Ce que Wan 2.7 fait bien — et ce qu'il fait moins bien

Wan 2.7 est le modèle qui a brisé le fossé closed-source sur la vidéo de niveau phare. Pendant les 18 derniers mois, le haut du classement vidéo IA a été contrôlé par des poids fermés — Veo, Kling, Seedance, Runway — avec l'écosystème open-source bloqué une génération derrière. Le Tongyi Lab d'Alibaba a livré Wan 2.7 en avril 2026 sous Apache 2.0, emballé comme une suite complète : texte-vers-vidéo, image-vers-vidéo, contrôle première/dernière image, et édition vidéo par instruction. Le résultat concurrence réellement les phares fermés en résolution, fidélité de mouvement et audio — tout en restant open-weight sous Apache 2.0.

Le choix architectural derrière cela est un modèle Mixture-of-Experts (MoE) de 27 milliards de paramètres qui n'active qu'environ 14 milliards de paramètres par génération. La conception MoE donne à Wan 2.7 les avantages de capacité d'un modèle dense beaucoup plus grand — meilleure connaissance du monde, meilleure couverture de style, meilleure physique du mouvement — tout en gardant la latence d'inférence plus proche d'un modèle dense 14B. Pour les travaux de production à volume élevé (génération ad-tech, storyboarding en lot, grandes bibliothèques de contenu), c'est le modèle qui monte en charge.

La capacité qui distingue fonctionnellement Wan 2.7 est l'édition vidéo par instruction. Passez un clip existant plus une instruction texte — « mettez la veste en rouge », « changez l'arrière-plan en plage », « passez au golden hour » — et Wan applique l'édition tout en préservant le mouvement original, l'identité du personnage et la géométrie de la scène. Le concurrent le plus proche ici est le pipeline de restylage de Veo, mais l'analyseur d'instructions de Wan est plus flexible. Pour les agences qui ont des séquences clients à remixer sans re-tournage, c'est le modèle qui boucle la boucle.

Autres capacités notables : le contrôle première/dernière image vous permet de verrouiller l'image d'ouverture et de clôture et de laisser Wan générer le mouvement de liaison — utile pour atteindre des battements narratifs spécifiques et pour chaîner des clips qui doivent se connecter proprement. L'audio natif synchronisé — dialogue, ambiance et musique — est produit avec l'image dans la même passe, lip-sync et synchronisé sans étape Foley séparée.

Points faibles : sur la fidélité visuelle haut de gamme en travail à prise unique, Veo 3.1 a toujours l'avantage en 1080p+ et le chemin d'upscale 4K. Sur l'Elo de référence multimodale, Seedance 2.0 mène les benchmarks publics. Sur le storyboarding multi-plans explicite avec coupes franches dans un prompt, Kling V3 est plus contrôlable. Le point fort de Wan est l'amiabilité open-source, les éditions par instruction et la production en lot.

Un modèle mental raisonnable : Wan 2.7 est la défaut quand vous avez besoin de provenance open-weight, de production en lot à volume élevé, ou d'un flux de travail intensif en édition. Pour la fidélité maximale, Veo 3.1. Pour les plans riches en références, Seedance 2.0.