IA Créative • 6 juillet 2026

---

---

Vidu S1 transforme une image IA en personnage vidéo interactif

ShengShu Technology a lancé Vidu S1, un modèle qui génère en continu un personnage vidéo piloté par la voix. À partir d’une seule image, le système produit expressions, gestes et mouvements du corps sans rigging ni entraînement propre au personnage. Il fonctionne sur des GPU grand public en 540p à 25 images par seconde. La vidéo générative ne fabrique plus seulement un plan : elle devient une présence que l’utilisateur peut diriger pendant la diffusion. Source : annonce de ShengShu Technology

Zawa reconstruit un visuel social autour d’un nouveau produit

Zawa a lancé Image Remix, un éditeur qui reprend la composition d’une image de référence et y intègre le produit d’une marque. Le mode High-Fidelity conserve la structure du modèle, tandis que le mode Style en réinterprète la logique visuelle. La capture d’écran devient un brief exécutable, avec plusieurs références et variations possibles. Pour les équipes e-commerce, l’outil rapproche veille créative, déclinaison et production dans une même opération. Source : présentation officielle de Zawa

VideoGen automatise trois retouches sur un projet vidéo complet

VideoGen a ajouté à son API des actions capables de redimensionner un projet, nettoyer sa transcription et animer toutes ses images fixes. L’action de conversion traite chaque visuel éligible de façon asynchrone, avec des réglages de mouvement, de son et de qualité. Le remix devient une opération de pipeline, applicable à l’ensemble d’un montage plutôt qu’à chaque plan séparément. C’est une brique concrète pour documenter un workflow créatif complet. Source : journal des versions de VideoGen

QWERTY donne une trajectoire précise aux objets d’une vidéo IA

Les chercheurs de QWERTY présentent une méthode qui contrôle le mouvement d’un objet dans un modèle image-vers-vidéo sans réentraînement. L’utilisateur déforme l’objet ou fournit un flux optique, puis le système modifie l’attention du modèle pour guider la trajectoire. Le mouvement sort du prompt textuel et devient une instruction spatiale explicite. Acceptée à ECCV 2026, la méthode atteint des résultats comparables à certaines approches entraînées spécifiquement pour ce contrôle. Source : publication QWERTY sur arXiv

DisciplineGen-1M entraîne les modèles à produire des schémas exacts

Les auteurs de DisciplineGen-1M publient un jeu de données conçu pour générer et retoucher des visuels dont la justesse dépend de connaissances précises. Il rassemble 1,2 million d’exemples dans dix disciplines, avec diagrammes, cartes, formules, molécules et partitions. Chaque exemple associe image, consigne et annotations structurées. L’enjeu dépasse l’esthétique : entraîner un modèle à respecter les symboles, les relations spatiales et les conventions qui rendent un visuel réellement utilisable. Source : publication DisciplineGen-1M sur arXiv