficié du soutien de l’IndiaAI Mission, qui lui a fourni un accès subventionné aux infrastructures nationales de calcul pour l’IA. Il a été délibérément entraîné pour les contextes indiens, ce qui lui permet de mieux représenter la diversité régionale, les fêtes, la cuisine, les vêtements et les environnements du quotidien que les modèles principalement entraînés sur des données occidentales. Une démonstration en direct est disponible sur varya.avataar.ai, et Avataar prévoit de publier Varya sous forme de modèle à poids ouverts, accompagné de ses données d’entraînement, sur le portail indien AIKosh. Les développeurs pourront ainsi l’auto-héberger ou l’affiner. Un rapport technique consacré à l’architecture et à la méthode de distillation est également prévu.

Quatre étapes au lieu de cinquante

L’avancée technique est ici l’élément essentiel. Les modèles de diffusion génèrent du contenu en partant de bruit, puis en l’affinant au fil de nombreuses étapes, chacune correspondant à un passage complet dans le réseau. Cinquante étapes signifient donc cinquante passages. La distillation entraîne un modèle élève plus petit et plus rapide à reproduire en quelques étapes ce que génère un modèle enseignant lent qui en utilise beaucoup. Passer de cinquante étapes à quatre réduit de plus de dix fois la puissance de calcul nécessaire par image, et c’est précisément là que se concentre la quasi-totalité du coût de génération vidéo.

Les durées réelles rendent cette différence très concrète. Sur une NVIDIA H200, Avataar affirme que Varya produit un clip 720p de 5 secondes en environ 45 secondes. Selon ses mesures, Wan 2.2 met environ 1 230 secondes pour accomplir la même tâche. Ce n’est pas un léger avantage à la marge, mais un changement d’ordre de grandeur : la différence entre un modèle que l’on peut proposer à grande échelle et un autre dont l’exécution n’est abordable que pour une démonstration.

C’est la même technique qui a rendu pratique la génération rapide d’images au cours des deux dernières années. La voir désormais appliquée à la vidéo à l’échelle de la production, avec un véritable prix à la seconde, est le signal auquel il faut prêter attention.

Pourquoi le coût est le véritable enjeu de la vidéo en 2026

Pendant deux ans, les discussions autour de la vidéo IA ont porté sur les capacités. Quel modèle produit de la 4K ? Lequel synchronise le son ? Lequel préserve la cohérence d’un personnage d’un plan à l’autre ? Cette course est en grande partie terminée. Kling 3.0 a lancé la 4K avec audio en mars, LTX 2.3 l’a fait en open source, et les modèles de pointe sont désormais suffisamment proches pour que leurs différences alimentent des débats plutôt qu’elles ne constituent de véritables écarts.

Ce qui n’a pas été résolu, c’est l’équation économique. Nous avons expliqué comment Sora engloutissait environ un million de dollars par jour, alors qu’il n’avait généré que deux millions de dollars de revenus sur toute son existence avant qu’OpenAI ne l’arrête. Le problème n’a jamais été ses capacités, mais son coût d’exploitation. Un modèle magnifique mais inabordable est une démonstration, pas un produit.

En 2026, la frontière la plus intéressante n’est donc pas un modèle qui fait quelque chose de nouveau, mais un modèle qui fait la même chose pour un dixième du coût. Varya en est un exemple. Le mouvement plus large qui traverse tout le secteur — distillation, réduction du nombre d’étapes, modèles plus petits adaptés à des contextes précis — est ce qui transforme la vidéo IA d’une vitrine déficitaire en une technologie sur laquelle une petite équipe peut réellement bâtir un produit.

Ce que cela signifie pour les créateurs

Si vous développez un produit qui génère régulièrement de la vidéo, et pas seulement de façon ponctuelle, le coût à la seconde détermine votre économie unitaire. C’est ce qui distingue une fonctionnalité que vous pouvez proposer à tout le monde d’une fonctionnalité que vous devez rationner ou facturer plus cher. Une réduction des coûts par dix ne rend pas votre produit dix fois meilleur. Elle rend soudainement viable toute une catégorie de produits qui perdaient auparavant de l’argent.

C’est pourquoi nous surveillons davantage l’extrémité abordable de la courbe que la plus spectaculaire. Chez Cinevva, les outils de génération intégrés à la plateforme ne peuvent constituer une activité viable que si le coût de chaque génération est suffisamment faible pour permettre aux créateurs d’expérimenter librement, sans que nous perdions de l’argent à chaque clic. La leçon de Sora était qu’un excellent résultat au mauvais prix peut condamner une entreprise. Celle de Varya est que les coûts commencent enfin à baisser, et rapidement. Les équipes qui bâtiront leurs produits sur des modèles à la fois abordables et performants dureront plus longtemps que celles qui poursuivent les modèles coûteux et spectaculaires.

La dimension régionale compte également. Un modèle entraîné pour les contextes indiens et tarifé en fonction des budgets indiens rappelle que la prochaine vague de ces outils ne viendra pas uniquement d’une poignée de laboratoires américains et ne sera pas toujours proposée à des prix adaptés au pouvoir d’achat américain. Moins cher, plus local et plus spécialisé constitue un axe concurrentiel différent de la course aux modèles plus grands et plus généralistes, et c’est un terrain que les acteurs établis tardent à défendre.

Références

• TechCrunch : Moins chère, plus rapide et sensible aux spécificités culturelles, l’IA vidéo d’Avataar est conçue pour l’échelle de l’Inde
• Outlook Business : Avataar lance Varya, le premier modèle de vidéo IA distillé d’Inde dans le cadre de l’IndiaAI Mission
• Republic World : Ce nouveau modèle d’IA conçu en Inde veut rendre la génération vidéo bien plus abordable
• WaveSpeed : Actualités 2026 sur la génération vidéo par IA, derniers modèles et mises à jour
• MagicHour : Suivi des sorties de modèles de vidéo IA en 2026