Grok AI génère-t-il des vidéos ? Ce qu'il peut et ne peut pas faire en 2026

Ce que Grok Imagine fait réellement

Grok Imagine fonctionne avec le moteur Aurora de xAI et, selon la propre documentation de xAI, couvre bien plus qu'une seule fonctionnalité. Vous bénéficiez de la génération texte-vidéo (décrire une scène pour obtenir un clip), image-vidéo (animer une image fixe), du montage vidéo (modifier des objets, la météo ou le style avec un prompt), de la génération à partir de références (orienter une génération avec des images de référence) et de l'extension vidéo (poursuivre un clip à partir de sa dernière image). L'audio est généré lors de la même passe — sons ambiants, musique, effets sonores et brèves répliques synchronisées avec les lèvres — plutôt qu'ajouté après coup.

Un détail pose souvent problème, alors je vais être direct : les capacités sont réparties entre plusieurs ID de modèles. Le modèle complet grok-imagine-video prend en charge la génération texte-vidéo et la génération à partir de références. La nouvelle version preview grok-imagine-video-1.5 est axée sur la génération image-vidéo et, d'après la documentation de xAI, ne prend pas en charge la génération texte-vidéo ni la génération à partir de références. Si vous lisez un guide qui indique que « Grok fait du texte-vidéo », puis que vous pointez votre code vers la preview 1.5 en vous attendant à ce qu'elle accepte un simple prompt textuel, vous obtiendrez une erreur et perdrez une après-midi. Vérifiez l'ID du modèle par rapport au mode dont vous avez réellement besoin.

Quelle peut être la durée d'une vidéo Grok ?

Courte. L'API accepte une duration allant jusqu'à 15 secondes, mais le meilleur compromis pratique se situe entre 6 et 10 secondes — suffisamment long pour une accroche, un teaser produit ou un test de mouvement, mais pas pour une scène avec un véritable arc narratif. La résolution maximale est actuellement de 720p ; le niveau « Pro » en 1080p qu'Elon Musk avait annoncé pour avril 2026 a dépassé sa fenêtre de lancement et, à l'heure où nous écrivons ces lignes, aucune nouvelle date publique n'a été communiquée. La sortie est générée à 24 images par seconde.

Cette limite est le compromis qu'il faut reconnaître. Grok est rapide et peu coûteux par clip, mais le prix à payer réside dans la durée et la résolution. Si votre projet consiste en du contenu court pour les réseaux sociaux, les limites de Grok ne vous gêneront pas. Si vous avez besoin d'un plan principal en 4K ou d'une prise cohérente de 15 secondes, vous vous tournez déjà vers un autre modèle — c'est là qu'interviennent les deux sections suivantes.

Les développeurs peuvent-ils accéder à la vidéo Grok via une API ?

Oui, directement depuis xAI. Le point de terminaison est POST https://api.x.ai/v1/videos/generations avec Authorization: Bearer $XAI_API_KEY ; vous envoyez un prompt, recevez un ID de requête, puis interrogez l'API jusqu'à ce que le clip soit terminé. La facturation s'effectue à la seconde de vidéo générée, et la durée comme la résolution influencent le coût — le tarif de xAI à la seconde pour le 720p se situe aux alentours de 0,08 $/seconde, et les images ou vidéos fournies en entrée vous sont également facturées. Il existe aussi un accès compatible avec OpenAI (base_url="https://api.x.ai/v1") si vous préférez ne pas apprendre à utiliser un nouveau SDK.

Voici le point qu'il vaut la peine d'énoncer clairement, car c'est la raison d'être de cet article : la vidéo Grok est une offre directe de xAI (ou proposée par certains partenaires) et n'est pas disponible sur GPT Proto. Ce que GPT Proto héberge de la famille Grok est le modèle image — grok-imagine-image — à 0,012 $ par image, contre une référence de marché de 0,02 $. Si la génération d'images de Grok est ce que vous recherchez, il s'agit d'une intégration en un seul appel avec une clé que vous possédez peut-être déjà :

import requests
 
resp = requests.post(
    "https://gptproto.com/v1/images/generations",
    headers={
        "Authorization": "GPTPROTO_API_KEY",   # your key, format sk-xxxxx
        "Content-Type": "application/json",
    },
    json={
        "model": "grok-imagine-image",
        "prompt": "A neon-lit Tokyo alley at night, rain reflections on the pavement, cyberpunk mood",
        "n": 1,
        "aspect_ratio": "16:9",
    },
)
 
print(resp.json()["data"][0]["url"])

Cet appel est synchrone : l'URL de l'image est renvoyée dans la réponse, sans interrogation répétée. Pour la vidéo, vous devrez utiliser un modèle effectivement proposé par GPT Proto, ce qui nous amène à la section suivante.

Quelle est vraiment la qualité des vidéos Grok ?

Bonne, mais plus la meilleure — et l'écart entre ces deux affirmations constitue toute l'histoire.

Le fait est que, lorsque xAI a lancé l'API Grok Imagine fin janvier 2026, elle a pris la première place à la fois en texte-vidéo et en image-vidéo sur le Video Arena d'Artificial Analysis, un classement établi à partir de votes humains à l'aveugle. C'était bien réel.

Autre fait : ce classement a depuis été dépassé. Sur le classement actuel du Video Arena, le modèle Dreamina Seedance 2.0 de ByteDance domine la catégorie image-vidéo avec audio (Elo 1194), tandis que la preview 1.5 de Grok arrive deuxième (1111) ; en texte-vidéo, HappyHorse-1.0 d'Alibaba et Seedance 2.0 devancent Grok, Kling 3.0 occupant la troisième place et grok-imagine-video se situant autour de la cinquième (1232). L'affirmation de lancement de xAI selon laquelle Grok était « numéro 1 » n'est donc plus exacte dans le classement en ligne — Grok est un excellent modèle du top 5, mais pas le leader.

Mon interprétation — et je précise qu'il s'agit d'un jugement, pas d'une mesure — est que l'avantage de Grok réside dans la vitesse d'itération et le coût pour des clips courts conçus d'abord pour les réseaux sociaux, et non dans la qualité du rendu final. Si vous voulez la sortie la mieux notée, les modèles qui le devancent dans le classement neutre sont justement disponibles via GPT Proto aujourd'hui.

Vous voulez utiliser la vidéo via une API dès maintenant ? Utilisez ces modèles sur GPT Proto

Puisque la vidéo Grok n'est pas disponible sur la plateforme, voici les alternatives hébergées par GPT Proto — et, fait notable, plusieurs sont exactement les modèles qui devancent Grok dans le Video Arena :

• Dreamina Seedance 2.0 — le leader actuel du classement pour la vidéo synchronisée avec l'audio, des clips de 4 à 15 secondes avec audio natif, à 0,2957 $/exécution.
• Kling v3.0 Std — une solide génération texte-vidéo avec des mouvements cinématographiques, à 0,2016 $/exécution.
• Vidu Q3 Pro — des clips de 16 secondes en 720p avec synchronisation audiovisuelle native, et l'option économique à 0,04 $/exécution.
• Hailuo 2.3 Standard — image-vidéo, 768p, jusqu'à 10 secondes, à 0,252 $/exécution.
  Le compromis à connaître : ces modèles fonctionnent selon le mode asynchrone de GPT Proto (soumettre, puis interroger l'API pour obtenir le résultat), ce qui demande quelques lignes de plus qu'un appel d'image synchrone. Voici Seedance 2.0 de bout en bout :

import requests
import time
 
# 1. Submit the generation
submit = requests.post(
    "https://gptproto.com/api/v3/bytedance/dreamina-seedance-2-0-260128/text-to-video",
    headers={
        "Authorization": "GPTPROTO_API_KEY",   # your key, format sk-xxxxx
        "Content-Type": "application/json",
    },
    json={
        "prompt": "A red fox trotting across a snowy field at dawn, breath visible in the cold air, soft ambient wind",
        "duration": 5,
        "aspect_ratio": "16:9",
        "resolution": "720p",
        "generate_audio": True,
        "seed": -1,
    },
).json()
 
prediction_id = submit["data"]["id"]
 
# 2. Poll until the clip is ready
while True:
    result = requests.get(
        f"https://gptproto.com/api/v3/predictions/{prediction_id}/result",
        headers={"Authorization": "GPTPROTO_API_KEY", "Content-Type": "application/json"},
    ).json()
 
    status = result["data"]["status"]
    if status == "succeeded":
        print(result["data"]["outputs"])
        break
    if status in ("failed", "expired"):
        raise RuntimeError(f"Generation {status}")
    time.sleep(5)

Même clé, même portefeuille de facturation, même tableau de bord : il suffit de remplacer le slug du modèle dans l'URL pour passer de Seedance à Kling, Vidu ou Hailuo sans réécrire l'intégration.

Politique de contenu et usage commercial

Si vous publiez quoi que ce soit destiné aux clients, les conditions d'utilisation sont aussi importantes que les caractéristiques techniques.

Grok Imagine inclut un mode « Spicy » qui autorise un contenu plus suggestif que la plupart des générateurs grand public, et il fait l'objet d'un examen particulièrement attentif : une enquête active du procureur général de Californie ouverte en janvier 2026, ainsi que des actions réglementaires distinctes dans l'UE (DSA) et au Royaume-Uni. La politique d'utilisation acceptable de xAI s'applique à toutes les surfaces, y compris l'API Imagine, et fixe des limites strictes qui ne changent pas : aucun contenu pédosexuel, aucune représentation pornographique de personnes réelles, aucune image intime non consentie et aucun deepfake de personne réelle. xAI décrit le cadre autorisé comme correspondant approximativement à un film classé « R » ; le mode Spicy est lui-même soumis à une vérification de l'âge, à un forfait payant et à l'application mobile — ce n'est pas une option de l'API.

Pour une utilisation en production, deux remarques pratiques. Il n'existe aucun moyen pris en charge de désactiver la modération au niveau du modèle ; une génération peut donc renvoyer une sortie floutée ou rejetée (une réponse de politique de contenu 503) quels que soient vos paramètres. Et en vertu du règlement européen sur l'IA, si vous publiez une vidéo générée par IA, vous êtes censé signaler qu'elle est synthétique — intégrez cette mention à votre pipeline plutôt que de l'ajouter après coup.

Vous souhaitez ajouter la génération d'images ou de vidéos à votre stack ? Découvrez le générateur d'images Grok de GPT Proto et comparez les modèles vidéo — une clé, un solde, plus de 200 modèles.