L'IA va toujours plus loin, autrefois capable de générer seulement quelques lignes de texte, les entreprises du secteur veulent maintenant l'inviter dans les casques VR. La Chine semble en pôle-position.
ByteDance travaillerait sur un modèle d’IA capable de générer des vidéos spatiales en temps réel, sous la supervision directe de son fondateur, Zhang Yiming. Ce projet, dont le lancement pourrait débarquer dès le mois prochain, s’appuierait sur Seedance, le système de génération vidéo existant de l’entreprise.
Des mondes virtuels interactifs
D’après des sources anonymes citées par Bloomberg, ce modèle permettrait de créer des mondes virtuels interactifs pour des diffusions en direct, des courts métrages ou des jeux. Les spécifications évoquées indiquent une génération de vidéos à la demande, à environ 20 images par seconde, avec une latence d’environ 50 millisecondes. Le traitement serait effectué dans le cloud plutôt que sur l’appareil, ce qui réduirait les exigences matérielles pour les casques de réalité virtuelle et étendue.
ByteDance, propriétaire de Pico, sa branche dédiée à la réalité étendue, destinerait ce modèle à ses utilisateurs, avec des environnements réagissant aux voix et aux mouvements.
Quatre priorités pour l'entreprise
En début d’année, ByteDance avait fixé quatre priorités en matière d’IA pour 2026, les world models (modèles de monde) arrivant en tête, devant le maintien de l’avance de Seedance en génération vidéo, l’amélioration des outils de codage et la commercialisation de Doubao.
Les world models bénéficieraient du plus gros budget de données de l’entreprise, estimé à plusieurs dizaines de millions de yuans, soit trois à quatre fois plus que ce qu'y dépenseraient ses concurrents. L’objectif était alors de livrer au moins un modèle de ce type d’ici la fin de l’année, en le comparant à Genie de Google, qui permet de naviguer dans des images Street View rendues en temps réel.
Deux approches en vue
L’entreprise explorerait deux approches : une dite vision-langage-action pour l’intelligence incarnée et la robotique, et une autre axée sur la simulation 3D pour le divertissement et les jeux. Le modèle de vidéo spatiale s’inscrirait dans cette seconde catégorie, qui s’appuie sur une base d’utilisateurs déjà existante.
Un world model est un système capable d’apprendre le comportement des environnements pour générer des espaces cohérents, réagissant aux actions de l’utilisateur. Les entreprises spécialisées dans la vidéo, comme ByteDance, disposent d’un avantage dans ce domaine, car elles possèdent de grandes quantités de données vidéo et une expérience dans leur compression pour un rendu rapide.
Participer à la discussion
Partagez votre avis avec la communauté Clubic.