Kling 4.0 : 30 secondes de vidéo, mais surtout plus de contrôle

Kling AI a annoncé Kling 4.0 le 28 septembre 2026, avant un lancement complet prévu en octobre, sans date plus précise. La fiche technique impressionne — jusqu’à 30 secondes, dix images clés, références multimodales, son stéréo et sortie 4K — mais l’enjeu le plus intéressant est ailleurs : transformer la génération vidéo en travail dirigé, plutôt qu’en succession d’essais heureux ou ratés.

À ce stade, seule la version Kling 4.0 Flash est accessible en avant-première à un groupe limité d’abonnés Ultra annuels. Les démonstrations publiées par Kling viennent de l’éditeur lui-même. Elles montrent ce que le modèle est censé savoir faire, pas encore sa fiabilité dans un vrai projet.

Trente secondes en une seule génération

Kling 4.0 doit produire des vidéos de 3 à 30 secondes, contre 3 à 20 secondes pour la déclinaison Flash. Trente secondes restent courtes à l’échelle d’un film, mais c’est suffisant pour une publicité sociale, un plan-séquence ou une petite scène dialoguée sans devoir raccorder plusieurs générations.

Le modèle accepte les formats 21:9, 16:9, carré et vertical. La fiche officielle annonce des sorties en 720p, 1080p et 4K. Le HDR 10 bits en 1080p et en 4K est toutefois présenté comme une fonction à venir : il ne faut donc pas le considérer comme disponible au lancement.

Kling annonce aussi un outil d’extension capable de prolonger plusieurs fois une vidéo jusqu’à deux minutes. Là encore, cette fonction est marquée « bientôt disponible ».

Dix images clés pour imposer le déroulé

La nouveauté la plus utile pourrait être le contrôle par images clés. L’utilisateur peut fournir jusqu’à dix images correspondant aux étapes que la vidéo doit traverser. Le modèle génère ensuite les mouvements et les transitions entre ces repères.

Pour une marque, cela ouvre un scénario concret : imposer le produit au début, une interaction au milieu et le plan final avec le bon cadrage. Pour une fiction, les images clés peuvent fixer les changements de lieu, d’expression ou de position du personnage.

Ce contrôle ne garantit pas encore que le modèle respectera chaque étape, les proportions ou la continuité des objets. Il rend en revanche le brief plus vérifiable : on peut comparer le résultat à une intention visuelle explicite, plutôt qu’à un long prompt ambigu.

Des références plus nombreuses et plus variées

Le mode *Omni Reference* accepte jusqu’à quinze éléments au total : images, vidéos, voix et sujets enregistrés. Les limites annoncées comprennent jusqu’à dix images et cinq vidéos de référence, ces dernières ne pouvant dépasser trente secondes cumulées.

Ces éléments peuvent servir à conserver un visage, un produit, une voix, un mouvement ou un type de cadrage. Kling 4.0 doit également pouvoir modifier une vidéo existante : changer une expression, un mouvement, un angle de caméra, un décor ou un personnage, tout en préservant le reste du plan.

La promesse est importante pour la production. La vraie question ne sera pas de générer une belle image isolée, mais de retrouver le même produit et le même personnage d’un plan à l’autre, sans dérive visible.

Son stéréo, dialogues et texte à l’écran

Kling 4.0 génère du son stéréo et promet une synchronisation labiale plus précise. Le français figure parmi les langues annoncées, aux côtés notamment de l’anglais, du chinois, du japonais, du coréen, de l’espagnol, du portugais, de l’allemand et de l’hindi.

Le modèle doit aussi produire du texte lisible à l’image dans plusieurs langues. C’est un progrès potentiellement utile pour les enseignes, emballages et titres, mais aussi un point à tester sévèrement : une lettre correcte sur une image fixe peut encore se déformer dès que la caméra ou l’objet bouge.

Les prompts peuvent atteindre 8 000 tokens. Ce plafond ne signifie pas qu’un long brief produira nécessairement une meilleure vidéo. Avec les images clés et les références, une instruction courte et structurée pourra souvent être plus facile à contrôler.

Kling 4.0 Flash pour les essais rapides

Kling 4.0 Flash est présenté comme la version rapide et plus économique de la gamme. Elle génère des clips de 3 à 20 secondes en 720p et en plage dynamique standard. Elle prend en charge le texte vers vidéo, l’image vers vidéo à partir de la première image et Omni Reference.

Depuis le 28 septembre, Flash est disponible uniquement en accès anticipé pour certains abonnés Ultra annuels. Kling n’a pas encore publié de grille complète permettant de comparer clairement le coût par seconde des deux versions. Sans ce chiffre, il est trop tôt pour juger l’intérêt économique du modèle dans un volume de production réel.

Le test utile : livrer un plan, pas gagner une loterie

Pour évaluer Kling 4.0, il faudra éviter de reprendre uniquement les démonstrations sélectionnées par l’éditeur. Un test reproductible pourrait mesurer quatre choses :

1. Continuité : conserver le même personnage et le même produit pendant trente secondes.
2. Mise en scène : respecter cinq à dix images clés dans le bon ordre.
3. Dialogue : produire une phrase en français avec une synchronisation labiale crédible et un son propre.
4. Révision : modifier un élément précis d’un plan sans dégrader les autres.

Il faudra publier les prompts, les références, le nombre de tentatives et les échecs, pas seulement le meilleur résultat. Le coût utile est celui du plan finalement livrable, reprises comprises.

Ce que Kling 4.0 change vraiment

La génération vidéo se rapproche peu à peu d’un outil de réalisation. La durée maximale et la 4K attirent l’attention, mais les images clés, les références et l’édition ciblée pourraient avoir davantage d’impact dans un workflow professionnel.

La prudence reste nécessaire : le modèle complet n’est pas encore largement disponible, plusieurs fonctions sont annoncées pour plus tard et les exemples visibles ont été choisis par Kling. Le verdict devra donc attendre des essais indépendants. Si les promesses se confirment, Kling 4.0 ne supprimera pas la direction artistique ; il pourrait enfin lui donner davantage de prise sur le résultat.