# Wan IA : le modèle vidéo d'Alibaba et ce que sait faire Wan 3.0

> Wan IA est la famille de modèles vidéo d'Alibaba. Wan 3.0, lancé officiellement le 24 août 2026, crée des clips jusqu'à 30 secondes avec son (voix, effets et musique) et accepte jusqu'à 20 références : photos, vidéos, audio et même documents. Il se classe 6ᵉ sur 48 sur Arena. Les anciens Wan 2.1 et 2.2 sont ouverts sous Apache 2.0. Wan est dans le générateur AI2Face.

Développeur: Alibaba · Sortie: 2026-08-24 · Mis à jour le 2026-10-02
URL: https://ai2face.com/fr/models/wan

## Faits clés

| | |
|---|---|
| Développeur | Alibaba |
| Versions | Wan 3.0 et 3.0 Prime (24 août 2026), Wan 2.7, Wan 2.2 et 2.1 ouverts |
| Ce qu'il fait | Vidéo avec son à partir de texte, photos, vidéos, audio et documents ; retouche du clip |
| Durée | Wan 3.0 — jusqu'à 30 secondes par génération ; Wan 2.7 — jusqu'à 15 secondes |
| Résolution | 480p, 720p, 1080p à 30 i/s |
| Son | Voix, effets et musique générés avec la vidéo |
| Références | Jusqu'à 20 fichiers, dont jusqu'à 5 audios totalisant 15 secondes maximum |
| Prix de l'API | 0,05 / 0,10 / 0,20 $ par seconde en 480p / 720p / 1080p |
| Dans AI2Face | Oui |

## Qu'est-ce que Wan IA

Wan est la famille de modèles vidéo d'Alibaba. Elle est connue pour deux lignes : des modèles ouverts que l'on peut télécharger et faire tourner soi-même, et des modèles phares dans le cloud.

**Wan 2.1 et Wan 2.2** ont été publiés par Alibaba sur GitHub et Hugging Face sous licence Apache 2.0. Wan 2.2 est sorti le 28 juillet 2025 : architecture Mixture-of-Experts, modèles texte vers vidéo, image vers vidéo, voix vers vidéo et animation de personnages. Le petit Wan 2.2 TI2V-5B produit du 720p à 24 i/s et tourne sur une carte graphique de la classe RTX 4090.

**Wan 3.0** est le modèle phare dans le cloud. Alibaba a d'abord ouvert une bêta, puis lancé l'API pour tous le 24 août 2026. Wan 3.0 Prime, plus rapide, est sorti en même temps. Le précédent Wan 2.7 allait jusqu'à 15 secondes ; Wan 3.0 a doublé la durée.

## Ce que sait faire Wan 3.0

**30 secondes en une seule génération.** Wan 3.0 produit jusqu'à 30 secondes à 30 i/s et propose lui-même une durée adaptée au prompt. Dans un même clip, vous pouvez décrire plusieurs plans : le modèle les assemble avec une bande-son commune.

[Un train rouge arrive dans une gare de montagne enneigée, une jeune femme en écharpe verte descend du wagon, un vieux chien court vers elle dans la neige](https://ai2face.com/_astro/media/models/wan/three-shot-story.mp4 "Trois plans à partir d'un prompt : plan large, plan moyen et gros plan, avec une bande-son commune. Wan 3.0, 720p, 15 s")

**Son et voix.** Wan 3.0 génère les répliques des personnages, les sons de la scène et la musique de fond sans doublage séparé. Alibaba annonce une voix naturelle dans plusieurs langues et une voix cohérente pour chaque personnage dans le clip.

[Des collègues dans la cuisine d'un bureau : une femme aux cheveux bouclés tend un café à un homme à lunettes, ils échangent quelques répliques et rient](https://ai2face.com/_astro/media/models/wan/office-dialogue.mp4 "Dialogue en champ-contrechamp : les répliques des deux personnages sont écrites dans le prompt. Wan 3.0, 8 s")

**Jusqu'à 20 références.** En plus du texte, le modèle accepte images, vidéos, audio et, pour la première fois chez Wan, documents et pages web : doc, xls, ppt, pdf, txt, key, pages, numbers, md, avec un fichier jusqu'à 100 Mo et 50 pages. Jusqu'à 5 clips audio totalisant 15 secondes fixent la musique ou la voix : c'est ainsi qu'on obtient des danses en rythme et la synchronisation labiale.

**Retouche sans régénération.** Dans un clip terminé, vous pouvez changer l'image, l'intrigue ou les répliques sans tout régénérer.

**Clips verticaux** pour les réseaux sociaux et la publicité : le format 9:16 se règle comme le format horizontal.

[Une bouteille de limonade avec des rondelles de citron sur une pierre mouillée, des glaçons tombent autour au ralenti, la caméra tourne autour de la bouteille](https://ai2face.com/_astro/media/models/wan/vertical-ad.mp4 "Spot vertical 9:16 avec bruit de pétillement et de glaçons. Wan 3.0, 8 s")

## Les versions de Wan

| | Wan 2.2 | Wan 2.7 | Wan 3.0 |
|---|---|---|---|
| Sortie | 28 juillet 2025 | avant Wan 3.0 | 24 août 2026 |
| Durée | clips courts | jusqu'à 15 s | jusqu'à 30 s |
| Résolution | 480p, 720p | — | 480p, 720p, 1080p |
| Son | modèle Speech-to-Video séparé | — | avec la vidéo |
| Poids ouverts | oui, Apache 2.0 | non | non |
| Rang sur Arena (21/09/2026) | 42 (A14B) | — | 6 sur 48 |

## À quoi sert Wan

- **Courtes histoires et stories** — 30 secondes et plusieurs plans en une génération.
- **Vidéos à partir d'un document.** Importez une présentation ou une fiche produit, et Wan 3.0 en reprend le contenu.
- **Danses et clips musicaux** — une référence audio donne le rythme.
- **Spots publicitaires verticaux** avec un produit et du son.
- **Infrastructure propre.** Les modèles ouverts Wan 2.1 et 2.2 tournent sur votre serveur sans frais d'API.

## Wan face aux alternatives

| | Wan 3.0 | [Seedance 2.5](/fr/models/seedance) | [Hailuo (MiniMax H3)](/fr/models/hailuo) | [Gemini Omni](/fr/models/gemini-omni) |
|---|---|---|---|---|
| Développeur | Alibaba | ByteDance | MiniMax | Google |
| Durée | jusqu'à 30 s | jusqu'à 30 s | 4–15 s | 3–10 s, prolongeable à 40 |
| Résolution | jusqu'à 1080p | non communiquée par le développeur | jusqu'à 2K | jusqu'à 4K |
| Son | oui | oui | stéréo | oui |
| Références | jusqu'à 20, documents compris | jusqu'à 50 | jusqu'à 12 | photos et vidéos |
| Rang sur Arena | 6 | 7 (2.5) | 8 | 1–2 |

Wan 3.0 et Seedance 2.5 sont les deux modèles qui produisent 30 secondes par génération. Wan se distingue par les documents en entrée et par son prix, Seedance par le nombre de références. Si vous avez besoin de 2K ou de 4K, regardez H3 et Gemini Omni.

## Comment écrire des prompts pour Wan

- **Détaillez les plans :** « Shot 1 : plan large… Shot 2 : plan moyen… Shot 3 : gros plan… », ainsi Wan n'étire pas un seul moment sur 30 secondes.
- **Les répliques entre guillemets**, en précisant qui parle.
- **Le son sur une ligne à part :** « Sound : bruit du train, crissement de la neige, piano doux ».
- **La durée selon le contenu.** Ne demandez pas 30 secondes pour une seule action : Wan suggère lui-même la durée optimale.
- **Le texte à l'écran, court.** Alibaba reconnaît que les inscriptions ne sont pas encore toujours exactes.

## Comment utiliser Wan dans AI2Face

Wan est disponible dans le générateur AI2Face, sans compte Alibaba Cloud. Vous pouvez lancer le même prompt sur Wan, Seedance, Hailuo et Gemini Omni et comparer les résultats. Le coût de chaque génération s'affiche avant le lancement, le paiement se fait par carte ou en crypto, et les crédits des packs n'expirent pas. Les nouveaux comptes reçoivent des crédits de bienvenue à l'inscription.

## Limites

- **Son et inscriptions.** Alibaba écrit franchement que la texture du son et la précision du texte à l'écran sont encore en cours d'amélioration.
- **Jusqu'à 1080p.** Wan 3.0 ne propose ni 2K ni 4K.
- **30 secondes, ça coûte cher.** Un clip de cette durée en 1080p coûte 6 $ dans l'API : testez d'abord l'idée sur 5 à 8 secondes en 480p.
- **Wan 3.0 est fermé.** Seuls Wan 2.1 et 2.2 sont téléchargeables.

## En résumé

Wan 3.0 produit parmi les clips les plus longs des modèles vidéo de 2026 : 30 secondes avec son en une génération, 6ᵉ place sur Arena et la capacité rare de créer une vidéo à partir d'un document. Prenez-le pour les histoires, les stories et les pubs où durée et son comptent ; pour la 2K, Hailuo H3, et pour la meilleure qualité, Gemini Omni. Si vous avez besoin de votre propre infrastructure, les modèles ouverts Wan 2.1 et 2.2 restent le meilleur choix gratuit. Dans AI2Face, Wan est disponible aux côtés de tous les autres modèles.

## Questions fréquentes

### Qu'est-ce que Wan IA ?

La famille de modèles vidéo d'Alibaba. L'actuel Wan 3.0 crée des clips jusqu'à 30 secondes avec son à partir de texte, photos, vidéos, audio et documents. Il se classe 6ᵉ sur 48 sur Arena.

### Quelle différence entre Wan 3.0 et Wan 2.x ?

Wan 3.0 produit jusqu'à 30 secondes par génération contre 15 pour Wan 2.7, accepte documents et pages web, garde mieux la cohérence des personnages et dessine des visages plus variés. Il génère le son en même temps que la vidéo.

### Peut-on télécharger Wan ?

Wan 2.1 et Wan 2.2, oui : Alibaba les a publiés sur GitHub et Hugging Face sous licence Apache 2.0, et le petit modèle 5B tourne sur une carte graphique de la classe RTX 4090. Wan 3.0 fonctionne via une API cloud.

### Combien coûte Wan 3.0 ?

Dans l'API d'Alibaba : 0,05 $ par seconde en 480p, 0,10 $ en 720p et 0,20 $ en 1080p. Un clip de 30 secondes en 1080p coûte 6 $. Dans AI2Face, le coût s'affiche avant chaque génération.

### Wan gère-t-il le son ?

Oui. Wan 3.0 génère la voix des personnages, les sons de la scène et la musique de fond avec la vidéo. Vous pouvez importer jusqu'à 5 références audio pour qu'un personnage danse sur la musique ou parle avec une voix donnée.

## Sources

- https://www.alibabacloud.com/blog/wan3-0-30-second-ai-video-generation-from-any-input_603452
- https://www.alibabacloud.com/help/en/model-studio/wan3-video-generation-guide
- https://www.alibabacloud.com/en/news/product/video-generation-model-wan30-officially-launched-nsb
- https://github.com/Wan-Video/Wan2.2
- https://arena.ai/leaderboard/text-to-video