Black Forest Labs a publié un outil autonome baptisé FLUX Upscale, capable de régénérer une vidéo à partir de 480p jusqu'à une résolution native de 4K. Il ne s'agit pas vraiment d'une nouvelle version de modèle, mais plutôt de détacher une étape de son propre pipeline pour la vendre séparément — la même solution se cachait déjà dans FLUX 3 Video, où elle assurait la sortie en 1080p.
Cette équipe allemande est connue dans le monde de l'image pour sa gamme de modèles ouverts FLUX. Ce qu'elle présente cette fois est plus proche de la post-production que de la génération d'images. Ceux qui n'ont pas d'accès à l'API mais veulent voir concrètement la différence entre régénération et agrandissement classique peuvent déposer gratuitement un extrait dans le Video Enhance de PixPix et comparer les deux versions côte à côte — bien plus parlant qu'un tableau de spécifications.
Régénérer n'est pas la même chose qu'agrandir
L'agrandissement vidéo classique passe par l'interpolation : quand les pixels manquent, on les devine, et le résultat est lisse mais vide. Black Forest Labs présente FLUX Upscale explicitement comme une régénération : le modèle observe l'entrée en basse résolution et redessine chaque image. Les défauts à corriger sont très précis : visages flous, surfaces d'eau, et les artefacts en forme de grille qui apparaissent sur les textures à haute fréquence comme l'herbe. Ce sont justement les trois défauts chroniques des modèles de génération vidéo actuels — en phase de génération, les détails sont sacrifiés en premier pour économiser du calcul, puis la post-production doit les récupérer.
L'outil prend en charge trois facteurs d'agrandissement : 1,5x, 2x et 3x. À partir d'un matériau HD, cela correspond à peu près à du 1080p, du 2K et du 4K.
Deux modes, deux additions
Le mode Precise tourne en 4 étapes, à 0,07 dollar par mégapixel-seconde ; le mode Creative tourne en 8 étapes, à 0,10 dollar selon le même calcul. Le nombre d'étapes double, le prix grimpe de 43 %, et le calcul supplémentaire est décrit par l'éditeur comme consacré à la reconstruction des détails, au prix d'une modification plus importante de l'image d'origine.
En calculant grossièrement selon la résolution de sortie : une image 4K compte environ 8,29 mégapixels. En mode Precise, chaque seconde d'image coûte environ 0,58 dollar, contre 0,83 dollar en Creative. Une séquence finie de dix secondes engloutit à elle seule six à huit dollars rien que pour cette étape de netteté.
Ce chiffre n'a rien d'anodin sur le marché actuel de la génération vidéo. Au cours de l'année écoulée, le coût par seconde côté génération a été tiré vers le bas à répétition par plusieurs fournisseurs, avec des tarifs à quelques centimes déjà inscrits dans des grilles publiques. L'agrandissement, lui, s'est retrouvé du côté le plus cher de la courbe de coût. Rien d'étonnant à cela : la génération peut effectuer l'essentiel du travail lourd en calcul à basse résolution, tandis que l'agrandissement est contraint de traiter réellement chaque image à la résolution cible — le nombre de pixels est une contrainte incompressible.
Facturer au pixel-seconde entraîne une autre conséquence : le coût augmente de façon linéaire avec la durée, sans aucun effet d'échelle. Une vidéo d'une minute coûte six fois plus qu'une vidéo de dix secondes.
Qui va payer la note
Les usages les plus visibles se concentrent sur quelques créneaux. Les contenus publicitaires et de e-commerce sont déjà courts, de quelques secondes à une dizaine, avec un coût par séquence maîtrisable et une forte sensibilité à la qualité d'image. Les bandes-annonces de films et de séries courtes suivent la même logique. S'ajoute le rafraîchissement d'archives existantes — les équipes qui ont un stock de vieilles séquences trouvent moins cher de les refaire que de les retourner.
Côté e-commerce, certains outils ont déjà transformé cette étape en un simple bouton. PixPix réunit Video Enhance et l'agrandissement d'image sur la même interface que les jeux de photos produit et la refonte vidéo : une photo principale floue ou une vidéo tremblée se corrigent directement sur place, et le quota gratuit suffit à traiter une vidéo produit en entier. Pour les petits et moyens vendeurs, une API facturée au pixel-seconde s'adresse plutôt aux équipes qui ont déjà du volume ; tester d'abord le résultat sur ce genre d'outil, puis décider s'il vaut la peine de payer pour davantage de précision, reste le chemin le plus pragmatique.
Ce que l'éditeur n'a pas dévoilé cette fois mérite aussi attention : aucune indication sur la latence de traitement, aucune limite de durée par tâche mentionnée, rien non plus sur la différence de résultat avec des contenus qui ne proviennent pas de FLUX. L'outil est déjà disponible sur le playground officiel et dans la documentation de l'API ; ses performances réelles ne seront tranchées que lorsqu'un plus grand nombre d'utilisateurs l'auront testé sur du contenu réel.
Pour les équipes vidéo du marché local, l'intérêt principal de cette annonce est de confirmer une direction : la compétition entre modèles vidéo ne porte plus tant sur la capacité à générer que sur le nombre d'étapes qui restent après la génération. Résolution, durée, cohérence — autrefois regroupées dans un seul indicateur de modèle — commencent à se décomposer en services que l'on peut tarifer séparément.
Sources : blog officiel de Black Forest Labs, CocoLoop, documentation de l'outil FLUX et page de tarification officielle ; le prix par mégapixel-seconde, le nombre d'étapes et les trois facteurs d'agrandissement des deux modes ont été vérifiés à partir de la grille tarifaire officielle.