Qu'est-ce que Meta Muse Video ?

Meta Muse Video est la moitié vidéo d'un lancement à deux modèles que Meta Superintelligence Labs a présenté en avant-première le 7 juillet 2026, aux côtés de Muse Image. En bref : il lit un prompt écrit et renvoie un clip court et cohérent avec du son. Il est bâti sur la même base de pré-entraînement que le modèle d'image, ce qui explique pourquoi les deux portent le même nom Muse et la même philosophie de conception — un cœur image et un cœur vidéo qui partagent un seul moteur de raisonnement, plutôt que deux produits sans lien assemblés à la hâte.

Trois propriétés définissent Meta Muse Video. La première est l'audio natif : au lieu de coller un clip muet à une bande-son distincte, l'image et le son sont générés conjointement, de sorte que les pas, l'ambiance et les dialogues tombent sur les images qui les provoquent. La deuxième est la cohérence temporelle — un sujet conserve son identité, sa lumière et sa matière sur un plan au lieu de fondre entre les images, le défaut qui rendait les systèmes précédents instables. La troisième est le respect du prompt : la composition et l'action que vous décrivez survivent jusqu'au rendu, ce qui transforme un outil muse video en un véritable instrument de production plutôt qu'en gadget.

Où se classe Meta Muse Video

Sur le classement public Arena, le vote humain à l'aveugle place la famille tout en haut du terrain. Muse Image occupe la 2e place en texte vers image et Meta Muse Video se classe 3e en texte vers vidéo — en concurrence avec Veo de Google, Sora d'OpenAI et Kling de Kuaishou. Ce ne sont pas des chiffres marketing ; ils proviennent de préférences humaines en face-à-face sur l'Arena ouverte, ce qui se rapproche le plus d'un tableau de scores impartial dans le secteur.

Un test honnête de Meta Muse Video

Un test qui ne montre que la bobine des meilleurs moments ne vous apprend rien, alors voici les lacunes que Meta nomme lui-même. La première est la synchronisation audio-vidéo : sur les plans riches en dialogues, le mouvement des lèvres et le son peuvent se décaler. La seconde est le mouvement rapide physiquement crédible, où une action vive peut baver ou perdre le contact avec le sol. Les nommer est essentiel — cela vous dit quels prompts éviter et lesquels privilégier tant que le modèle est jeune.

Sous le capot, Meta Muse Video fonctionne comme un agent. Il planifie, appelle des outils, inspecte ses propres brouillons et s'auto-raffine avant de valider — il peut écrire et exécuter du code pour placer un QR code scannable dans une scène, ou chercher sur le web pour ancrer un prompt dans de vrais monuments, marques et faits. Pour garder des résultats vérifiables, chaque image porte Content Seal, un filigrane invisible qui résiste au recadrage, à la compression et aux captures d'écran. Cette ossature agentique et cette marque de provenance sont partagées dans toute la famille Muse, ce qui fait qu'une image fixe façonnée avec Muse Image devient une première image naturelle pour un clip muse video.

Le bilan de ce test : Meta Muse Video est une préversion précoce dotée d'un classement top 3 crédible, de deux faiblesses clairement énoncées et d'un pipeline agentique réellement inédit. Aujourd'hui, le modèle d'image est disponible dans l'application Meta AI et sur WhatsApp dans un nombre limité de pays, le modèle vidéo arrivant bientôt pour les créateurs — ce qui est précisément la raison pour laquelle cette page associe l'explication à un outil gratuit utilisable dès maintenant.