Alibaba HappyHorse-1.0 : le modèle mystère qui a dominé tous les classements vidéo IA

La révélation

Artificial Analysis gère un Video Arena où les utilisateurs soumettent un prompt, deux modèles anonymes génèrent des vidéos, et les utilisateurs choisissent celle qu'ils préfèrent. Les votes alimentent un système de classement Elo (les mêmes mathématiques que pour les classements aux échecs). Les modèles ne peuvent pas tricher, car les évaluateurs ne savent jamais quel modèle a produit quel résultat.

HappyHorse-1.0 est entré dans cette arène le 7 avril avec un profil vierge. Pas de logo, pas d'attribution. Le 10 avril, il occupait la première position dans deux des quatre catégories de classement, et Alibaba a confirmé en être le propriétaire via un nouveau compte X et une déclaration à CNBC.

Les chiffres

Les scores Elo de HappyHorse parlent d'eux-mêmes :

Pour situer, le précédent numéro 1 en text-to-video était Seedance 2.0 de ByteDance avec un Elo de 1273. HappyHorse le devance de 60 points, un écart qui prend généralement des mois à combler. En image-to-video, HappyHorse affiche 1392 contre 1355 pour Seedance 2.0.

Les catégories incluant l'audio racontent une autre histoire. HappyHorse se retrouve en deuxième position derrière Seedance 2.0 (Elo 1219 contre 1205), ce qui suggère que le pipeline audio nécessite encore du travail par rapport à la qualité vidéo.

Architecture : un seul Transformer, tout en une passe

La plupart des systèmes vidéo IA enchaînent des composants séparés : un encodeur de texte, un générateur vidéo, et un modèle audio ajouté après coup. HappyHorse adopte une approche différente.

Le modèle utilise un Transformer Self-Attention à flux unique de 40 couches, sans modules Cross-Attention. Les tokens de texte, de vidéo et d'audio traversent tous la même pile de transformateurs simultanément. Cette conception unifiée élimine les paramètres redondants et réduit la complexité d'inférence.

Le pipeline d'inférence est remarquablement léger : seulement 8 étapes de débruitage sans Classifier-Free Guidance (CFG). En comparaison, de nombreux modèles concurrents utilisent 25 à 50 étapes avec CFG activé. Cela suggère une distillation agressive durant l'entraînement, sacrifiant de la capacité brute au profit de la vitesse.

L'équipe derrière le projet

HappyHorse provient du Future Life Lab, rattaché au Taotian Group d'Alibaba (la branche e-commerce). Le projet est dirigé par Zhang Di, ancien VP de Kuaishou et responsable technique de Kling AI.

Ce détail compte. Zhang Di a bâti la culture d'ingénierie derrière Kling, l'un des modèles vidéo IA les plus performants de 2025. Il connaît les défis d'infrastructure, les pipelines d'entraînement et les lacunes d'évaluation. Apporter cette expérience aux ressources de calcul d'Alibaba change complètement l'équation par rapport à une startup indépendante.

Ce que cela signifie pour le marché

Le marché de la vidéo IA en avril 2026 est inhabituellement instable :

Avec l'arrêt progressif de Sora et les difficultés juridiques de Seedance, HappyHorse arrive à un moment où le marché cherche un nouveau leader. Runway Gen-4.5 reste solide dans les workflows de production, et Google Veo 3.1 domine l'intégration en entreprise. Mais pour la qualité de génération brute, mesurée par la préférence humaine en aveugle, HappyHorse occupe désormais la première place.

Open source : bientôt (peut-être)

Le dépôt GitHub et le hub Hugging Face affichent tous deux "Coming Soon" au 11 avril. L'équipe a promis la publication open source des poids complets de 15 milliards de paramètres sous licence commerciale. Si cela se concrétise, HappyHorse deviendrait le plus grand modèle vidéo open source disponible, nettement plus imposant que les 2 milliards de paramètres de LTX-Video.

Mais "bientôt" n'est pas "publié". Tant que les poids ne sont pas téléchargeables et vérifiés de manière indépendante, les résultats de benchmark comportent un astérisque. La communauté vidéo IA a appris à attendre des résultats reproductibles avant de désigner des vainqueurs.

Points à surveiller

Trois éléments détermineront si HappyHorse conserve son avance :

• ✓Publication des poids open source et reproduction indépendante des résultats de benchmark
• ✓Amélioration de la qualité audio pour égaler ou dépasser Seedance 2.0 dans les catégories incluant l'audio
• ✓Disponibilité de l'API et tarification, car dominer les benchmarks ne sert à rien si les créateurs ne peuvent pas accéder au modèle

L'espace de la génération vidéo par IA évolue rapidement. En janvier, Runway Gen-4.5 semblait intouchable. En février, Seedance 2.0 a pris la couronne. Aujourd'hui, c'est HappyHorse qui la détient. La question n'est pas de savoir si quelque chose finira par le dépasser, mais quand et d'où viendra le prochain challenger.

Pour les créateurs et développeurs qui construisent des pipelines vidéo aujourd'hui, la leçon est concrète : aucun modèle ne reste au sommet bien longtemps. La meilleure stratégie est de construire des workflows capables de changer de modèle au fil des évolutions du classement, plutôt que de tout miser sur un seul nom.