Avis Grok Imagine : vidéo IA ultra-rapide avec son

Avis pratique de Grok Imagine : des clips avec du son en quelques secondes, le 1080p natif en Video 1.5, des images de référence et les prix API de xAI.

Le temps qu'un modèle plus lourd termine son premier essai, Grok Imagine a généralement déjà enchaîné trois ou quatre passages sur le même prompt, assez vite pour que je perde le compte des essais avant même que mon café refroidisse. Cet écart de vitesse explique à lui seul cet avis de Grok Imagine. Sans que je m'en rende vraiment compte, il est devenu le modèle que je garde ouvert dans un onglet à part. Surtout parce qu'une bonne partie de ma journée se passe à ne pas encore savoir quelle offre va fonctionner.

Si vous voulez les caractéristiques officielles de xAI, je les ai rassemblées dans un dossier à part. Ici, il s'agit plutôt de la façon dont le modèle se comporte sur du travail réel.

Assez rapide pour changer votre façon de travailler

Sur Flami, un clip standard arrive généralement en 5 à 20 secondes, et les scènes plus lourdes montent jusqu'à environ 30. Les modèles premium de ma file d'attente tournent, eux, entre deux et six minutes. Sur le papier, cet écart ressemble à un simple confort. Dans les faits, il change toute la façon de travailler.

Cinq minutes à fixer une barre de progression à chaque raté, c'est ce qui me poussait avant à peaufiner chaque prompt avant de l'envoyer. Sur Grok Imagine, j'ai arrêté ça et j'essaie, tout simplement. Idée brute, coup d'œil, ajustement du prompt, nouvel essai. Je peux boucler ça vingt fois dans le temps qu'un modèle lourd met pour un seul clip.

Où est-ce que ça paie le plus ? Sur les tests A/B, surtout, quand j'ai besoin de voir dix versions d'une même offre plutôt que de deviner laquelle va marcher. Le contenu pour les réseaux sociaux en profite aussi, parce que publier au rythme du feed n'attend pas un rendu de quatre minutes.

La qualité à cette vitesse

Je m'attendais à un rendu bas de gamme. Ce n'est pas vraiment le cas.

Le 16 juin 2026, xAI a sorti Grok Imagine Video 1.5 et l'a présenté comme son meilleur modèle image-vers-vidéo à ce jour. Les effets sonores sortent de la même passe que l'image, avec l'ambiance et la voix. Le 31 juillet, une mise à jour a ajouté le 1080p natif et le texte-vers-vidéo, donc plus besoin d'image de départ. Sur Flami, les clips tournent à 24 images par seconde en 16:9 ou 9:16, ou en carré pour un feed Instagram. Je n'ai presque jamais besoin de construire une piste audio à part pour un brouillon.

Cette même mise à jour de juillet a apporté les images de référence, jusqu'à sept par génération. Selon xAI, chaque référence « verrouille un élément », et les exemples donnés parlent d'un visage ou d'un produit. Pour des clips produit, c'est pratique. On envoie la photo d'une mascotte ou d'un mannequin et elle reste cohérente tout au long du plan, sans avoir à décrire son visage en un paragraphe. Il y a quand même un piège dans la documentation sur la génération vidéo : le mode référence-vers-vidéo est plafonné à 720p, seuls le texte-vers-vidéo et l'image-vers-vidéo classiques montent au 1080p complet.

Les mouvements de caméra se décrivent en langage courant. Un dolly zoom, un travelling avant lent devant le produit, un point de mise au point qui change. Pas besoin de balisage particulier, et le modèle obéit la plupart du temps. La documentation évoque aussi la possibilité de figer une dernière image, ou jusqu'à quatre images clés à des instants précis, ce que je n'ai testé que très peu.

Les votants à l'aveugle semblent d'accord : ce n'est plus le choix du pauvre. Dans mes notes sur la mise à jour de septembre du classement image-vers-vidéo d'arena.ai, la Video 1.5 en 720p arrive huitième avec 1456.

Là où ça cède

Forcément, quelque chose cède quand un modèle va aussi vite.

La durée, déjà. L'API de xAI accepte des clips de 1 à 15 secondes, et sur Flami on choisit entre 6 et 15. Pour une histoire plus longue, il faudrait assembler plusieurs clips, et c'est là que la vitesse cesse d'aider.

Pour un plan premium avec une lumière parfaite et une scène chargée, je préfère construire ça sur Veo 3.1. Ses images ont simplement l'air plus chères, et l'avis sur Veo 3.1 explique pourquoi. La physique compliquée est un autre point faible, reflets, liquides, tout ce qui éclabousse. Pour ça, j'essaierais d'abord HappyHorse 1.0. Et pour un gros plan qui parle, où chaque syllabe doit coller aux lèvres, honnêtement Grok Imagine n'est pas non plus mon premier choix. J'ai l'impression que l'articulation part en vrille sur les répliques longues. Je n'ai pas testé la 1.5 sur assez de plans parlants pour dire que c'est réglé, donc prenez cette remarque avec des pincettes.

Le prix à la seconde n'est pas le problème. Les tarifs API de xAI pour Video 1.5 sont de 0,08 $ par seconde en 480p, 0,14 $ en 720p et 0,25 $ en 1080p, donc un clip de 10 secondes en 1080p coûte 2,50 $ au tarif public. Sur Flami, c'est facturé en crédits, comme tout le reste.

Grok d'abord, modèle lourd ensuite

Pour moi, Grok Imagine appartient à la phase « je réfléchis encore ». Quand je ne sais pas encore quelle offre va fonctionner, je ne peaufine pas un seul clip. J'en bâcle dix et je regarde la réaction.

La routine habituelle ressemble à ça. Au début d'une campagne, je fais passer un lot de créas dans Grok et je regarde pour quelle offre et quel cadrage les gens s'arrêtent. Seul le gagnant est reconstruit proprement sur un modèle plus lourd, et seulement s'il le mérite. Personne ne perd une demi-journée sur un clip qui capte deux secondes d'attention dans le feed, et les crédits restent globalement intacts. J'ai détaillé d'autres façons d'économiser sur la vidéo dans l'article sur les modèles vidéo rapides et pas chers.

L'utiliser sans compte xAI

Sur Flami, Grok Imagine est inclus dans l'abonnement classique, donc pas besoin de créer un compte xAI à part ni de gérer un forfait en plus. On peut partir d'un prompt texte ou d'une image source. Si taper au clavier vous semble lent, vous pouvez dicter le prompt à la voix, ce qui sert plus souvent que je ne l'aurais cru.

Je ressens encore une petite satisfaction à bâcler quinze versions d'une même offre dans le temps qu'un modèle lourd met sur un seul clip. Ce n'est pas le plus joli modèle de la gamme, et pourtant c'est celui que j'ouvre le plus souvent, probablement parce que je passe le plus clair de mes journées à ne pas encore savoir.

Questions sur Grok Imagine

Qu'est-ce que Grok Imagine ?

Un modèle de génération vidéo signé xAI. La version actuelle, Grok Imagine Video 1.5, est devenue disponible pour tous le 16 juin 2026. Elle produit des clips avec un son synchronisé, et depuis le 31 juillet elle gère le 1080p natif pour le texte-vers-vidéo et l'image-vers-vidéo.

Quelle est la durée maximale d'un clip Grok Imagine ?

L'API de xAI accepte de 1 à 15 secondes par clip. Sur Flami, vous choisissez entre 6 et 15 secondes.

Combien coûte Grok Imagine via l'API ?

Selon la grille tarifaire de xAI, Video 1.5 coûte 0,08 $ par seconde en 480p, 0,14 $ en 720p et 0,25 $ en 1080p. Utiliser une image ou une vidéo en entrée est facturé à part.

Peut-il garder le même personnage d'un clip à l'autre ?

Oui. Depuis la mise à jour du 31 juillet, vous pouvez ajouter jusqu'à sept images de référence, par exemple un visage ou un produit. La sortie en mode référence-vers-vidéo est plafonnée à 720p.

Faut-il un abonnement xAI pour l'utiliser ?

Pas sur Flami. C'est inclus dans l'abonnement classique, avec les autres modèles vidéo.

Dernière vérification le 30 septembre 2026. Les caractéristiques et les prix viennent des annonces de xAI et de sa documentation API.

Avis Grok Imagine : le modèle vidéo que j'utilise quand je n'ai pas encore tranché