FLUX 3 : l'IA allemande qui bouscule Sora et Runway en vidéo

FLUX 3, le nouveau venu qui affole les tests à l'aveugle

Le 23 juillet 2026, la startup allemande Black Forest Labs a mis en ligne FLUX 3, un modèle d'intelligence artificielle capable de générer jusqu'à 20 secondes de vidéo avec un son synchronisé, à partir d'un simple texte, d'une image ou d'une vidéo de référence. En quelques jours, FLUX 3 est devenu le sujet dont toute la communauté IA parle : dans des comparaisons à l'aveugle menées sur des clips text-to-video de 10 secondes en 720p, les évaluateurs humains ont préféré ses vidéos à celles de Runway Gen-4.5 dans 77 % des cas, et à celles de Luma Ray 3.2 dans 93 % des cas. Face à Grok Imagine Video, FLUX 3 l'emporte dans 69 % des comparaisons, et reste compétitif face à Kling v3 Pro (60 %) tout en étant quasiment à égalité avec Seedance 2.0 et Gemini Omni Flash (52 %). De quoi rebattre les cartes dans un secteur où Google (Veo), OpenAI (Sora) et Runway se disputaient jusqu'ici la vedette.

Basée à Fribourg-en-Brisgau, Black Forest Labs a été fondée par d'anciens chercheurs de Stability AI, à l'origine de Stable Diffusion. Leur premier modèle FLUX, lancé en 2024 pour la génération d'images, s'était déjà imposé comme une alternative sérieuse à Midjourney et DALL-E. FLUX 3 change de dimension : il ne produit plus seulement des images fixes, mais des scènes animées, sonorisées, et bientôt des gestes robotiques.

Ce que FLUX 3 sait faire concrètement

Le modèle couvre un éventail large d'usages :

• Texte vers vidéo : à partir d'une simple description, génération d'un clip de 20 secondes avec dialogue multilingue synchronisé.
• Image vers vidéo : animation d'une photo ou d'une illustration existante.
• Édition vidéo par référence : modification d'un plan à partir d'une vidéo source ou de transitions calées sur des images-clés (keyframes).
• Formats multiples : du 9:16 vertical, pensé pour les réseaux sociaux, au 21:9 cinémascope.
• Audio natif : voix, bruitages et musique générés dans la même passe que l'image, sans doublage séparé.

Techniquement, FLUX 3 repose sur une méthode maison baptisée « Self-Flow », qui combine le flow matching (la technique qui avait fait le succès de FLUX 1) avec une reconstruction de caractéristiques auto-supervisée. Résultat : un seul réseau apprend conjointement à représenter l'image, le mouvement et le son, plutôt que d'empiler des modules spécialisés comme le font beaucoup de concurrents.

Les chiffres qui montrent où va l'argent

Un détail technique éclaire les priorités de Black Forest Labs : plus de 95 % du budget de calcul consacré à l'entraînement est allé à la prédiction vidéo, contre moins de 0,5 % pour l'audio. Le son est donc presque un sous-produit de la modélisation du mouvement — mais un sous-produit convaincant selon les premiers retours des testeurs en accès anticipé.

Côté disponibilité, le déploiement se fait par étages :

• FLUX 3 Video : accès anticipé actif depuis le 23 juillet 2026, réservé à un cercle restreint via Discord, résolution plafonnée à 720p (le 1080p est annoncé « dans les semaines suivantes »).
• FLUX 3 Image : accès anticipé à venir.
• FLUX-mimic, la déclinaison robotique : accès limité à des partenaires sélectionnés.
• Version en poids ouverts (open weights) : promise, mais seulement « plus tard en 2026 », ce qui tranche avec la philosophie très ouverte du FLUX original.

Vers la robotique : quand une IA vidéo apprend à un bras à visser une pièce

L'annonce la plus inattendue concerne Flux-mimic, développé avec l'entreprise zurichoise de robotique Mimic Robotics AG. L'idée : réutiliser l'architecture qui prédit le mouvement dans une vidéo pour prédire, cette fois, la trajectoire d'un bras robotique. Des tests seraient en cours chez Audi pour des tâches d'assemblage délicates. Cette passerelle entre génération vidéo et « IA physique » illustre une tendance de fond : les modèles entraînés à comprendre le mouvement dans des vidéos deviennent, presque par ricochet, capables de raisonner sur le mouvement dans le monde réel — un axe de recherche que partagent aussi plusieurs laboratoires spécialisés en robotique.

Les zones d'ombre : accès verrouillé, deepfakes, droit d'auteur

FLUX 3 pose aussi les questions classiques des modèles génératifs vidéo, avec une acuité particulière puisqu'il ajoute l'audio synchronisé — donc la voix — à l'équation :

• Deepfakes et voix clonées : un modèle capable de générer des dialogues multilingues synchronisés à l'image ouvre la porte à des usages malveillants (fausses déclarations, usurpation d'identité). Black Forest Labs n'a pas détaillé publiquement ses garde-fous à ce stade, et l'historique de la maison incite à la prudence : la précédente version image de FLUX, une fois intégrée par xAI dans Grok avec peu de restrictions, avait entraîné une vague d'images truquées sur X.
• Droit d'auteur des données d'entraînement : comme tous les grands modèles génératifs, FLUX 3 a été entraîné sur des volumes massifs de contenus dont l'origine et les droits ne sont pas toujours documentés publiquement — un contentieux qui agite déjà l'ensemble du secteur, des maisons de disques aux studios de cinéma.
• Accès encore fermé : pour l'instant, impossible de vérifier ces garanties de façon indépendante puisque le grand public n'a pas accès au modèle en dehors d'un cercle restreint sur Discord.

Et maintenant ? Ce qui va changer pour les créateurs

Pour les monteurs vidéo, community managers et studios de production, l'arrivée de FLUX 3 confirme une bascule déjà entamée avec Sora et Veo : produire un clip de 20 secondes avec voix off, sans tournage ni doublage, devient une opération de quelques minutes. Les usages les plus probables à court terme : prototypage de publicités, previz pour le cinéma, contenus courts pour les réseaux sociaux, doublage automatique multilingue.

Reste que la maîtrise de ces outils — cadrage du prompt, retouche d'image, préparation des visuels sources — restera un savoir-faire à part entière. Pour qui veut déjà s'exercer à la manipulation d'images par IA sans attendre l'ouverture large de FLUX 3, des outils accessibles existent dès aujourd'hui dans le navigateur, comme GolemImgConverter, qui permet de convertir des images et de supprimer un arrière-plan par IA — une porte d'entrée simple avant de s'attaquer un jour à la vidéo générative.

La bataille de l'IA vidéo ne fait que commencer : entre Sora, Veo, Runway, Luma et désormais FLUX 3, chaque mois apporte son lot de records battus dans les tests à l'aveugle. La vraie question, en 2026, n'est plus de savoir si l'IA peut générer une vidéo crédible, mais qui saura le mieux encadrer ce qu'elle en fait.