Grok 4.3 peut-il lire et expliquer une vidéo ? Le point sur les preuves

On peut donc affirmer trois choses :

• Confirmé : xAI documente un point d’accès API pour générer des vidéos.
• Confirmé : l’exemple utilise le modèle grok-imagine-video, présenté dans un contexte de génération vidéo.
• Non confirmé : cette page ne montre pas de spécification officielle pour téléverser une vidéo, fournir une URL vidéo, utiliser une entrée vidéo multimodale ou demander une analyse image par image.

Autrement dit, la preuve officielle va jusqu’à : « xAI peut générer une vidéo ». Elle ne va pas jusqu’à : « Grok 4.3 peut comprendre une vidéo que vous lui donnez ».

Pourquoi les sources tierces ne suffisent pas

Plusieurs sources non officielles vont plus loin. Un article affirme que Grok peut générer des vidéos et les analyser ou les regarder. Une autre page de veille indique que Grok 4.3 Beta aurait ajouté des API vidéo, slides et speech. Un article Substack parle même de compréhension vidéo native et d’entrée vidéo pour Grok 4.3 Beta. Des résultats de recherche sur X mentionnent aussi l’analyse de vidéos.

Ces éléments peuvent servir de signaux à surveiller, mais ils ne constituent pas une confirmation produit au sens strict. Pour une fonctionnalité aussi concrète que l’analyse de vidéos, on attendrait normalement des éléments officiels : modèles compatibles, formats acceptés, limites de durée, taille maximale des fichiers, méthode d’envoi, disponibilité, prix et limites de débit. Ces précisions ne figurent pas dans la documentation xAI fournie sur la génération vidéo.

Générer une vidéo n’est pas la même chose que comprendre une vidéo

La distinction est essentielle.

La génération vidéo consiste à produire une nouvelle vidéo à partir d’un prompt. C’est exactement ce que documente xAI avec le point d’accès videos/generations et le modèle grok-imagine-video.

La compréhension vidéo, elle, suppose l’inverse : l’utilisateur fournit une vidéo, puis le modèle doit identifier des objets, des personnes, des actions, une chronologie et des événements, avant de répondre à des questions. Pour confirmer cette capacité, il faudrait voir une documentation officielle mentionnant explicitement une entrée vidéo, par exemple via un fichier téléversé, une URL ou un format multimodal. Les sources fournies ne montrent pas cela côté documentation xAI.

Le mot « vidéo » peut donc recouvrir deux réalités très différentes : la vidéo comme sortie du modèle, ou la vidéo comme entrée à analyser.

Tableau de vérification rapide

Ce qu’il faudrait voir pour changer de verdict

Pour considérer Grok 4.3 comme officiellement compatible avec l’analyse de vidéos, il faudrait idéalement une annonce ou une documentation xAI indiquant clairement :

1. la prise en charge de

   video input

   , de la compréhension vidéo ou d’une formulation équivalente ;
2. les modèles concernés, et pas seulement grok-imagine-video, qui est présenté dans un flux de génération vidéo ;
3. un exemple d’appel API permettant d’envoyer une vidéo, par fichier, URL ou entrée multimodale ;
4. les formats pris en charge, les limites de durée, de taille, de résolution et de coût ;
5. la disponibilité réelle de la fonction : bêta limitée, API publique, interface Grok, abonnement particulier ou autre.

Conclusion

Si la question est : « Grok 4.3 peut-il aujourd’hui regarder une vidéo courte et expliquer ce qui s’y passe ? », la réponse factuelle, au vu des sources fournies, est : ce n’est pas confirmé de manière fiable.

Ce qui est confirmé, c’est l’existence d’un flux officiel de génération vidéo dans la documentation xAI, avec /v1/videos/generations et grok-imagine-video. Ce qui reste à prouver, c’est la capacité de Grok 4.3 à recevoir une vidéo en entrée et à l’analyser. Les affirmations disponibles à ce sujet viennent surtout de sources tierces ou de contenus sociaux, pas d’une spécification officielle xAI équivalente.