Sur l’écran de votre téléphone, un conférencier coréen vous parlerait en français, avec des lèvres qui articulent chaque mot de la traduction. Microsoft a déposé une demande de brevet pour un système d’IA capable de réécrire en direct les paroles d’une personne filmée, puis de redessiner sa bouche.
Microsoft a déposé cette demande de brevet en avril 2025, et l’office américain des brevets l’a publiée le 29 octobre. Le groupe confie l’écoute du son d’une vidéo en direct à un agent d’IA. Ce logiciel prend seul ses décisions et choisit les mots à changer selon votre profil de spectateur, à partir de votre âge ou des langues que vous parlez. Les mots retenus sont ensuite remplacés par un modèle génératif, dans le son et dans l’image, puis la bouche de l’orateur est redessinée pour coller aux nouveaux mots. Vous verriez le résultat avec une à dix secondes de décalage sur le direct. Mais dans la version la plus large de son brevet, Microsoft ne prévoit aucun message pour vous avertir qu’une phrase a été modifiée.
Microsoft veut traduire l’orateur jusque dans ses lèvres
Dans un brevet, chaque revendication fixe ce que l’inventeur veut protéger. Microsoft a écrit une seconde revendication principale, la numéro 16, pour la traduction. Si l’orateur parle une langue que vous n’avez pas indiquée dans votre profil, ses mots sont remplacés par leur traduction et la vidéo est retouchée, lèvres comprises. Vous entendriez alors le conférencier en français, et sa bouche formerait les sons du français.
Les deux inventeurs, David Callaghan et Dinesh Kumar, prévoient de faire tourner le système directement sur l’appareil, grâce à ses puces. Microsoft évoque des lunettes de réalité augmentée ou un smartphone, et cite les conférences et les retransmissions sportives parmi les usages possibles.
Le groupe vend une partie de ce service dans Teams. Son agent Interpreter traduit la voix des participants d’une réunion en temps réel, et il peut imiter leur timbre. Avec ce brevet, Microsoft ajoute l’image au doublage. Selon Patentlyze, Microsoft protège beaucoup moins de terrain avec la revendication 16 qu’avec la première, car il doit prouver à la fois une langue étrangère et l’ajustement des lèvres.
Microsoft veut aussi réécrire les paroles de l’orateur
Avec la revendication 1, Microsoft protège un champ beaucoup plus vaste. Microsoft veut faire disparaître les « euh » et les mots marmonnés ou mal prononcés, et il range aussi sur sa liste les propos offensants et certaines expressions familières de l’anglais américain. Les mots de remplacement pourraient venir d’une recherche sur Internet, et le groupe évoque une vérification des faits en direct. Si un intervenant se trompe de chiffre sur scène, l’IA pourrait donc corriger sa phrase avant que vous ne l’entendiez.
Patentlyze relève que Microsoft n’explique jamais, dans cette revendication, pourquoi les mots sont changés. Nettoyer un discours de ses hésitations ou remplacer un fait par un autre tombe ainsi sous le coup de la revendication 1. Microsoft ne garde l’enregistrement original qu’à titre de « vérité de référence », et seulement dans une revendication secondaire. Rien ne vous signalerait donc qu’un orateur n’a jamais prononcé la phrase que vous venez d’entendre.
« Une revendication aussi large invite à un resserrement », souligne l’équipe de Patentlyze. L’examinateur de l’office américain a rejeté les revendications telles que déposées lors d’un premier examen, une étape courante avant que le déposant ne les amende. Microsoft dépose en outre de nombreux brevets qui n’aboutissent jamais à un produit. Le groupe peut encore répondre aux objections et restreindre sa demande.
