Sora est un système de génération texte-vers-vidéo développé par OpenAI qui convertit des descriptions en langage naturel en courts clips vidéo. OpenAI a présenté pour la première fois le modèle en février 2024 avec un ensemble de vidéos d'exemple très soignées, le présentant non seulement comme un outil créatif, mais aussi comme une première étape vers un « simulateur de monde » polyvalent capable de modéliser les interactions physiques, les mouvements de caméra et la permanence des objets dans le temps. Le modèle a été mis à la disposition du public via une application autonome, Sora, lancée en décembre 2024 pour les abonnés payants de ChatGPT avant un déploiement plus large en 2025.
Architecture
Sora combine des idées issues des modèles de diffusion et de l'architecture transformeur. Au lieu d'opérer sur des grilles de pixels à résolution fixe, OpenAI a décrit Sora comme traitant la vidéo comme des séquences de « patchs » spatio-temporels, une représentation destinée à permettre au modèle de gérer des durées, résolutions et ratios d'aspect variés au sein d'un système unique. L'entraînement aurait reposé sur de grands volumes de données vidéo, bien qu'OpenAI n'ait pas divulgué la composition ou la taille exacte de l'ensemble de données, une rupture avec les rapports techniques plus détaillés que l'entreprise avait publiés pour les systèmes précédents.
Capacités et limites
Lors de son lancement, Sora pouvait générer des clips d'environ une minute à partir d'un invite textuel, et les versions ultérieures ont ajouté l'édition image-vers-vidéo et vidéo-vers-vidéo, permettant aux utilisateurs d'étendre, de remixer ou de fusionner des séquences existantes. Les vidéos de démonstration montraient des scènes multi-plans cohérentes, des mouvements de caméra simulés et une apparence de personnage constante entre les images, des capacités bien supérieures aux systèmes texte-vers-vidéo antérieurs. OpenAI a également reconnu des faiblesses persistantes : le modèle rencontrait des difficultés avec la physique précise (objets qui se traversent, causalité incohérente), le raisonnement spatial fin et la représentation exacte d'actions complexes comme des mouvements sportifs spécifiques.
Réception et l'ère de l'application
Sora est arrivé dans un domaine de génération vidéo de plus en plus concurrentiel, aux côtés de Veo de Google DeepMind, Kling de Kuaishou et Seedance de ByteDance, chacun itérant rapidement tout au long de 2024 et 2025. Des évaluations indépendantes et des comparaisons communautaires sur des arènes classant les modèles vidéo ont placé Sora parmi les systèmes de premier plan sans avance claire et stable, alors que les concurrents publiaient des mises à jour sur des échelles de temps similaires. Runway, un pionnier antérieur de la génération vidéo, a fait face à une concurrence intensifiée une fois que les grands laboratoires sont entrés directement dans le domaine.
L'application Sora elle-même était remarquable pour un flux social de type TikTok de clips générés par IA avec une fonction de remix, un choix de conception qui a suscité à la fois engagement et critiques. Les commentateurs et les détenteurs de droits ont soulevé des préoccupations concernant la facilité de générer des vidéos mettant en scène des personnages protégés par le droit d'auteur et des personnalités publiques, ce qui a incité OpenAI à ajouter des mécanismes de désinscription pour les détenteurs de droits et des contrôles de ressemblance pour les personnes nommées après des plaintes précoces, notamment de la part d'agences de talents. Le débat plus large faisait écho aux litiges déjà en cours sur IA et droit d'auteur dans la génération de texte et d'images, et ajoutait une dimension spécifique à la vidéo aux préoccupations concernant les deepfakes et les médias synthétiques, étant donné la capacité de la technologie à représenter des personnes et des événements d'apparence réelle qui ne se sont jamais produits.
La sortie de Sora a également intensifié le débat public sur les implications pour le travail et les industries créatives de la vidéo générative haute fidélité, en particulier dans la production de films, de publicités et de contenu pour les médias sociaux, où le coût de production de courts contenus vidéo a chuté de manière spectaculaire pour quiconque ayant accès à l'outil. Sam Altman, le directeur général d'OpenAI, a positionné Sora et ses successeurs comme des étapes vers une modélisation vidéo plus générale du monde, un cadrage lié à l'intérêt de recherche plus large pour les modèles du monde comme voie vers des systèmes d'IA plus capables, bien que la mesure dans laquelle Sora constitue une véritable compréhension physique plutôt qu'une reproduction sophistiquée de motifs soit restée contestée parmi les chercheurs.