MiniMax H3, LTX-2.5, Wan 2.2 : ce que la vidéo IA ouverte permet vraiment

Trois modèles, trois idées très différentes de l'ouverture

MiniMax H3, LTX-2.5, Wan 2.2 : les trois noms sont bien réels. Tous permettent de construire des workflows de création vidéo au-delà d'un simple formulaire en ligne. Mais les ranger sous une même étiquette « open source et local » masque ce qui compte le plus : quels composants peut-on télécharger, sur quel matériel, avec quels droits ?

Pour un lecteur français, la différence n'est pas théorique. La licence communautaire de MiniMax H3 exclut l'Union européenne sans autorisation distincte. LTX-2.5 autorise des usages commerciaux sans redevance sous un seuil de revenu, avec des conditions. Wan 2.2 est publié sous Apache 2.0. Le premier choix à faire n'est donc pas toujours esthétique : il peut être juridique.

Cette analyse s'appuie sur les dépôts, les fiches de modèles, les licences et des retours de créateurs consultés le 8 novembre 2026. Ce n'est pas un test pratique Neon. Nous n'avons pas exécuté les trois modèles sur une même machine.

Ce que le bruit sur X raconte vraiment

L'intérêt est documenté, mais « les trois outils que X pousse le plus actuellement » n'est pas un classement que les sources disponibles permettent d'établir. Il faudrait un corpus de publications récent, une méthode de comptage, un traitement des comptes promotionnels et une période comparable. Nous ne disposons pas de cette mesure.

Un message de MiniMax daté du 10 août, consultable via le miroir Twiscan, revient sur une discussion ThursdAI avec Alex Volkov et des créateurs. Il met en avant les références multimodales, la cohérence des personnages et les adaptations communautaires. C'est un signal d'activité, mais aussi une communication de l'éditeur : pas une validation indépendante de son leadership.

Les retours de terrain sont plus instructifs que les superlatifs. Dans un comparatif publié le 16 août sur une RTX 5090, AIVY préfère LTX-2.5 pour l'itération rapide et H3 pour la stabilité du cadrage. L'auteur reconnaît que résolutions, durées, nombres d'étapes et accélérations diffèrent. Son impression d'usage est utile ; son ratio de vitesse ne peut pas devenir un benchmark universel.

À l'automne, le créateur Antonio Neto décrit sur ArtStation une préférence pour LTX-2.5, notamment pour ses contrôles et ses workflows LoRA. Là encore, un retour de créateur renseigne sur un usage et une configuration, pas sur « le meilleur modèle » dans l'absolu. Ces sources rendent crédible l'intérêt pour ces familles, sans prouver un podium de popularité en novembre.

MiniMax H3 : le contrôle par les références, avec deux réserves majeures

MiniMax présente H3 comme un système audiovisuel multimodal. Il accepte du texte, des images, des vidéos et de l'audio selon le mode choisi, puis génère vidéo et son stéréo synchronisés. Le système complet annonce des séquences de 4 à 15 secondes, à 24 images par seconde, avec une sortie pouvant atteindre la 2K.

La publication locale est plus précise. Deux familles de checkpoints H3-Base sont proposées : FL2VA pour le texte et les premières ou dernières images, Ref2VA pour les références multimodales. H3-Base produit du 768p. Les deux autres modules du système, H3-Context-IR et H3-Regenerate-2K, ne sont pas inclus dans les poids publiés.

Conséquence : télécharger H3 ne reproduit pas à lui seul le pipeline 2K complet montré par MiniMax. Le workflow officiel combine le modèle local avec des API pour l'analyse du contexte et la régénération haute résolution. Cette dernière réutilise le contexte original ; ce n'est pas simplement un agrandissement classique.

ComfyUI propose des workflows natifs et des fichiers convertis ou quantifiés. Leur consommation mémoire et leurs résultats ne doivent pas être confondus avec la recette serveur officielle SGLang, documentée sur huit B200. Cette configuration de référence n'est pas le minimum de tous les usages ComfyUI. Le guide consulté ne publie pas de seuil VRAM universel pour ces workflows.

La deuxième réserve est la licence. Le texte exclut l'UE, le Royaume-Uni, les États-Unis et la Corée du Sud du territoire autorisé par défaut. Une licence distincte est nécessaire pour les déploiements dans ces zones. Il prévoit aussi une autorisation au-delà de 20 millions de dollars de revenus annuels des produits et services commerciaux, ainsi qu'un affichage « MiniMax H3 » pour les produits commerciaux concernés. En France, ne pas transformer un bouton de téléchargement accessible en permission d'usage.

LTX-2.5 : une base de production locale, pas une licence sans conditions

Lightricks publie LTX-2.5 comme modèle à poids ouverts pour la génération audiovisuelle et la personnalisation. La fiche officielle décrit des séquences multi-plans natives : plusieurs plans connectés dans une même génération, avec une continuité recherchée du personnage, du décor, de l'éclairage et de la voix. Ce sont des capacités annoncées et documentées, pas une garantie que chaque sortie les réussira.

Le modèle ajoute un nouveau décodeur vidéo, un prédicteur optionnel de durée et un encodeur texte Gemma 4 de 12 milliards de paramètres. Les checkpoints de génération de 22 milliards de paramètres existent en version complète et distillée. Cette dernière utilise un calendrier de huit étapes. ComfyUI et le chemin Python ltx-pipelines permettent l'exécution locale.

Le détail pratique compte : les poids sont répartis par composants. Un fichier de génération ne remplace pas l'encodeur texte, les composants audio et vidéo ou les autres éléments du workflow. Les fichiers INT8 prévus pour ComfyUI ne se chargent pas indifféremment dans le chemin Python BF16. « Disponible en local » ne veut donc pas dire « une installation universelle en un clic ».

La licence LTX-2.x, amendée le 29 octobre 2026, distingue le code Apache identifié comme tel et les poids du modèle. Sous 10 millions de dollars de revenus annuels, des usages commerciaux sont possibles sans redevance, sous les conditions de l'accord. À partir de ce seuil, une licence payante est requise hors exceptions non commerciales. Le calcul inclut les sociétés liées sous contrôle commun. Des règles s'appliquent aussi à la distribution et au transfert de modèles dérivés.

LTX-2.5 est ainsi une piste intéressante pour une équipe qui veut contrôler son infrastructure et personnaliser sa chaîne de création. Cela ne transforme pas ses poids en ressources Apache 2.0. Et « sans facturation par génération » en local n'efface ni le coût du GPU, ni l'électricité, ni le temps d'intégration.

Wan 2.2 : une famille plus ancienne, une licence plus permissive

Wan 2.2 n'est pas une nouveauté de cette semaine. Les premiers poids et le code ont été publiés le 28 juillet 2025. Son intérêt actuel tient aussi à la diversité de ses variantes et aux workflows qui les entourent.

La famille comporte notamment T2V-A14B pour le texte vers vidéo et I2V-A14B pour l'image vers vidéo. Leur architecture mélange des experts spécialisés dans différents moments du débruitage. TI2V-5B est un modèle dense plus léger qui réunit texte et image vers vidéo, avec une sortie annoncée en 720p à 24 images par seconde.

Le dépôt donne une recette TI2V-5B à partir de 24 Go de VRAM, par exemple sur RTX 4090, avec déchargement mémoire et calcul de l'encodeur texte sur CPU. Ce chiffre ne doit pas être étendu aux recettes A14B : les exemples officiels consultés demandent davantage de mémoire. Les conversions et optimisations communautaires sont d'autres configurations, à évaluer séparément.

Les modèles vidéo de base ne sont pas à confondre avec une génération native conjointe du son comme chez H3 ou LTX. Wan propose aussi des variantes spécialisées, dont S2V pour une vidéo pilotée par l'audio et Animate pour l'animation ou le remplacement de personnages. Une capacité d'une variante ne devient pas automatiquement celle de toute la famille.

Le point distinctif reste Apache 2.0. Le dépôt indique que les modèles sont publiés sous cette licence. Parmi les trois familles étudiées, c'est le cadre le plus permissif pour modifier, intégrer et redistribuer sans seuil de revenu comparable à LTX ni exclusion territoriale comparable à H3. Mais il faut conserver les notices et respecter les conditions applicables. Les droits à l'image, le droit d'auteur et la loi ne disparaissent pas avec la licence du modèle.

Lequel choisir selon son besoin ?

Pour une création audiovisuelle locale avec personnalisation et séquences multi-plans, LTX-2.5 mérite d'être évalué en premier, après vérification de la licence et du matériel. C'est notre lecture éditoriale, pas le résultat d'un concours Neon.

Pour un contrôle par références multimodales, H3 est techniquement intéressant. En France, la première étape est toutefois l'autorisation de licence, puis la séparation entre H3-Base local et services complémentaires. Ne pas construire son plan de production sur une permission supposée.

Pour un socle vidéo à modifier ou intégrer avec moins de contraintes contractuelles propres au fournisseur, Wan 2.2 a un argument net : Apache 2.0. Le choix du checkpoint et la vitesse réelle peuvent cependant peser davantage que ce seul avantage sur un projet donné.

Avant de choisir, tester le même brief sur plusieurs sorties, conserver les échecs et noter le workflow complet : version, modèle, quantification, résolution, durée, étapes et matériel. Mesurer le temps jusqu'à une séquence exploitable, pas seulement le temps d'un calcul réussi. Vérifier aussi l'audio, les visages, les mains, les textes et la continuité entre plans.

Notre lecture : la vidéo ouverte devient une affaire de pipeline

Le changement intéressant est la possibilité d'assembler, adapter et garder une partie de la chaîne sous son contrôle. Les modèles comptent, mais les workflows, les références, la quantification et les licences décident si cette promesse devient un outil de travail.

LTX-2.5, H3 et Wan 2.2 ne répondent pas au même problème et n'offrent pas la même liberté. Les mettre côte à côte est utile précisément pour cette raison. Le bon choix n'est pas celui qui produit le clip le plus spectaculaire dans un fil social : c'est celui qui produit assez régulièrement les images voulues, dans un cadre technique et juridique que l'on maîtrise.