Black Forest Labs (BFL), l'équipe derrière FLUX (et avant ça, une bonne partie des cerveaux de Stable Diffusion) vient d'annoncer FLUX 3. Et pour la première fois, ils ne se contentent plus de générer des images fixes : le nouveau modèle produit de la vidéo, de l'audio, et sert même de base à des applications de robotique. De quoi marquer un vrai virage pour un labo qui s'était fait un nom sur l'image.
Soyons clairs tout de suite, parce que l'annonce ratisse large : ce qui est accessible pour l'instant, c'est FLUX 3 Video, et uniquement en early access sur liste d'attente (via un formulaire officiel). La partie génération d'images (celle qui intéresse le plus les habitués de FLUX) n'est pas encore ouverte. BFL la promet « dans les semaines à venir ».
Fin juillet, le modèle a tout de même pu être testé par le grand public : une preview a été lancée via Hermes Agent de Nous Research), d'abord réservée 48 h aux abonnés payants, puis rapidement ouverte à tous les utilisateurs Portal (y compris le tier gratuit, sans abonnement). Le tout accompagné d'un concours de courts-métrages. Un accès plus large qu'annoncé au départ, mais dont la disponibilité a fluctué : mieux vaut vérifier son statut du moment avant de s'y précipiter.
Sur le papier, FLUX 3 Video coche les cases attendues d'un modèle vidéo moderne : des clips jusqu'à 20 secondes en une seule génération, du text-to-video, de l'image-to-video et du video-to-video, des transitions par keyframes, du dialogue multilingue et même le chaînage de plusieurs plans pour monter des séquences plus longues avec des personnages cohérents.
Mais le point qui mérite qu'on s'y arrête, c'est l'audio natif. La plupart des modèles vidéo concurrents (Kling, Runway, Luma…) génèrent d'abord l'image, puis collent le son via un pipeline séparé. Ici, l'audio sort du même passage de génération que l'image. Concrètement, ça veut dire que le bruit d'un impact tombe pile au moment du choc, et que la synchronisation labiale d'un dialogue tient la route sans bricolage. Un détail technique qui change pas mal de choses pour un workflow de montage.
La logique de BFL est plutôt élégante : chez eux, la vidéo représente plus de 95 % du coût de calcul de l'entraînement, contre moins de 0,5 % pour l'audio. L'idée, c'est qu'une fois qu'un modèle a appris à produire de la vidéo crédible (donc à comprendre le mouvement, le poids des objets, les causes et les effets) lui apprendre à y coller le bon son devient presque anecdotique.
Deux réserves à garder en tête. D'abord, tous les benchmarks publiés sont auto-déclarés et provisoires. BFL affirme que FLUX 3 a été préféré à Runway Gen-4.5 dans 77 % des comparaisons et à Luma Ray 3.2 dans 93 %, mais les scores se resserrent nettement face à des modèles comme Seedance 2.0 ou Gemini Omni Flash (52 %), et la méthodologie complète ne sera dévoilée qu'à la disponibilité générale.
Les premiers retours, encore peu nombreux vu l'accès limité, vont d'ailleurs dans les deux sens : beaucoup saluent la qualité cinématographique, la cohérence des personnages et l'audio natif, mais certains testeurs de la preview Hermes ont pointé des soucis techniques et une qualité jugée « pas encore au niveau » de Seedance sur quelques cas.
Ensuite, l'élément que la communauté FLUX surveille le plus : les poids ouverts. Historiquement, la popularité de FLUX doit beaucoup à FLUX.1 Dev, l'un des modèles les plus fine-tunés de l'écosystème (ComfyUI, LoRA et compagnie). Cette fois, une version open-weight baptisée FLUX 3 Dev est promise… mais pour plus tard en 2026, sans date, sans prix, ni licence annoncés. Un glissement vers une logique « API d'abord » qui ne passera pas inaperçu.
FLUX 3 est une annonce ambitieuse et techniquement solide, mais dont la partie la plus attendue par les créateurs d'images reste à venir. Pour l'instant, c'est surtout un modèle vidéo prometteur à surveiller de près. On refera le point dès que FLUX 3 Image ouvrira ses portes — c'est là que ça deviendra vraiment intéressant pour nous.