Pika Enact : diriger une vidéo IA en direct, comme sur un plateau de tournage
Pika a dévoilé mercredi (18) Enact, un aperçu de recherche où vous faites glisser des acteurs, donnez des indications de mise en scène à la voix et déplacez la caméra pendant que la scène se génère. Je vous explique comment ça marche, ce qui manque encore et ce que vous pouvez utiliser dès aujourd'hui.

Pika Enact : diriger une vidéo IA en direct, comme sur un plateau de tournage
Pika a dévoilé mercredi (18 novembre) Enact, un aperçu de recherche qui génère vidéo et son en temps réel et vous laisse diriger la scène pendant qu'elle se déroule : faire glisser l'acteur, donner une indication de mise en scène à la voix, déplacer la caméra. Il n'est pas ouvert au public, et Pika précise elle-même qu'il n'est pas disponible pour le grand public.
Cela dit, ce qu'il montre mérite qu'on s'y arrête. Aujourd'hui, le processus consiste à écrire un prompt, attendre quelques minutes et croiser les doigts. Enact remplace tout cela par répéter, corriger et lancer « action », et c'est la direction que prennent les générateurs vidéo.
Que fait Pika Enact ?
Il génère la scène par courts segments et accepte des commandes en cours de route, selon trois modes décrits dans l'annonce de Pika :
- Mise en scène en direct. Vous faites glisser un acteur ou un objet à la souris pendant que la vidéo tourne, et le modèle ajuste la pose, la lumière et l'ombre à la nouvelle position.
- Direction d'acteurs en direct. Vous donnez des indications en tapant ou en parlant. Chaque acteur est un agent IA avec sa propre personnalité, répond dans son personnage avec sa propre voix et garde en mémoire ce que vous avez dit lors des prises précédentes de la même session. Quand vous dites « Action », il enchaîne sur une nouvelle prise continue.
- Caméra en direct. Vous déplacez une caméra virtuelle à la souris (panoramique, zoom, orbite) pendant la génération de la scène. Une image de référence maintient la distribution et le décor.
The Rundown, qui a couvert l'aperçu, a décrit Enact comme conçu pour fonctionner comme un plateau de tournage en direct.
Comment Pika est arrivée au temps réel
L'astuce consiste à ne pas générer le clip entier d'un coup. Selon Pika, Enact produit la vidéo et l'audio par blocs d'environ 0,7 seconde (0,17 seconde dans le mode basse latence de la mise en scène), et chaque bloc est généré à partir de ce qui est déjà sorti, sans attendre la suite de la scène. Pour la mise en scène, l'entreprise a aussi réduit de vingt à quelques-unes les étapes dont le modèle a besoin pour dessiner chaque segment.
Les chiffres publiés par Pika :
| Mode | Ce que Pika a mesuré |
|---|---|
| Mise en scène en direct | réponse en moins de 0,4 seconde sur un GPU H100, avec une génération 1,8 fois plus rapide que le temps réel sur un serveur |
| Direction d'acteurs | image et son 1,75 fois plus rapides que la lecture |
| Caméra en direct | 640x480 à 24 images par seconde sur un serveur à 8 GPU NVIDIA B300, premières images en 0,51 seconde |
Deux enseignements pratiques de ce tableau. D'abord, 640x480 est une basse résolution et au format horizontal : cela ne convient pas directement pour Reels ni TikTok. Ensuite, un serveur à huit GPU B300 pour faire tourner la caméra en direct, c'est un coût de laboratoire. C'est pourquoi Enact se trouve sur une page de recherche et non dans une offre d'abonnement.
Et H3 Flex, qui existe déjà ?
Enact repose sur Pika H3 Flex, le modèle lancé par Pika le 29 octobre. Celui-là, on peut l'utiliser : il génère des clips allant jusqu'à 15 secondes avec audio, en 480p ou 768p, et accepte jusqu'à 12 fichiers de référence parmi images, vidéos et sons. Il est d'abord sorti dans l'API de Pika, avec l'application de création prévue pour le 2 novembre, et les poids ouverts ont été publiés pour ceux qui font tourner leur propre serveur.
Dans le rapport technique, Pika indique un prix de départ de 0,01 US$ par seconde générée à partir d'un texte ou d'une image et de 0,03 US$ par seconde en mode avec références. Le même rapport est honnête sur les limites : en physique, en narration multi-scènes, en lumière et matériaux et sur les tâches très actives, d'autres modèles ont été préférés dans l'étude de Pika elle-même. The Rundown rappelle aussi que la vidéo de démonstration des acteurs a été montée pour tenir en peu de temps, on ne sait donc pas comment l'ensemble fonctionne dans une longue session.
Ce que cela change pour ceux qui créent des vidéos
Aujourd'hui, celui qui génère des scènes avec l'IA passe plus de temps à refaire qu'à créer. Le prompt se trompe sur la position du personnage, vous modifiez un mot, vous attendez de nouveau et vous payez de nouveau. Faire entrer un personnage par la gauche plutôt que par la droite peut coûter plusieurs générations.
Enact s'attaque exactement à cela : au lieu de réécrire le prompt, vous faites glisser le personnage là où il devrait être et vous continuez. Si l'idée prend, trois choses changent :
- Le coût de l'erreur baisse. Corriger en pleine prise coûte moins cher que de régénérer tout le clip.
- La direction devient parole. Dire « plus lentement, regarde la caméra » est plus naturel que de chercher le bon mot dans un prompt. Pour qui filme la répétition d'un sketch ou d'une courte histoire, cela rapproche l'IA de la façon dont on dirige des personnes.
- Générer devient un format. De même que parcourir un monde jouable de Genie 4 peut donner une vidéo d'exploration, diriger des acteurs IA en direct peut devenir un live ou des coulisses à part entière.
Le bémol : rien de tout cela ne compte tant que Pika n'ouvre pas l'accès, et il n'y a ni date ni confirmation pour le Brésil. On n'a pas non plus un mot sur le format vertical, qui est ce qui compte pour la vidéo courte.
Que faire maintenant
N'attendez pas Enact pour régler votre flux de travail. Trois étapes qui fonctionnent dès aujourd'hui :
- Générez pas cher avant de générer beau. Le principe d'Enact (se tromper vite en basse résolution) peut déjà s'appliquer : testez la scène dans la résolution la plus basse, qui coûte généralement moins cher par seconde, et ne refaites en résolution supérieure que la prise réussie. Dans le Générateur de Cut.Pro, vous choisissez le modèle, vous générez en payant avec des crédits et vous envoyez le clip directement dans l'éditeur.
- Utilisez une référence plutôt que de réécrire le prompt. Une image de référence maintient le personnage et le décor d'une prise à l'autre, ce que fait l'image d'ancrage dans Enact. Vous pouvez le voir dans le test d'animation d'une photo de visage et dans le guide de la persona IA.
- Ne misez pas votre chaîne sur un seul outil. La fin de Sora 2 a montré qu'un aperçu brillant ne garantit pas un produit. Pour un prix à la seconde sur un modèle déjà en ligne, consultez Gemini Omni 1.2 Flash.
Enact n'est pas dans le Générateur et n'est pas ouvert au public : cet article paraît donc sans test réel. Quand Pika l'ouvrira, je le testerai et je mettrai l'article à jour.


