Wan 3.0, du document à la vidéo : ce qu’il fait de votre présentation

Wan 3.0 accepte en entrée une présentation, un PDF, un tableur ou une page web publique, et vous rend une vidéo. Aucun autre grand modèle vidéo ne fait cela, et c’est la chose la plus distinctive du modèle.

C’est aussi la capacité que l’on comprend de travers le plus vite, alors voici toute la réponse en une ligne : il lit le document et réalise un film à partir de ce qu’il en a compris. Il ne transforme pas la diapositive trois en plan trois. Au plafond, cela fait cinquante pages compressées en trente secondes — 0,6 seconde par page — un calcul qui ne peut produire qu’une bande-annonce.

⚠️ Il faut le dire tout de suite, parce que c’est le malentendu le plus coûteux sur cette page : la mise en page n’est pas conservée. Ni vos gabarits, ni vos polices, ni l’ordre de vos diapositives à l’écran. Le document est de la matière première, pas un story-board.

Si c’est une bande-annonce que vous vouliez, Wan 3.0 y est remarquable. Si vous vouliez vos diapositives à l’écran avec une voix qui les lit, ce n’est pas le bon outil et la suite de cet article vous fera économiser les crédits.

L’entrée document et lien web est un type de média documenté, pas une promesse marketing : voir input.media.type dans le schéma de création de tâche, et la référence de l’API Wan 3.0. Lu le 2026-08-25.

Les limites, en un tableau

Chaque valeur vient de la référence de l’API Wan 3.0, vérifiée le 2026-08-25.

Deux de ces lignes piègent. Le plafond de pages est un nombre de pages, pas un substitut à la taille du fichier : un PDF léger de 80 pages échoue tandis qu’une présentation lourde de 40 pages passe. Et un fichier ou un lien signifie que vous ne pouvez pas lui confier la présentation et la fiche produit ensemble, ce qui est précisément la combinaison vers laquelle on va d’abord.

Il existe une troisième contrainte, moins visible. L’entrée document appartient à la famille des références de Wan 3.0, aux côtés des images de référence, des clips de référence et de l’audio — et cette famille est mutuellement exclusive avec les entrées première image et dernière image. Vous ne pouvez pas fournir une présentation et fixer l’image d’ouverture. La requête échoue avant de générer. La règle complète des familles est ici.

⚠️ Une quatrième, qui ne se voit nulle part et qui coûte le plus cher : l’entrée file et l’entrée link exigent enable_thinking: true. Sans lui, la requête réussit, elle est facturée, et le document n’est jamais lu. C’est l’échec silencieux le plus cher de ce site, et il ne ressemble pas à un échec — il ressemble à un clip hors sujet.

Ce qu’il fait réellement des pages

Wan 3.0 lit le document entier, détermine de quoi il parle, et réalise une vidéo à partir de cette compréhension. En pratique, cela a trois conséquences qu’il vaut mieux anticiper.

La structure est interprétée, pas préservée. L’ordre de vos sections est un signal, pas un story-board. Si l’argument ne tient que dans votre ordre, dites-le dans le prompt — car vous pouvez envoyer un prompt et un document dans la même requête, et c’est dans le prompt que vous pilotez.

La densité est aplatie. Trente secondes ne peuvent pas porter cinquante pages d’argumentation : le modèle sélectionne. Ce qu’il retient d’une présentation dense n’est pas toujours ce que vous auriez retenu, et c’est la principale raison pour laquelle les premières tentatives déçoivent.

Les chiffres méritent de la méfiance. Les sources riches en données — tableurs, présentations financières, tout ce où un chiffre compte — sont l’entrée la moins prévisible ici. Vérifiez chaque valeur qui apparaît à l’écran avant que le clip n’approche d’un client. Ce n’est pas un reproche au modèle, c’est le même soin que vous appliqueriez à n’importe quelle image générée contenant du texte.

Préparer un document qui produit une vidéo correcte

C’est la partie qu’aucune annonce ne couvre, et elle pèse plus lourd que le prompt.

Réduisez avant d’envoyer. Cinquante pages est le plafond, pas un objectif. Une version de douze pages de la même présentation produit de façon fiable de meilleures trente secondes que la version complète, parce que c’est vous qui avez sélectionné au lieu de déléguer. Retirez les annexes, les diapositives de secours, la section méthodologie et la page équipe.

Mettez le message dans le premier tiers. Face à un long document, le modèle pondère fortement le début. Si votre conclusion vit sur la dernière diapositive, déplacez-la.

Un document, une idée, une vidéo. Une présentation qui couvre un lancement produit et une campagne de recrutement produit un clip qui ne s’engage sur ni l’un ni l’autre. Coupez le fichier en deux.

Envoyez toujours un prompt avec le fichier. Wan 3.0 accepte les deux dans une seule requête : le document fournit la substance, le prompt fournit le traitement. C’est l’habitude au meilleur rendement de tout ce flux de travail, et un prompt court suffit :

A 20-second product launch film built from the attached deck.
Take the product name, the three headline capabilities and the launch date.
Ignore pricing, the roadmap and anything about the team.
Style: clean studio product photography, cool neutral palette, one slow
push-in per beat. Confident voiceover, light ambient bed, no music sting.

Remarquez ce que fait ce prompt : il nomme ce qu’il faut prendre et ce qu’il faut ignorer. Les exclusions travaillent davantage que les descriptions ici, parce que votre document contient bien plus que ce que trente secondes peuvent porter, et que la sélection par défaut est celle du modèle, pas la vôtre.

Traitez le lien de la même façon. Une URL publique fonctionne pareil, et la même règle s’applique : une fiche produit donne un meilleur clip qu’une page d’accueil, parce qu’une page d’accueil parle d’une dizaine de choses.

Quelle source pour quelle sortie

Wan 3.0 les accepte toutes, mais pas également bien.

Quand ce n’est pas le bon outil

Cela mérite d’être dit franchement, parce que la recherche qui amène ici cherche souvent tout autre chose.

Si ce qu’il vous faut, c’est vos diapositives à l’écran, dans votre mise en page, avec un narrateur qui les lit — modules de formation, présentations de conformité, intégration de nouveaux arrivants, tout ce qui est multilingue — c’est une autre catégorie de produit. Les outils conçus pour la diapositive commentée conservent votre design et ajoutent une voix ou un présentateur numérique. Wan 3.0 fait l’inverse : il écarte la mise en page et génère de nouvelles images. Aucun des deux n’est meilleur ; ils répondent à des briefs différents, et se tromper de catégorie coûte une journée.

La règle empirique : si le design de la présentation est le livrable, n’utilisez pas un modèle génératif. Si la présentation est de la matière première pour quelque chose qui ne lui ressemblera pas, c’est l’outil qui n’a pas de vraie concurrence.

Ce que cela coûte

Wan 3.0 ne facture rien pour le document lui-même. Vous êtes facturé sur les secondes de sortie à la résolution choisie — rien n’est ajouté pour le fichier, son nombre de pages ou sa taille, et c’est également vrai d’un lien web. Seules les secondes d’un clip de référence vidéo s’ajoutent à une facture, et une tâche document n’en a aucune.

Un clip de lancement de vingt secondes tiré d’une présentation de cinquante pages coûte donc exactement ce que coûte un clip de vingt secondes tiré d’un prompt texte : $1.00 en 480P, $2.00 en 720P, $4.00 en 1080P au tarif public d’Alibaba.

Ce qui désigne le premier geste évident. Lancez la présentation en 480P d’abord. Les tâches document ratent plus souvent que les tâches prompt à la première tentative, parce que Wan 3.0 fait des choix éditoriaux que vous ne l’avez encore jamais vu faire. Regarder une passe en 480P vous dit ce qu’il a retenu de votre document, et vous écrivez ensuite le prompt qui le corrige. Le calcul du coût en entier.

Six vérifications avant d’envoyer

1. Moins de 50 pages et moins de 100 Mo.
2. Un fichier ou un lien — pas les deux.
3. Aucune image de première ou de dernière image dans la même requête.
4. Annexes, diapositives de secours et page équipe retirées.
5. Conclusion déplacée dans le premier tiers.
6. Un prompt joint, qui nomme ce qu’il faut prendre et ce qu’il faut ignorer.

Questions fréquentes

Quels types de fichiers Wan 3.0 peut-il transformer en vidéo ?

docx, doc, xlsx, xls, pptx, ppt, pdf, txt, key, pages, numbers et md, jusqu’à 50 pages et 100 Mo — ou bien une page web publique à la place. Un fichier ou un lien par requête, jamais les deux.

Wan 3.0 transforme-t-il chaque diapositive en scène ?

Non, et c’est le malentendu le plus fréquent. Il lit le document entier et réalise une vidéo à partir de ce qu’il en a compris. Cinquante pages en trente secondes font 0,6 seconde par page : la sortie est une bande-annonce, pas un défilé de pages. Et la mise en page n’est pas conservée.

Puis-je utiliser un document et une première image ensemble ?

Non. Les fichiers et les liens appartiennent à la famille des références, qui est mutuellement exclusive avec les entrées première image et dernière image. La requête est refusée avant que quoi que ce soit ne se génère.

Un document plus gros coûte-t-il plus cher ?

Non. Wan 3.0 ne facture que les secondes de sortie. Une présentation de cinquante pages et un prompt d’une ligne coûtent la même chose pour la même longueur de clip, et un lien web n’ajoute rien non plus.

Pourquoi a-t-il ignoré la partie la plus importante de ma présentation ?

En général parce qu’elle arrivait tard dans le document et que le prompt ne la nommait pas. Avancez la conclusion, coupez les pages qui ne servent pas le clip, et dites explicitement au prompt ce qu’il faut prendre et ce qu’il faut ignorer.

Peut-il faire une vidéo de formation à partir de notre manuel ?

Il peut faire une pièce de trente secondes à propos du manuel. S’il vous faut la procédure enseignée étape par étape, dans votre mise en page, avec une narration, c’est de l’outillage à diapositive commentée plutôt qu’un modèle vidéo génératif — et cet écart vaut la peine d’être repéré avant de dépenser quoi que ce soit.

La façon la moins chère d’apprendre ce que Wan 3.0 retient de votre présentation est de le regarder faire une fois en 480P. Envoyez un document, lisez ce qui revient, puis écrivez le prompt qui le corrige.