Odyssey-3 vs Google Veo 3.1 : la physique de pointe face à dix mois de production

La comparaison entre Odyssey-3 et Veo 3.1 est en réalité une comparaison entre deux dates. Veo 3.1 est disponible en version générale depuis le 17 novembre 2025 — dix mois d'utilisation en production, une tarification à la seconde publiée, la 4K native et une pile de service qui a déjà traversé au moins une fois un audit d'entreprise. Odyssey-3 a été présenté en avant-première par Odyssey le 15 septembre 2026 ; il n'a ni prix publié, ni documentation d'API, ni benchmark indépendant, et sa fenêtre de sortie se limite à « les semaines à venir ». Les mettre côte à côte vaut tout de même la peine, car la raison pour laquelle on les cite ensemble est bien réelle : Veo 3.1 produit de superbes vidéos, tandis qu'Odyssey-3 cherche à simuler un monde qui se comporte correctement sous contrôle. Voilà les deux produits distincts que les équipes continuent de confondre sous le mot « vidéo », et c'est précisément dans l'écart entre les deux que se joue la décision d'achat.

Ce que dix mois de livraisons vous rapportent

L'avantage de Veo 3.1 n'est pas une fonctionnalité, c'est le temps écoulé. Le modèle est entre les mains de clients payants depuis octobre 2025 en tant qu'aperçu et depuis le 17 novembre en tant que produit en disponibilité générale (GA), avec une offre Lite ajoutée le 31 mars 2026 et une offre gratuite le 2 avril. Cet historique produit des choses qu'un aperçu ne peut pas : une surface d'API documentée, un ensemble établi de modes de défaillance que les praticiens ont déjà cartographiés, et une courbe de coûts qu'une équipe financière peut modéliser.

La fiche technique reflète la même maturité. Veo 3.1 génère en 720p, 1080p et 4K natif, à 24 images par seconde, avec des durées natives de 4, 6 ou 8 secondes, et des sorties plus longues annoncées en 1080p, avec un chaînage d’extension de scène au-delà. Il accepte jusqu’à trois images de référence pour la cohérence des personnages et des scènes, ainsi que des contrôles de seed et de prompt négatif. Les sorties comportent des métadonnées de provenance SynthID et C2PA. Pour les travaux de marque, de diffusion ou pour grand écran, le chemin 4K natif est la seule capacité que la plupart des concurrents n’ont tout simplement pas — et c’est la raison pour laquelle Veo 3.1 continue de remporter des projets qu’il ne remporte pas sur le critère du prix.

Le réglage audio par défaut qui fausse discrètement toutes les comparaisons

Veo 3.1 génère de l'audio stéréo natif en 48 kHz — dialogue, son d'ambiance, bruitage — conjointement avec l'image, ce qui est véritablement l'une de ses caractéristiques les plus fortes. Sur l'API, cependant, le paramètre audio est désactivé par défaut, et la génération silencieuse est facturée moins cher que la génération avec audio. Dans l'offre Standard publiée par Google, cela revient à environ 0,20 $ par seconde en silencieux, contre environ 0,40 $ par seconde avec audio. Deux conséquences en découlent. Premièrement, le prix effectif d'un clip Veo dépend entièrement d'un indicateur que la plupart des gens ne modifient jamais, si bien qu'un chiffre de « 0,20 $ par seconde » et un chiffre de « 0,40 $ par seconde » peuvent tous deux être corrects pour le même modèle. Deuxièmement, et de manière plus subtile, cela signifie que bon nombre de tests comparatifs directs que vous avez lus ont opposé un Veo 3.1 silencieux à des concurrents dont l'audio est toujours activé, puis les ont notés sur un classement qui tient compte de l'audio. Si votre sortie a besoin de son, le chiffre honnête à prendre en compte pour planifier est celui avec audio activé.

Ce que revendique réellement Odyssey-3

Odyssey-3 n'est pas un meilleur générateur vidéo et ne prétend pas l'être. C'est un transformer de diffusion autorégressif entraîné sur l'observation visuelle du monde, et la capacité au cœur de l'annonce est un décodeur d'actions — « un composant de sortie appris attaché au modèle du monde » qui transforme la représentation interne de scène du modèle en commandes motrices pour un matériel spécifique. Odyssey rapporte qu'il contrôle des bras robotiques à partir de dizaines d'heures de démonstrations, pilote en temps réel des politiques humanoïdes construites avec Flexion, produit des points de cheminement de conduite en boucle fermée à partir d'un backbone gelé entraîné sur 20 heures de données simulées, fait voler des drones en intérieur autour d'obstacles, et joue à Grand Theft Auto V avec transfert vers Red Dead Redemption 2 et Sleeping Dogs sans entraînement supplémentaire de politique pour ces jeux. Le seul chiffre comparatif publié est que les politiques de conduite entraînées en simulation parcouraient, entre les interventions d'un conducteur de sécurité, environ 77 % de la distance parcourue par les politiques entraînées sur des séquences réelles.

Notez de quel type d’affirmations il s’agit. Aucune ne porte sur l’apparence de la sortie. Chacune porte sur ce qu’un programme en aval du modèle peut en faire.

Les dimensions qui ne se chevauchent pas

• Sortie — Google Veo 3.1 : un clip rendu, jusqu'à 4K natif, avec audio stéréo 48 kHz en option. Odyssey-3 : un état de monde simulé, plus des actions motrices via le décodeur d'actions.

• Grand public — Google Veo 3.1 : une visionneuse ou un éditeur. Odyssey-3 : un contrôleur de robot, une politique de conduite ou une boucle d'entraînement.

• Durée du clip — Google Veo 3.1 : 4/6/8 s natifs, plus long en 1080p, chaînes d’extension au-delà. Odyssey-3 : génération continue, aucune notion de clip.

• Prix — Google Veo 3.1 : ~0,20 $/s en version silencieuse, ~0,40 $/s avec audio en Standard ; les niveaux Fast et Lite en dessous. Odyssey-3 : aucun tarif publié.

• Disponibilité — Google Veo 3.1 : GA depuis le 17/11/2025. Odyssey-3 : présenté en avant-première le 15/09/2026, disponible au public « dans les semaines à venir ».

• Preuves — Google Veo 3.1 : dix mois d'utilisation en production et une place dans un classement indépendant. Odyssey-3 : démonstrations du fournisseur, aucun tableau de benchmark, aucun rapport technique.

Là où l’argument physique s’avère réellement payant — et là où il ne l’est pas

Il est tentant de supposer qu’un modèle doté d’une meilleure physique produit de meilleures vidéos, et ce n’est pas ce qu’Odyssey vend. Le problème d’une équipe vidéo n’est presque jamais que le monde dans le clip est physiquement incohérent — c’est que le plan doit être en 4K, ou que le personnage doit avoir la même apparence dans trois configurations différentes, ou que le livrable doit avoir des métadonnées de provenance attachées avant que le juridique ne donne son feu vert. Veo 3.1 répond à ces questions aujourd’hui. Un simulateur physiquement exact répond à une autre question : puis-je y entraîner quelque chose qui fonctionnera là-bas. Si vous n’entraînez rien, l’exactitude physique d’Odyssey-3 est une fonctionnalité sans acheteur dans votre flux de travail.

Là où les deux convergent véritablement, c’est dans la prévisualisation. Un réalisateur qui souhaite explorer un espace de manière interactive — faire circuler une caméra dans un décor, modifier un choix de mise en place, en voir la conséquence — veut exactement ce que fournit un modèle du monde et ce qu’un clip rendu ne peut pas fournir, car le clip est figé dès l’instant où il est généré. C’est un cas d’usage réel, et c’est aussi un cas où un aperçu non commercialisé n’est pas encore une option.

Faire tourner ceci en production sans miser sur un seul endpoint

La raison pour laquelle les équipes de production s'intéressent à l'architecture autour du modèle, c'est qu'un pipeline vidéo est rarement un seul appel. Un modèle de prompt rédige la liste des plans, un modèle d'image produit l'image de départ, un modèle de vision vérifie le résultat par rapport au brief, un modèle de transcription gère la voix off. Chacun de ces éléments est une dépendance qui peut tomber en panne à 2 h du matin, et chacun constitue une intégration distincte si vous les achetez séparément. Mettre cette couche sur une API unique couvrant plus de 200 modèles au prix catalogue du fournisseur avec 0 % de marge réduit le nombre d'intégrations, et le basculement automatique signifie qu'une panne d'un modèle de prompt déclenche une redirection au lieu de bloquer la file de rendu. Le DSL de routage compte davantage ici que dans un workflow à modèle unique, car composer plusieurs modèles en un seul appel est ce qui permet à un pipeline multi-étapes d'échouer gracieusement étape par étape plutôt que dans son ensemble. Pour être clair sur le périmètre : OrcaRouter ne prend pas en charge Google Veo 3.1 ni Odyssey-3, et aucun des deux modèles n'est accessible via celui-ci.

Qui devrait agir maintenant, et qui devrait attendre ?

Si votre échéance tombe ce trimestre et que votre livrable est un fichier, Google Veo 3.1 est le choix défendable, et le prix — environ 0,40 $ par seconde en 1080p avec audio, moins cher sur les niveaux Fast et Lite — correspond au coût d’un modèle en production depuis assez longtemps pour être devenu banal. Prévoyez le flag audio délibérément plutôt que de le découvrir plus tard.

Si votre problème est une politique qui doit fonctionner sur du matériel, Odyssey-3 s'adresse à vous et il n'y a toujours rien à acheter. Attendez trois choses : un prix publié, une date de sortie qui soit une date et non une fenêtre, et un chiffre indépendant. Le chiffre de 77 % de sim-to-real est celui d'Odyssey lui-même, et tant que quelqu'un d'extérieur à l'entreprise ne l'aura pas reproduit, la bonne posture est l'intérêt plutôt que la planification. En attendant, la pile environnante est la partie que vous pouvez construire, et la construire de façon à pouvoir y intégrer un nouveau modèle plus tard est la position la moins coûteuse à tenir.