Accueil › Glossaire › Sora

Sora (OpenAI) : le générateur de vidéos IA qui transforme du texte en clips réalistes

De Sora 1 à Sora 2 : l’évolution

Sora a été révélé par OpenAI en février 2024 comme une démonstration de recherche qui a immédiatement fait sensation. Les vidéos de démonstration montraient un niveau de réalisme, de cohérence temporelle et de compréhension physique sans précédent pour un modèle text-to-video.

Sora Turbo (décembre 2024) : la première version accessible au public, intégrée à ChatGPT pour les abonnés Plus et Pro. Les vidéos étaient limitées à environ 5-20 secondes selon le plan, avec un système de crédits pour la génération.

Sora 2 (2025-2026) : la génération actuelle, avec des améliorations significatives en qualité, durée et fonctionnalités. Sora 2 Pro est la variante haut de gamme avec résolution jusqu’à 1080p (via abonnement) ou 1024p (via API), des vidéos jusqu’à 25 secondes, et la génération audio synchronisée.

Le 10 janvier 2026, OpenAI a retiré l’accès gratuit à Sora : la génération de vidéos et d’images via Sora est désormais réservée aux abonnés ChatGPT Plus et Pro. L’API Sora est disponible séparément en pay-as-you-go.

Comment fonctionne Sora

Sora est un modèle de diffusion vidéo qui opère dans un espace latent de « patches spatiotemporels ». Contrairement aux modèles de génération d’images qui produisent une seule frame, Sora génère simultanément toutes les frames d’une vidéo, ce qui assure une cohérence temporelle entre les images successives.

Le modèle comprend la physique de base du monde réel : la gravité, les reflets dans l’eau, les ombres qui se déplacent avec la source de lumière, le mouvement des tissus et des cheveux. Cette compréhension physique est ce qui différencie les vidéos Sora des approches précédentes qui animaient simplement des images statiques.

Text-to-video : décrivez une scène en texte et Sora la transforme en vidéo. Le modèle comprend les relations spatiales, les mouvements de caméra (panoramique, zoom, travelling), les interactions entre objets et les expressions faciales.

Image-to-video : fournissez une image statique et Sora la met en mouvement. Utile pour animer des photos produit, des illustrations ou des concepts visuels existants.

Audio synchronisé (Sora 2 Pro) : la génération audio est intégrée à la vidéo. Dialogues, effets sonores et ambiances sont générés en cohérence avec le contenu visuel. C’est une avancée majeure par rapport à la V1 qui était muette.

Comment accéder à Sora en 2026

Le système de crédits

Sora fonctionne sur un système de crédits dont la consommation varie selon la résolution, la durée et le modèle utilisé. Sur ChatGPT Plus, la génération en 480p est illimitée (idéal pour le prototypage), tandis que la 720p et la 1080p consomment des crédits. Sur ChatGPT Pro, vous disposez de 10 000 crédits mensuels plus un mode Relaxed illimité (génération plus lente en file d’attente).

Estimation de consommation sur ChatGPT Pro : une vidéo 480p consomme environ 4 crédits/seconde, une vidéo 720p environ 16 crédits/seconde, et une vidéo 1080p environ 40 crédits/seconde. Ces chiffres sont des estimations communautaires car OpenAI ne publie pas officiellement les coûts en crédits. Les crédits Pro ne se reportent pas d’un mois à l’autre.

L’API Sora

L’API Sora permet aux développeurs d’intégrer la génération vidéo dans leurs applications. La tarification est basée sur la seconde de vidéo générée :

Sora 2 Standard : environ $0,10 par seconde pour des vidéos 720p max, durées de 4 à 12 secondes. C’est l’option économique pour les contenus web et réseaux sociaux.

Sora 2 Pro : environ $0,30 par seconde en 720p et $0,50 par seconde en 1024p (1792×1024). Durées de 10 à 25 secondes. Qualité supérieure avec rendu plus net, mouvements plus fluides et audio synchronisé.

L’API est accessible sans abonnement ChatGPT, en pay-as-you-go via la plateforme OpenAI. Les endpoints supportent le text-to-video et l’image-to-video. La Batch API est disponible pour le traitement en volume avec des économies supplémentaires.

L’API Sora a aussi été étendue avec des fonctionnalités avancées : références de personnages réutilisables (character references), générations plus longues (jusqu’à 20 secondes), output 1080p pour sora-2-pro, extensions de vidéos existantes, et édition de vidéos via POST /v1/videos/edits.

Les capacités de Sora 2

Text-to-video

La fonctionnalité de base : décrivez votre scène en langage naturel et Sora génère la vidéo correspondante. Le modèle comprend les contextes, les relations spatiales et la physique de base. Un prompt comme « Un plan cinématique de 20 secondes d’un barista préparant un latte art dans un café baigné de lumière dorée d’après-midi » produit un résultat cohérent avec les mouvements réalistes du liquide, la lumière ambiante et la profondeur de champ.

Les mouvements de caméra sont contrôlables : panoramique, travelling, zoom, steadicam, plan fixe. Spécifiez le mouvement dans votre prompt pour guider la réalisation.

Image-to-video

Fournissez une image statique et Sora l’anime. Particulièrement utile pour les photos produit (un objet qui tourne), les illustrations (un personnage qui s’anime), les moodboards (transformer une photo de référence en clip vidéo). La cohérence entre l’image source et la vidéo générée est généralement bonne sur les sujets simples, mais peut diverger sur les compositions complexes.

Audio synchronisé

Sora 2 Pro génère l’audio en même temps que la vidéo : dialogues synchronisés avec les lèvres, effets sonores contextuels (pas sur le sol, bruit de la pluie, moteur de voiture), ambiance sonore cohérente avec l’environnement. C’est un différenciateur par rapport à Runway Gen-4.5 qui ne supporte pas encore l’audio natif sur son modèle phare text-to-video.

Cameos (personnages)

La fonctionnalité Cameo permet d’insérer des personnages référencés (y compris vous-même ou vos amis) dans les scènes générées. Uploadez une photo de référence et Sora l’intègre dans la vidéo. Cette fonctionnalité est disponible via l’application iOS Sora et via l’API avec les character references.

Limites actuelles de Sora

Durée maximale : 25 secondes en Sora 2 Pro (API), 20 secondes sur ChatGPT Pro, 10 secondes sur ChatGPT Plus. Pour des vidéos plus longues, vous devez enchaîner plusieurs clips, en utilisant la dernière frame d’un clip comme image de référence pour le suivant (technique de concaténation end-frame).

Raisonnement causal imparfait : les effets précèdent parfois les causes (une porte s’ouvre avant que la poignée soit pressée). C’est une limitation commune à tous les modèles de génération vidéo actuels.

Permanence des objets : des objets peuvent apparaître ou disparaître de manière inattendue entre les frames (une tasse qui disparaît quand elle est occultée). Là encore, c’est un problème partagé par tous les concurrents.

Physique approximative : malgré une bonne compréhension générale de la physique, le modèle échoue sur certaines interactions complexes (éclaboussures réalistes, déformations de matériaux, interactions multi-corps complexes).

Coût élevé : la génération vidéo IA reste chère. Un clip de 10 secondes en 1080p via l’API coûte environ $3-5 (Sora 2 Pro). Pour un usage intensif, les coûts s’accumulent rapidement. Les plans ChatGPT Plus/Pro limitent le volume via le système de crédits.

Pas de free tier : depuis janvier 2026, aucun accès gratuit. Minimum $20/mois (ChatGPT Plus) ou pay-as-you-go via l’API.

Sora vs les alternatives en 2026

Cas d’usage concrets

Marketing digital et publicité : clips produit, spots publicitaires courts, visuels de campagne. Le text-to-video permet de produire des assets vidéo sans tournage, réduisant les coûts de production de manière significative. Commencez par itérer en 480p (illimité sur ChatGPT Plus), puis produisez la version finale en haute résolution.

Réseaux sociaux : création de contenus TikTok, Instagram Reels, YouTube Shorts. Les formats courts (5-15 secondes) sont le terrain idéal de Sora : assez longs pour un message, assez courts pour rester dans les limites de crédits raisonnables.

Storyboarding et pré-production : les réalisateurs et directeurs artistiques utilisent Sora pour créer des animatics (storyboards animés) avant le tournage réel. C’est plus rapide et moins cher qu’un storyboard illustré, et donne une meilleure idée du résultat final.

Éducation et formation : vidéos explicatives, tutoriels visuels, simulations de scénarios. L’image-to-video permet d’animer des schémas ou des diagrammes existants.

E-commerce : vidéos produit (rotation 360°, mise en situation, démonstrations) sans photographe ni vidéaste. L’image-to-video à partir d’une photo produit est particulièrement efficace pour ce cas d’usage.

L’application iOS Sora

OpenAI a lancé Sora comme application iOS dédiée, positionnée comme un réseau social orienté création et partage de contenu vidéo IA. L’application permet de créer, remixer et partager des vidéos. La fonctionnalité Cameo (insertion de personnages à partir de photos) est optimisée pour l’utilisation mobile.

Ce positionnement en « TikTok de la vidéo IA » est un pari stratégique d’OpenAI : au lieu de rester un outil de production, Sora vise aussi le grand public créatif. Le succès de cette approche reste à confirmer.

Le partenariat Disney

OpenAI a annoncé un partenariat de 1 milliard de dollars avec Disney qui déverrouille l’utilisation de personnages Disney sous licence dans Sora. C’est une première dans l’industrie de l’IA générative : la génération légale et sous licence de personnages protégés par la propriété intellectuelle. Les conditions d’usage spécifiques des personnages Disney sont encadrées par l’accord de partenariat.

Ce partenariat signale un virage vers la génération de contenu IA réglementée et sous licence, un modèle qui pourrait s’étendre à d’autres studios et franchises.

Détails techniques de l’API Sora

L’API Sora est intégrée à la plateforme OpenAI et s’utilise via les endpoints vidéo :

Génération : POST /v1/videos pour créer une vidéo à partir de texte ou d’image.

Édition : POST /v1/videos/edits pour modifier une vidéo existante (remplace l’ancien endpoint remix, qui sera déprécié dans 6 mois).

Character references : réutilisez des personnages entre les vidéos pour maintenir la cohérence visuelle.

Batch API : traitement en volume avec support POST pour les générations vidéo, avec économies sur les tarifs unitaires.

L’API supporte les durées de 4, 8 et 12 secondes pour Sora 2 Standard, et 10, 15, 20 et 25 secondes pour Sora 2 Pro. Les résolutions disponibles sont 480p, 720p et 1024p (1792×1024) selon le modèle.

Droits sur les vidéos générées

Selon les conditions d’OpenAI, les vidéos générées avec Sora sont la propriété de l’utilisateur et peuvent être utilisées commercialement, y compris pour la publicité, les produits et les services. Les personnages Disney sous licence ont des conditions d’usage spécifiques définies par l’accord de partenariat.

Les vidéos générées sont sans watermark sur les plans payants. OpenAI intègre progressivement des métadonnées C2PA de provenance pour la traçabilité du contenu généré par IA.