MiniMax a lancé le 20 août MiniMax Design, une plateforme de création multimodale construite autour de son propre modèle vidéo, H3. L'utilisateur décrit en langage naturel ce qu'il veut, et le système se charge de découper le scénario, d'organiser les plans, de générer les images clés, de produire la vidéo, de composer la musique, d'ajouter les sous-titres et de monter le tout, jusqu'au film fini.
Le produit se compose de plusieurs briques : un canevas de flux de travail, une table de réalisation 3D, un centre de ressources, une bibliothèque de Skills et un ensemble d'Agents aux rôles répartis. Le canevas garde visibles les relations entre le matériel et les plans ; modifier un point ne demande pas de tout recommencer, et il est aussi possible de créer une nouvelle version pour continuer. La table de réalisation 3D est plus directe : on y place les personnages, la position de caméra et la pose dans une scène en trois dimensions, ce qui construit une référence de storyboard ensuite transmise au modèle pour la génération. La bibliothèque de Skills propose des modèles de style prêts à l'emploi, comme le collage papier, l'encre de Chine ou le format vulgarisation scientifique façon anime, et permet aussi de composer son propre Skill par le dialogue. Le matériel est automatiquement enregistré en local, avec un clic pour le sauvegarder dans le centre de ressources. Les flux de travail ComfyUI peuvent être importés directement.
Ce qui sépare 15 secondes de 3 minutes
La limite de génération en une seule fois de H3 est de 15 secondes. Parmi les exemples publiés par MiniMax figurent une courte histoire de 42 secondes, un clip musical d'une minute et un documentaire de 3 minutes. En comptant grossièrement, trois minutes signifient au moins douze plans mis bout à bout, dont l'apparence des personnages, les costumes, la lumière et le langage cinématographique doivent chacun se correspondre, tout en étant classés dans l'ordre narratif au sein d'une timeline.
C'est exactement ce que Design cherche à résoudre. Au cours de l'année écoulée, les progrès de la vidéo par IA se sont concentrés sur la qualité de chaque plan pris isolément — résolution accrue, physique plus crédible, mains sans six doigts. Mais assembler une dizaine de plans isolés en un film regardable relève d'un tout autre savoir-faire : la cohérence des personnages, l'unité de style, l'organisation de la timeline, et la capacité à tenir jusqu'à une cinquième révision sans s'effondrer. La répartition des tâches chez MiniMax laisse H3 s'occuper uniquement de la génération des plans, un Agent se charge d'unifier le style et d'organiser la timeline, et un Harness revient aux points clés demander quelle est la direction centrale, en s'appuyant en coulisses sur une base de connaissances spécialisée pour des vérifications de qualité en plusieurs passes.
Cette structure suit presque le même moule que les outils de programmation par IA actuels : le modèle de base assure la production ponctuelle, et une couche d'orchestration par-dessus est capable de planifier, de s'autovérifier et de se laisser interrompre par un humain. Côté vidéo, il y a plus de variables — si un plan est raté, tout ce qui suit doit être repris, donc l'étape de vérification est poussée bien plus en amont.
À qui ça prend le gagne-pain
Les scénarios cibles avancés par MiniMax sont sans ambiguïté : production complète de courts-métrages/dramas, génération en masse d'images et de vidéos pour l'e-commerce, TVC de marque, matériel promotionnel, vidéos pédagogiques, PV/MV. Le point commun de ces catégories est un volume élevé, des délais serrés et un budget par pièce peu élevé — exactement le segment le plus exposé à se faire écraser par des chaînes d'outils plus efficaces.
Selon Ifanr, H3 associé à Design a déjà entamé le flux de création professionnel longtemps dominé par Adobe. L'affirmation est à moitié vraie. L'actif central d'un monteur professionnel n'a jamais été seulement les fonctionnalités du logiciel, mais aussi le jugement sur le matériel et la capacité à communiquer avec les clients — cette part-là, l'Agent ne peut pas encore la reprendre à court terme. Mais le travail répétitif à la base d'un projet — chercher des références, construire le storyboard, produire des images en masse, aligner les pistes, ajouter les sous-titres — une fois condensé en un flux déclenché par une seule phrase, change le nombre de projets qu'une personne peut mener de front. Ce que le secteur appelle « l'IA divise le coût du contenu par dix » concerne principalement cette partie-là.
La série de mouvements de MiniMax
En reprenant la chronologie, les choses s'éclaircissent. Le modèle vidéo H3 a d'abord été publié en open source, diffusant la capacité de génération ; Hailuo AI a déjà atteint un volume significatif de génération vidéo domestique côté grand public ; Design relie maintenant ces deux extrémités pour en faire un poste de travail organisé par projet. L'open source rapporte un écosystème, le grand public rapporte des données, le professionnel rapporte des revenus, et les trois lignes avancent de façon coordonnée.
Pour les équipes de contenu en Chine, le changement le plus concret à court terme sera sans doute le canal d'importation des flux ComfyUI. Ce groupe a depuis longtemps accumulé toute une pile de graphes de nœuds aux paramètres réglés, et pouvoir les transférer tels quels signifie ne pas avoir à tout réapprendre. La plus grande friction lors d'un changement d'outil vient rarement de l'incapacité à l'apprendre, mais bien plus souvent du refus d'abandonner ce qui fonctionne déjà.
Sources : contenu officiel publié par MiniMax, Ifanr, compilation éditoriale de CocoLoop ; la limite de durée de génération en une fois de H3 et la durée des films dans les exemples suivent les démonstrations publiques.