Le nouveau modèle vidéo Utopai X s'appuie sur les méthodes de production d'un véritable studio

Utopai Studios associe son modèle vidéo Utopai X à PAI, une plateforme qui relie scénarios, personnages, plans et montage assistés par IA.

Générer un plan vidéo ne suffit pas à fabriquer un film. Encore faut-il retrouver les références d'un personnage, respecter l'univers visuel établi, conserver les différentes prises et intégrer les images sélectionnées à une séquence cohérente. Utopai Studios développe cette approche avec deux outils complémentaires : Utopai X, un modèle de génération vidéo, et PAI, une plateforme de production qui conserve les informations nécessaires à la réalisation d'un projet audiovisuel. Le premier a atteint la deuxième place du classement Text-to-Video with Audio d'Artificial Analysis, avec 1 150 points Elo dans les résultats du 29 septembre 2026. Le second organise le travail autour du scénario, des personnages, des décors, des plans et de leurs différentes versions. Un modèle vidéo développé au contact des productions

Utopai Studios n'aborde pas uniquement l'intelligence artificielle comme un fournisseur de modèles génératifs. L'entreprise finance et produit également des films et des séries, ce qui lui permet de confronter ses outils aux contraintes de projets audiovisuels suivis dans la durée. Les équipes techniques travaillent ainsi à partir de matériaux de production : scénarios, recherches visuelles, designs approuvés, plans de tournage et versions successives des images.

Cette organisation influence l'entraînement d'Utopai X. Les réalisateurs, directeurs de la photographie et artistes évaluent les séquences générées, sélectionnent certaines prises et expliquent pourquoi d'autres ne conviennent pas. Ces choix constituent des informations supplémentaires pour les équipes de recherche, qui peuvent travailler sur des problèmes identifiés pendant la fabrication des films.

Utopai X repose sur un modèle vidéo préexistant, adapté aux besoins de l'entreprise. Le studio met notamment en avant sa capacité à représenter les reflets, les caustiques, ces motifs lumineux produits par la réflexion ou la réfraction, et la cohérence spatiale des objets à l'intérieur d'un plan. Il s'agit de qualités recherchées dans les scènes comportant des interactions complexes entre la lumière, les surfaces et les mouvements de caméra.

Ces observations proviennent des évaluations créatives du studio. Elles décrivent des domaines dans lesquels ses équipes estiment obtenir de bons résultats, sans constituer des mesures indépendantes de la continuité des personnages ou de la stabilité visuelle entre plusieurs plans. Une deuxième place sur Artificial Analysis, à une date précise

La qualité visuelle d'Utopai X a fait l'objet d'une évaluation extérieure sur le classement vidéo d'Artificial Analysis. Dans les résultats du 29 septembre 2026, le modèle occupait la deuxième position mondiale de la catégorie Text-to-Video with Audio, avec 1 150 points Elo, derrière Wan 3.0. Il s'agissait également du modèle le mieux classé parmi ceux développés par des entreprises américaines dans cette catégorie.

Artificial Analysis utilise des comparaisons anonymes entre deux vidéos produites à partir d'une même instruction. Les évaluateurs choisissent la séquence qu'ils préfèrent sans connaître le modèle qui l'a générée. Les votes servent ensuite au calcul des scores Elo et à l'établissement du classement.

Ce protocole fournit une indication sur la préférence visuelle des évaluateurs, mais ne teste pas directement l'ensemble des contraintes d'une production cinématographique. La capacité à maintenir un personnage identique sur plusieurs scènes, à reproduire précisément une modification demandée ou à conserver le raccord entre deux plans nécessite des évaluations supplémentaires.

Le score communiqué correspond par ailleurs à une photographie du classement au 29 septembre, et non à une position permanente. Les résultats peuvent évoluer avec l'arrivée de nouveaux modèles et l'accumulation des votes. PAI conserve le scénario et les décisions de production

Le fonctionnement d'Utopai PAI, pour Production Assistive Intelligence, s'organise autour d'un projet audiovisuel plutôt que d'une succession de générations indépendantes. La plateforme analyse le scénario afin d'identifier les scènes, personnages, lieux et accessoires, puis aide à constituer une liste de plans et à préparer les ressources visuelles correspondantes.

La Production Library rassemble les personnages, objets, décors et références du film. Les différentes versions restent associées au projet, ce qui permet de retrouver un élément déjà validé lors de la préparation d'un nouveau plan. L'objectif est d'éviter que chaque génération nécessite de reformuler entièrement l'univers visuel, les caractéristiques des personnages ou les intentions de mise en scène.

PAI dispose également d'un espace de travail visuel organisé autour d'un canvas. Les équipes peuvent y disposer leurs références, développer des scènes et regrouper les éléments liés à une séquence dans des sous-espaces. L'organisation du projet reste accessible pendant les phases d'exploration, de génération et de révision.

Des assistants IA, appelés Production Assistants, peuvent exploiter les informations du projet pour préparer des plans, proposer des variations et aider à exécuter certaines tâches. Les choix de mise en scène, la sélection des résultats et les validations restent confiés aux personnes qui réalisent la production. Plusieurs prises et une timeline plutôt qu'une vidéo isolée

Lorsqu'un plan est généré avec Utopai X, il reste associé à son emplacement dans le projet. Les équipes peuvent produire différentes versions, revenir à une prise précédente et comparer les résultats avant de choisir ceux qui doivent être conservés.

La plateforme intègre une timeline destinée à assembler les séquences retenues et à examiner leur enchaînement. Cette fonctionnalité permet d'évaluer une vidéo dans le contexte de son montage, plutôt que de juger uniquement sa qualité comme une séquence autonome. PAI prend également en charge la création d'images, de vidéos et de contenus audio à travers plusieurs modèles disponibles dans son environnement.

Les exports