Wan 3.0

Vue d’ensemble

Wan 3.0 est le dernier modèle de la ligne vidéo Wan, développée par le Tongyi Lab d’Alibaba. Il est en bêta publique depuis le 6 août 2026.

Alibaba résume l’ambition en une formule : passer « de la génération d’une image à la narration d’une histoire entière ». Dans les faits, cela tient en trois points. Trente secondes natives en une passe. Un son produit en même temps que l’image. Et une entrée qui dépasse le prompt, jusqu’aux documents, aux présentations et aux pages web.

Le modèle tourne sur Alibaba Cloud Model Studio et Qwen Cloud, sous le nom wan3.0-video. La facturation API se fait à la seconde, sur trois paliers de résolution.

La vidéo depuis un document, voilà la nouveauté

La capacité qui distingue Wan 3.0 s’appelle Omni-Reference. Au-delà du texte, de l’image, du son et de la vidéo, le modèle lit des fichiers structurés : doc, xls, ppt, pdf, txt, key, pages, numbers, md, et n’importe quelle adresse de page web. Il en tire une séquence vidéo.

Alibaba décrit l’opération comme la transformation d’« une donnée statique et très textuelle en contenu vidéo au niveau du réel ». Donnez-lui une présentation trimestrielle ou une fiche produit. Ce qui revient est un clip fini, pas un storyboard.

Aucun autre modèle vidéo grand public ne lit les documents de cette façon aujourd’hui.

Le plan long, en une passe

Trente secondes en une prise continue, c’est environ le double de ce que faisait la ligne à Wan 2.7. Le saut ne change pas seulement un chiffre, il change l’unité de travail.

Un spot complet, une scène courte, une révélation lente : tout cela tient désormais dans une seule génération. Fini l’assemblage de plusieurs clips qu’il faut ensuite raccorder en lumière, en rythme et en continuité. La gestion intelligente de la durée cale la longueur sur le brief, donc un battement court ne se remplit pas de secondes vides.

Un plan long réclame aussi une autre façon d’écrire. Trente secondes demandent un arc : un début, un basculement, une fin. Le brief doit dire comment le cadre évolue, pas seulement ce qu’il contient. Sans basculement, la durée ne donne qu’un clip lent, et c’est la première façon de gâcher une génération longue.

Références et retouche au plan près

Omni-Reference accepte jusqu’à 20 éléments de référence. Il tient un personnage, un produit ou un décor d’un plan à l’autre, et c’est ce qui fait qu’une séquence se lit comme un seul travail. Nommer chaque référence dans le prompt compte autant que la fournir.

L’édition fait maintenant partie du modèle lui-même, au lieu d’être un outil à part. Wan 3.0 accepte l’édition par instruction et par référence : vous sélectionnez un intervalle de temps et ne régénérez que lui, le reste ne bouge pas. Le visuel, l’action et jusqu’aux répliques d’un personnage s’ajustent. La presse chinoise a résumé le changement d’un passage « du gacha à la production » : une passe pilotable plutôt que des relances sans fin.

Rendu, son et texte à l’écran

Alibaba appelle sa cible visuelle le « rendu au niveau du réel », avec une insistance nette sur les personnes. Visages et peau détaillés, émotion naturelle et retenue, micro-expressions liées aux gestes. La personnalisation du portrait descend jusqu’à la structure osseuse et au détail de l’œil.

Le son est généré dans la même passe que l’image. Le rythme se travaille donc dans le prompt : nommez le lit sonore, placez le temps fort, et l’image et le son tombent ensemble.

Le texte à l’écran progresse également, avec un rendu de texte long sur 12 langues et des graphiques, formules et infographies plus propres. Les premiers retours notent malgré tout que la qualité audio et le texte dans l’image gardent de la marge.

Résolution : le mythe de la 4K

Wan 3.0 sort en 480p, en 720p et en 1080p. Il n’existe pas de palier 4K. Les affirmations « Wan 3.0 fait de la 4K » qui circulent dans les résultats de recherche ne viennent pas d’Alibaba : sa propre fiche de modèle facture exactement trois paliers et ne mentionne la 4K nulle part.

Traitez de la même façon les tableaux de specs annonçant 60 milliards de paramètres ou des poids ouverts sous Apache 2.0. Ce sont des inventions tant qu’Alibaba n’a pas publié de fiche officielle.

Sur les poids ouverts

Wan 3.0 est un modèle fermé, en API seule. Aucun poids n’est apparu sur l’organisation Hugging Face Wan-AI, sur l’organisation GitHub Wan-Video, ni sur ModelScope. Les poids ouverts publiés par Alibaba s’arrêtent à Wan 2.2, sous Apache 2.0. Les générations 2.5, 2.6 et 2.7 étaient toutes des modèles commerciaux en API.

Pour une équipe tenue par une contrainte d’auto-hébergement, Wan 2.2 reste donc le Wan téléchargeable le plus récent. C’est ce détail qui décide si cette ligne peut entrer dans un pipeline hébergé chez vous.

Wan 3.0 et Morphic

Wan 3.0 ne figure pas au catalogue Morphic. La gamme vidéo disponible y reste large, avec Seedance, Kling et Veo parmi d’autres. Vous générez donc aujourd’hui, en choisissant le modèle qui sert le plan.

Les réflexes d’écriture décrits plus haut se transposent partout. Écrire un plan long comme un arc, nommer chaque référence, inscrire le rythme dans le prompt : les prendre dès aujourd’hui ne coûte rien.