Vidéo réalisée par Flycatcher Studio — flycatcherstudio.com
Nous lançons aujourd'hui Boreal, notre modèle vidéo IA pour la publicité. Il génère des vidéos à partir de texte et d'images pour un centime par seconde, soit environ 0,05 $ pour un clip de cinq secondes, et il effectue le rendu en temps réel : ce clip est prêt à peu près dans le temps qu'il faut pour le regarder. Dans nos benchmarks, sa qualité rivalise avec celle des meilleurs modèles propriétaires que les annonceurs paient aujourd'hui, pour une fraction du prix et jusqu'à 40 fois plus vite.
Cet article explique pourquoi nous l'avons créé, comment il fonctionne et ce que montrent réellement les chiffres, y compris là où il est encore en deçà.
Créer des publicités vidéo, c'est notre métier ; nous sommes donc partis des deux choses qu'une publicité doit réussir, qui sont justement les deux choses que les modèles vidéo généralistes ratent le plus souvent. Une personne doit passer pour un vrai créateur qui se filme lui-même, avec une peau naturelle, un rythme naturel et aucun vernis artificiel. Et un produit doit rester exactement l'objet commercialisé par l'annonceur, avec la même étiquette, le même texte et la même forme, sans variantes inventées ni second exemplaire surgissant au milieu du plan. La plupart des modèles remplacent volontiers un créateur par une autre personne en plein clip ou transforment une étiquette de produit en charabia, et ce sont précisément les défauts qu'un spectateur remarque instantanément.
Entraîné sur la publicité, ajusté aux besoins du marketing
C'est ce que nous avons entraîné Boreal à préserver. Il repose sur un modèle open source de génération vidéo qui génère conjointement l'audio et la vidéo.
Nous l'avons post-entraîné sur un large corpus d'images publicitaires, en l'orientant vers ce dont une publicité a besoin : un produit qui reste exactement l'objet commercialisé par l'annonceur, et une personne qui passe pour un vrai créateur. Comme nous possédons les poids du modèle et le servons nous-mêmes, nous pouvons offrir cette qualité à un centime par seconde et en temps réel, au lieu de payer le prix catalogue et d'attendre dans la file d'un autre pour chaque clip.
La suite de cet article présente ce que cet entraînement apporte, mesuré face au modèle de base non modifié via un pipeline identique, et confirmé par une évaluation humaine à l'aveugle et des métriques d'image.
Ce que montrent les chiffres
Pour mesurer ce que le post-entraînement a réellement changé, nous gardons tout identique sauf les poids entraînés : le même prompt réécrit, la même image d'entrée, la même résolution, le même nombre d'images et la même graine, exécutés dans le pipeline déployé. La seule variable est le modèle.
Lors d'une évaluation comparative à l'aveugle, les évaluateurs ont préféré Boreal à son modèle de base non modifié dans 81 % des comparaisons tranchées (25 contre 6, avec 9 égalités, sur 40 cas de production ; test des signes p<0.001). Par type de cas, cela donne 83 % sur les publicités produits, 85 % sur les scènes de créateurs et UGC, et 60 % sur les clips d'une seule personne qui parle, soit toute la gamme de ce que les clients réalisent réellement.
Les cas de produits constituent la moitié difficile et à fort enjeu, et ils se sont soldés par 5 contre 1 avec 2 égalités en faveur de Boreal lors de l'évaluation à l'aveugle. Pour mesurer la fidélité sans humain, nous suivons la part des détails de l'image d'entrée qui subsiste jusqu'à la dernière image et la part du mouvement relevant d'une déformation non rigide. Face au modèle de base, Boreal affiche des gains significatifs en qualité d'image (MUSIQ, p<0.001) et en conservation des détails fins (+11,3 %, p=0.004), avec une tendance à la baisse des déformations. Concrètement : un carnet personnalisé garde le design de sa couverture et le prénom de l'enfant à l'écran pendant tout le clip ; un créateur reste une seule et même personne au lieu d'être remplacé en plein plan ; une démo d'application affiche la vraie interface là où le modèle de base peint un fond d'écran générique.
Comment Boreal se compare aux modèles propriétaires
La vraie question commerciale n'est pas de savoir si le post-entraînement surpasse son propre modèle de base, mais si le résultat rivalise avec le modèle propriétaire qu'un annonceur achèterait autrement. Nous avons donc confronté Boreal aux modèles propriétaires qu'un annonceur envisagerait, avec des entrées identiques.
Boreal égale Seedance 2.0 en qualité perçue et le devance sur le mouvement, environ 40 fois plus vite et 12 fois moins cher au prix de référence. Soyons honnêtes sur le compromis : en fidélité brute, les indicateurs de qualité se situent à quelques pour cent près dans un sens comme dans l'autre, et Seedance rend ces entrées en 1080p contre une sortie de classe 720p pour nous ; les mesures sensibles à la résolution jouent donc en sa faveur, pas en la nôtre. Ce qui diffère de deux ordres de grandeur, c'est le temps et le coût. Pendant notre benchmark, Seedance 2.0 a rendu un clip de cinq secondes en 198 secondes en médiane pour 0,60 $ ; Boreal le rend en environ 5 secondes pour 0,05 $.
H3 Max est l'autre point de référence. Il annonce une inférence brute plus rapide que notre objectif de cinq secondes, mais coûte environ huit fois plus par clip de cinq secondes à son prix catalogue de lancement, ce qui fait de Boreal le meilleur compromis qualité-prix de l'ensemble. Face au plus récent Seedance 2.5, dont le prix catalogue image vers vidéo en 720p était d'environ 0,473 $ par seconde début septembre 2026, Boreal à un centime par seconde est environ 47 fois moins cher : environ 0,05 $ pour un clip de cinq secondes contre 2,31 $.
Sur une échelle unique de qualité publicitaire, le compromis saute aux yeux. Avec un juge à l'aveugle équitable envers les produits, sur 20 prompts publicitaires, Boreal est validé 70 % du temps pour cinq centimes le clip. Seedance 2.0 obtient un meilleur score, 80 %, mais à son prix catalogue actuel cette qualité coûte plus de 30 fois plus ; H3 Max atteint 65 % pour huit fois le prix ; et le modèle de base non modifié plafonne à 50 %. Boreal offre le meilleur rapport qualité-prix de l'ensemble, et en vitesse il surpasse tous les autres sauf H3 Max, dont le score est inférieur.
Concrètement : un storyboard de vingt plans de cinq secondes coûte environ 1 $ et se termine en moins de deux minutes sur Boreal, contre environ 12 $ et plus d'une heure de file d'attente chez le fournisseur sur Seedance 2.0. Toutes les comparaisons présentées ici proviennent de nos propres tests de ces modèles avec des entrées identiques. Vous pouvez consulter les caractéristiques de Boreal sur sa page modèle.
Prix et vitesse, pensés pour les utilisateurs de l'API
L'écart est le plus grand au niveau de l'API, là où les équipes génèrent en volume ; c'est donc là que Boreal est conçu pour l'emporter. Deux facteurs y contribuent.
Le premier, c'est notre mode de facturation. Boreal est facturé à la seconde de vidéo finalisée, pas au crédit ni au token : vous pouvez donc calculer le coût de génération vidéo par IA avant de lancer la tâche plutôt qu'après. Une seconde de vidéo coûte un centime. Un clip de cinq secondes, cinq centimes. Vingt clips, environ un dollar. Pour quiconque a déjà essayé de déduire le coût de génération vidéo à la seconde d'un système de crédits opaque, cette prévisibilité est tout l'intérêt.
Le second, c'est le débit. Fonctionnant sur notre propre infrastructure de service optimisée, Boreal génère une seconde de vidéo finalisée pour chaque seconde de temps GPU, soit un ratio de 1:1 avec le temps réel. Une génération bon marché qui prend encore des minutes ne change pas votre façon de travailler ; une génération bon marché qui répond en quelques secondes, si. Vous pouvez lancer plusieurs versions d'un plan en même temps, garder celle qui fonctionne, et payer quand même moins qu'une seule génération ailleurs.
Où en est Boreal aujourd'hui, en toute honnêteté
Boreal est un nouveau modèle, et nous préférons vous dire où il est le plus faible plutôt que de vous laisser le découvrir en pleine campagne. Il est le plus performant sur les clips courts et les scènes simples. Là où il progresse le moins par rapport à son modèle de base, c'est sur les clips d'une seule personne qui parle, où les deux sont le plus proches, à 60 %. En synchronisation labiale, il fait jeu égal avec son modèle de base, et une variante distincte de la même lignée, spécialisée dans l'audio, fait mieux, ce qui indique la direction de ces travaux. Et en résolution brute, un modèle phare en 1080p garde un avantage sur le type de plan où c'est précisément la résolution que vous achetez.
Ce dont nous sommes sûrs, c'est du compromis pour lequel Boreal a été conçu : la qualité qui fait une publicité, avec le produit et le créateur préservés, à un coût et une vitesse qu'aucun modèle de qualité comparable n'égale.
Et Maintenant ?
Nous entraînons un juge qui évalue des défauts explicites comme les objets superflus, les modifications d'étiquettes et la dérive d'identité, afin que le modèle puisse s'optimiser précisément contre les hallucinations qui nuisent à une publicité. Nous étendons aussi Boreal à la génération conditionnée par des références, pour des publicités multi-plans construites à partir de plusieurs vues d'un produit ou du visage d'un créateur. Les deux visent le même objectif : davantage de la cohérence dont les annonceurs ont besoin, sur des spots plus longs et plus complexes.
Essayer Boreal
Boreal est disponible dès maintenant, avec la génération de vidéo à partir de texte et d'image prise en charge dès le lancement. Vous pouvez y accéder via notre API, générer avec lui dans le Playground de Modèles de Creatify, le mettre à profit dans AdFlow ou l'exécuter sur fal.ai. Tous les détails sont sur la page du modèle Boreal. Nous pensons que c'est aujourd'hui l'option au meilleur rapport qualité-prix de la vidéo IA, et elle est là pour que vous la mettiez à l'épreuve.
