0,005 dollar la seconde de vidéo générée. Le chiffre claque, et il est tentant d’en faire le titre de l’affaire. Mais réduire Varya, le nouveau modèle de la start-up indienne Avataar AI, à son tarif serait passer à côté de l’essentiel.
Car le prix n’est pas la cause. Il est la conséquence d’un choix stratégique.
Un prix qui défie l’arithmétique du marché
Posons d’abord les faits. Avataar AI, soutenue par le fonds Peak XV, annonce facturer 0,48 roupie (0,005 $) la seconde de vidéo sur son service hébergé. Les modèles de référence, Veo, Kling, Luma ou Runway, tournent généralement autour de 0,10 $ ou plus. Soit un écart d’environ 20 fois.
La performance technique suit le même ordre de grandeur. Sur un GPU (processeur graphique) NVIDIA H200, Varya produit un clip de 5 secondes en 720p en 45 secondes, là où le modèle dont il dérive en réclamait 1 230. Près de trente fois plus vite, pour une fraction du coût.
À ce stade, on pourrait croire à une rupture technologique de fond. Ce n’en est pas une. Et c’est précisément ce qui rend l’histoire intéressante.
La distillation, ou l’art de ne pas réinventer la roue
Avataar n’a pas construit Varya de zéro. La start-up est partie de Wan 2.2, un modèle de génération vidéo publié en accès ouvert par Alibaba, puis lui a appliqué une technique appelée distillation : on compresse les capacités d’un gros modèle dans une version plus légère et plus rapide, taillée pour un usage précis.
Le résultat tient en un chiffre : Varya s’exécute en quatre étapes (steps) de calcul, contre cinquante pour Wan 2.2. Moins d’étapes, c’est mécaniquement moins de calcul, donc moins de temps GPU et moins de coût à facturer.
La leçon pour un praticien qui orchestre l’IA au quotidien est concrète. Le levier de compétitivité ne se trouve pas toujours dans l’entraînement d’un modèle fondation à des centaines de millions de dollars. Il se trouve souvent dans l’optimisation chirurgicale d’un modèle ouvert existant, pour un cas d’usage borné. Ce n’est pas une course à la puissance, c’est une course à la pertinence.
Une stratégie d’échelle, pas une prouesse de laboratoire
Pourquoi Avataar choisit-elle de comprimer le prix jusqu’à l’os plutôt que de viser la qualité maximale ? Parce que sa cible n’est pas le studio créatif occidental, mais une population entière.
« L’Inde est un marché video-first », résume Rajan Anandan, directeur général chez Peak XV. « Les modèles vidéo actuels sont trop chers pour un usage à l’échelle de la population indienne. Si la vidéo IA doit atteindre les étudiants, les enseignants, les PME, les créateurs, les entreprises et les services publics, les coûts doivent baisser radicalement. Le coût est le principal levier de l’adoption de l’IA en Inde. »
Tout est là. Quand le marché se compte en centaines de millions d’utilisateurs au pouvoir d’achat contraint, chaque centime de coût par seconde devient une barrière d’accès. Optimiser le prix n’est pas une coquetterie commerciale : c’est la condition d’existence du produit.
Et c’est ici que la vraie singularité apparaît. Avataar revendique avoir entraîné Varya sur des données soignées pour reconnaître les nuances culturelles locales : nourriture, vêtements, architecture, fêtes. Les modèles de génération d’images et de vidéos produisent souvent des sorties génériques ou stéréotypées, faute d’avoir vu autre chose qu’un Occident moyen. En servant un contexte que les géants ignorent, Avataar ne se contente pas d’être moins chère : elle est plus juste pour son public.
Contourner les géants en servant ceux qu’ils oublient
Le vrai enseignement de Varya n’est pas tarifaire, il est géopolitique. L’Inde produit peu de modèles, freinée par un manque de puissance de calcul et de données de qualité. Plutôt que d’affronter de face les modèles fondation américains, européens et chinois, l’écosystème indien parie sur les applications et sur un tissu de développeurs.
Le gouvernement accompagne ce pragmatisme. L’India AI Mission, une initiative d’environ 1,2 milliard de dollars, octroie à des start-up sélectionnées un accès à du calcul GPU subventionné, en échange de la publication publique de leurs modèles. Avataar fait partie des douze élues. Varya sera d’ailleurs diffusé en open-weight (poids ouverts) sur le portail AI Kosh, avec ses données d’entraînement, pour que chacun puisse l’auto-héberger ou le modifier.
On reconnaît là une manœuvre classique de l’outsider : ne pas jouer sur le terrain où l’adversaire est imbattable, mais déplacer le terrain. Là où Veo ou Runway optimisent pour le rendu spectaculaire d’un marché solvable, Avataar optimise pour l’accessibilité d’un marché délaissé.
Une trajectoire reproductible, ou un cas isolé ?
Restons lucides sur les zones d’ombre. Un modèle distillé hérite des forces et des biais de son modèle parent : la qualité de Varya dépend de celle de Wan 2.2, et la promesse de fidélité culturelle reste à vérifier à grande échelle. Le tarif de 0,005 $ est un prix affiché, pas une rentabilité prouvée ; il s’appuie pour l’instant sur du calcul subventionné par l’État. Que se passe-t-il quand la subvention s’arrête ?
Reste que la recette est limpide et, surtout, reproductible. Prenez un bon modèle ouvert, distillez-le pour un usage précis, optimisez le coût plutôt que la démesure, et adressez un public que les leaders négligent. Cette mécanique ne vaut pas que pour l’Inde : tout marché de niche, toute langue minoritaire, tout secteur mal servi par les modèles généralistes en est une cible potentielle.
La question n’est donc pas de savoir si Avataar tiendra son prix, mais combien d’acteurs vont appliquer la même méthode aux angles morts que les géants laissent derrière eux. La frontière de l’IA ne se déplace pas seulement vers le plus puissant. Elle se déplace aussi, discrètement, vers le mieux ajusté.
