TL;DR
OpenAI a lancé GPT-5.6 le 9 juillet, et des gens lui font construire des vidéos d’animation abouties à partir d’un seul prompt. Ce n’est pas un modèle vidéo, et il ne peint pas de pixels. Il écrit l’animation sous forme de code, le même HTML et GSAP qui fait tourner les sites les plus soignés, et ce code se rend en un MP4 net. C’est pourquoi le résultat est précis plutôt que fondu. Le hic : les bons résultats viennent du fait de le laisser réfléchir une heure ou deux en effort maximal, ce qui coûte de l’argent et demande une installation technique. Mais la qualité est tout l’enjeu. C’est le moment où un modèle d’IA généraliste est devenu assez bon pour faire un travail qui exigeait autrefois un motion designer.
Ce qui est réellement sorti
GPT-5.6 est arrivé publiquement le 9 juillet 2026, après un aperçu limité fin juin. C’est une famille, pas un modèle unique : Sol est le modèle phare, Terra l’équilibré, Luna le rapide et bon marché. OpenAI présente Sol comme son meilleur modèle de code à ce jour, et il existe un réglage d’effort maximal ainsi qu’un mode ultra qui lui permet de déléguer du travail à des sous-agents sur les problèmes difficiles.
Rien de tout cela ne ressemble à de la vidéo. C’est justement le point, et c’est pour cela que l’histoire est passée inaperçue. GPT-5.6 n’est pas un modèle vidéo. C’est un modèle de raisonnement et de code devenu assez bon pour écrire du code qu’il peut désormais construire une animation, ce qui s’avère être une façon bien plus précise de faire de l’animation que de générer des images.
Alors, comment un modèle de chat fait-il une vidéo ?
Il l’écrit. Vous décrivez la vidéo, le modèle écrit l’animation sous forme de code (HTML, CSS et GSAP, la même technologie web que celle des sites les plus soignés que vous ayez vus). Puis ce code est rendu image par image en MP4.
C’est toute la raison pour laquelle le résultat est bon. Un générateur de vidéo comme Sora devine des pixels, ce qui est magnifique pour un plan d’ambiance et désespérant pour un logo qui doit garder sa forme et un texte qui doit rester lisible. Le code, lui, ne devine pas. Si vous lui dites que le logo entre à 0,4 seconde et que le titre est exactement l’orange de votre marque, c’est ce qui se passe, à chaque image, à chaque fois. C’est la différence entre décrire un tableau et écrire les instructions pour le construire.
Pourquoi cela prend-il des heures ?
Parce que le meilleur vient de la réflexion. En effort maximal, GPT-5.6 raisonne longuement avant d’écrire, et avec le mode ultra il peut lancer des sous-agents pour travailler sur des parties en parallèle. Des gens le laissent tourner une heure ou deux sur un seul clip. Il inspecte aussi désormais le résultat rendu au lieu de lancer du code à l’aveugle : il repère donc ce qui a l’air faux et le corrige avant de rendre la main. C’est la boucle que suit un motion designer, simplement automatisée, et elle est lente pour la même raison que le bon travail est lent.
Le compromis, c’est l’argent. Sol démarre à 2 $ par million de tokens en entrée et 10 $ par million en sortie, avec une entrée en cache à 0,20 $ par million. Les prompts de plus de 272 000 tokens en entrée utilisent des tarifs de long contexte plus élevés, et une longue phase de raisonnement sur une animation complexe consomme quand même beaucoup de tokens. Ce n’est pas 200 $ le clip, mais ce n’est pas gratuit non plus, et la voie du faire soi-même signifie aussi que vous montez vous-même la chaîne de rendu.
Le résultat est-il vraiment bon ?
Oui, et c’est ce qui rend le sujet digne d’un article. Typographie cinétique, révélations de logo, films de lancement, graphiques animés, vidéos promotionnelles de produit : l’animation graphique fidèle à la marque que la plupart des équipes marketing publient réellement. Bien faite, c’est le genre de chose qui signifiait autrefois un après-midi dans After Effects ou une semaine d’attente d’un freelance.
Là où cela échoue encore, c’est exactement là où l’on s’y attend : effets visuels cinématographiques, 3D, animation de personnages faite main, finition broadcast image par image. Un motion designer senior sur After Effects l’emporte toujours là-dessus, et cela durera un moment. Mais ce n’a jamais été le travail dont la plupart des équipes avaient besoin. Le travail dont la plupart des équipes avaient besoin vient d’être automatisé. Nous détaillons où se situe cette frontière dans comment réaliser de l’animation (motion design) sans After Effects.
GPT-5.6 face aux modèles vidéo
| GPT-5.6 (écrit l’animation sous forme de code) | Sora / Runway / Veo (génèrent des images) | |
|---|---|---|
| Ce qu’il produit | Animation graphique : logos, texte, mise en page | Images cinématographiques et photographiques |
| Reste fidèle à la marque | Oui — le code est exact | Non — il dérive et se déforme |
| Texte lisible, logo intact | Oui | Peu fiable |
| Temps par clip | Une heure ou deux en effort maximal | Quelques minutes |
| Ce qu’il vous faut | Une chaîne de rendu, ou un produit construit dessus | Juste l’outil |
| Idéal pour | Films de lancement, révélations de logo, pubs sociales | Ambiance, plans de coupe, atmosphère |
Ce que cela signifie vraiment
Un modèle de chat généraliste, conçu pour le code et le travail en entreprise, est désormais assez bon pour faire de l’animation par simple effet de bord de sa maîtrise du code. Personne chez OpenAI n’a livré de fonctionnalité d’animation. Cela est simplement sorti du fait que le modèle est devenu plus intelligent. Cela devrait vous indiquer où tout cela va : chaque fois que la frontière avance, cela s’améliore, gratuitement, sans que personne ne construise la moindre fonctionnalité vidéo.
L’écart honnête, c’est le workflow. Des heures de réflexion, une chaîne de rendu à dompter, des tokens à payer, et une nouvelle série de bidouillages chaque fois qu’une scène tombe à côté. La capacité est là. Le confort ne l’est pas, à moins que quelqu’un le construise pour vous. C’est la partie à surveiller, et c’est celle sur laquelle nous travaillons : fluos tourne sur cette même génération de modèles et transforme la boucle de deux heures du faire-soi-même en un chat et un aperçu en direct. Sur les 500 premières vidéos créées avec fluos, le rendu moyen s’est terminé en environ trois minutes. Pour un tour d’horizon plus large, notre panorama honnête des meilleurs outils d’IA pour l’animation compare les options.
Questions fréquentes
- GPT-5.6 peut-il créer des vidéos ?
- Pas en tant que modèle vidéo. Il écrit l’animation sous forme de code (HTML et GSAP) qui se rend en MP4, et c’est ainsi que les gens obtiennent des animations abouties à partir d’un seul prompt. Il n’exporte pas de vidéo depuis la fenêtre de chat elle-même.
- Pourquoi GPT-5.6 met-il des heures à créer une vidéo ?
- Les bons résultats viennent du raisonnement en effort maximal, où le modèle réfléchit longuement et peut déléguer à des sous-agents avant d’écrire l’animation. Les longues phases de raisonnement prennent du temps et coûtent des tokens.
- GPT-5.6 est-il meilleur que Sora pour l’animation (motion design) ?
- Pour de l’animation graphique fidèle à la marque (logos, texte, mise en page), oui, parce que le code est exact alors que les images générées dérivent. Pour des images cinématographiques et photographiques, Sora est le bon outil. Ils résolvent des problèmes différents.
- Combien cela coûte-t-il ?
- GPT-5.6 Sol démarre à 2 $ par million de tokens en entrée et 10 $ par million en sortie, avec une entrée en cache à 0,20 $ par million. Les prompts de plus de 272 000 tokens en entrée utilisent des tarifs de long contexte plus élevés : le coût dépend donc de la taille du contexte et de l’intensité de réflexion que vous autorisez.
- Quand GPT-5.6 est-il sorti ?
- Publiquement le 9 juillet 2026, après un aperçu limité fin juin. Il existe en trois niveaux : Sol, Terra et Luna.