Faire de la vidéo IA gratuitement avec WAN : ce qui marche vraiment

Tu as vu la vidéo : générer une vidéo IA gratuitement avec WAN, le modèle d’Alibaba. C’est vrai. Mais avant de te lancer, il faut comprendre une chose que presque personne ne dit, et qui explique 90 % des déceptions.

Les versions, au 10 septembre 2026

• Wan 2.1 (février 2025) — poids ouverts, licence Apache 2.0. Texte→vidéo et image→vidéo, 480p et 720p, pas d’audio.
• Wan 2.2 (28 juillet 2025) — poids ouverts, Apache 2.0. 24 images/s, pas d’audio généré. C’est la dernière version librement téléchargeable.
• Wan 2.5 (24 septembre 2025) — fermée. Première avec audio synchronisé natif (voix, bruitages, musique), 5 ou 10 s, jusqu’à 1080p.
• Wan 2.6 (16 décembre 2025) — fermée. Jusqu’à 15 s, multi-plans.
• Wan 2.7 (7 avril 2026) — fermée. Quatre modes dont le clonage vocal et l’édition de vidéo, 2 à 15 s.
• Wan 3.0 (lancée le 24 août 2026) — fermée. 30 secondes d’un seul tenant, 30 images/s, jusqu’à 1080p, audio natif, et elle accepte même des documents en entrée (PDF, Word, pages web).

Les cinq voies gratuites, de la plus simple à la plus technique

1. Sans rien installer, sans compte — Hugging Face

Le plus rapide pour voir à quoi ça ressemble. Deux Spaces qui tournent :

• Image→vidéo : zerogpu-aoti/wan2-2-fp8da-aoti-faster
• Texte→vidéo : KingNish/wan2-2-fast — jusqu’à 8 s à 24 images/s en 1024×720.

Le quota GPU gratuit est de 2 minutes par jour sans compte, 5 minutes avec un compte gratuit. Une génération réserve environ 70 secondes : compte donc 4 vidéos par jour avec un compte, une seule sans.

2. Sans entamer ton quota Hugging Face — ModelScope

Deux studios se chargent sans aucune connexion : Wan2.2-Animate (une photo de personnage + une vidéo modèle, et ton personnage rejoue les mouvements) et Wan2.2-S2V (une image + un audio → une vidéo parlante en 480p).

Va bien sur modelscope.ai, pas sur modelscope.cn. Le site chinois demande un numéro de téléphone obligatoire pour s’inscrire, et la moitié de ses studios WAN sont expirés.

3. Le site officiel — create.wan.video

C’est là que tu touches à Wan 3.0, celle qui fait 30 secondes avec du son. Compte obligatoire, mais connexion par Google ou GitHub : pas de numéro chinois, pas de carte bancaire pour le palier gratuit.

Le plan gratuit donne : une vidéo à la fois, une image à la fois, 6 styles d’image, et des crédits offerts par une visite quotidienne. Ce qu’il n’a pas, ce sont exactement les lignes réservées aux plans payants : téléchargement sans filigrane, 1080p, et clips au-delà de 10 secondes. Autrement dit : en gratuit, attends-toi à un filigrane, du 720p et 5 secondes.

Si tu veux passer payant : Pro à 5 $/mois en annuel (300 crédits, jusqu’à 60 vidéos), Premium à 20 $/mois (1200 crédits). Ou des crédits à l’unité : 30 crédits pour 1,50 $, soit environ 25 centimes la vidéo.

4. Google Colab, sur le GPU gratuit

Les bons carnets sont ceux d’Isi-dev (mis à jour le 23 août 2026). Sur un T4 gratuit, temps annoncés par l’auteur dans ses propres carnets :

• Wan 2.2 image→vidéo avec le LoRA Lightx2v : 5 s en 480p ≈ 13 minutes ; 4,5 s en 720p ≈ 35 minutes.
• Première-dernière image : 5 s en 480p ≈ 10 minutes.
• Wan 2.1 sans ce LoRA : 512×512, 49 images ≈ 26 minutes. L’écart vient entièrement du LoRA d’accélération.

Plafond dur, dit par le mainteneur lui-même : 81 images en 480p, 65 images en 720p. Au-delà, la carte sature.

5. Chez toi, sur ta propre carte

C’est là qu’il y a le plus de désinformation. Le dépôt officiel exige 24 Go de VRAM pour le modèle 5B et 80 Go pour les 14B ; la documentation de ComfyUI, elle, dit que le 5B « tient bien sur 8 Go ». Les deux ont raison : Alibaba parle de son propre code d’inférence, ComfyUI de son déchargement mémoire dynamique.

Mesures réelles publiées par un utilisateur sur RTX 3070, 8 Go, avec Wan2.2 TI2V-5B en fp16 sous ComfyUI :

• 832×480, 33 images : 56 secondes — pic mémoire 7,6 Go
• 832×480, 81 images (5 s) : 2 min 22 — pic 7,8 Go
• 1280×704, 81 images : 17 minutes — « ça marche, mais ce n’est pas exploitable »

Au-dessus : 12 Go te limitent au 480p (le 720p sature même avec le déchargement) ; il faut 16 Go pour faire du 720p confortablement. Le vrai levier de vitesse est le LoRA Lightning : il annonce ×20, le terrain donne ×8 à ×12 — au prix d’un rendu plus plat et de moins de mouvement.

Et si tu préfères payer — les vrais prix

Le prix de référence du marché est de 0,10 $ la seconde en 720p, soit 0,50 $ le clip de 5 secondes. Il est identique chez Alibaba, Replicate, fal.ai et Runware.

• Kie.ai — le moins cher sur les versions fermées : 0,30 $ les 5 s en 720p sur Wan 2.5, 0,35 $ sur Wan 2.6, 0,40 $ sur Wan 2.7 et Wan 3.0. 80 crédits offerts à l’inscription — de quoi faire une vidéo, pas plus. C’est bien le « Kie wan » dont on parle : kie.ai/market/wan.
• WaveSpeed — le moins cher toutes plateformes confondues sur l’open source : Wan 2.2 Ultra Fast à 0,01 $ la seconde, soit 5 centimes le clip de 5 s. 1 $ offert, sans carte bancaire.
• Runware — 2 $ de crédits offerts, facturé uniquement sur les générations réussies, et un Wan 2.6 Flash à 0,05 $/s avec audio.
• L’API officielle d’Alibaba donne un quota gratuit à la première activation, région Singapour uniquement, valable 90 jours : 30 secondes de vidéo en Wan 3.0, 50 secondes sur les versions antérieures. Soit six clips de 5 s. Réel, mais vite épuisé.

Les cinq pièges qui gagnent le plus de temps

1. Écris ton prompt en anglais. La documentation officielle est explicite : le modèle comprend le chinois et l’anglais. Le français n’est pas dans la liste. C’est l’erreur numéro un : on écrit en français, on obtient n’importe quoi, et on conclut que le modèle est mauvais.
2. La limite de longueur change selon la porte d’entrée. 20 000 caractères par l’API officielle, mais 800 caractères dans l’interface Kie.ai pour Wan 2.5. Un prompt copié de l’un vers l’autre est coupé sans message d’erreur. En pratique, 80 à 120 mots suffisent.
3. Ne demande pas ce qu’il rate. Alibaba le dit lui-même dans son guide : pas de personne réelle nommée, pas de changement de plan à l’intérieur d’un clip, le texte à l’écran ne sort jamais exact, les actions longues échouent, et la synchronisation labiale sur des mots précis n’est pas fiable.
4. Ton image d’entrée a des règles muettes. Entre 240 et 8000 px de côté, ratio au maximum 8:1, 20 Mo maximum, et surtout : la transparence n’est pas supportée. Un PNG à fond transparent casse la génération. Et quand tu fournis une image, c’est elle qui impose le format de sortie, pas ton réglage.
5. Le temps d’attente n’a rien à voir selon la voie. Par API : 1 à 5 minutes, en asynchrone — il faut interroger le résultat, sinon on croit à un plantage. En local : le dépôt officiel annonce 5 s en 480p en 4 minutes sur une RTX 4090. Sur une carte plus modeste, c’est bien davantage.

Par où commencer, concrètement

1. Ce soir, pour voir : le Space Hugging Face texte→vidéo. Zéro installation, zéro compte, une vidéo tout de suite.
2. Si tu veux du son et 30 secondes : crée un compte sur create.wan.video avec Google. Tu auras du filigrane et du 720p, mais tu verras ce que vaut vraiment Wan 3.0.
3. Si tu veux en produire en série : ne bricole pas, prends Kie.ai à 0,30 $ la vidéo. Trente vidéos te coûtent 9 $ — moins cher que ton temps.
4. Si tu as une carte graphique de 8 Go ou plus : ComfyUI et le modèle 5B. 2 min 22 pour 5 secondes en 480p, et c’est gratuit à vie.