L’IA vidéo vient de briser sa plus grosse limite

Cette semaine, Google a réalisé une percée majeure en informatique quantique, divisant par 40 les erreurs de calcul. Cette étape, qui pouvait auparavant engloutir jusqu'à 95% de la puissance d'un ordinateur quantique, était un goulot d'étranglement depuis 2004. Une solution avait été imaginée sur papier en 2024, mais personne ne l'avait encore implémentée sur une puce réelle. Cette avancée rapproche le jour où les machines quantiques pourront effectuer des calculs qui prendraient des milliers d'années à nos ordinateurs classiques. Bien que cette percée soit significative, le chiffrement de nos données n'est pas immédiatement menacé. En parallèle, le monde de l'IA a connu une semaine riche en annonces. Un nouveau système permet désormais aux vidéos générées par IA de conserver la cohérence d'une pièce lorsque la caméra y revient, améliorant ainsi quatre générateurs vidéo testés. Une nouvelle voix de synthèse, dirigée comme une comédienne avec des indications de jeu, est capable de faire dialoguer jusqu'à 16 personnes en 83 langues. En plus de ces avancées en image et 3D, presque toutes ces innovations, à l'exception du quantique, sont déjà téléchargeables et utilisables chez soi. La première avancée majeure en vidéo IA vient des universités de Zhejiang et Berkeley, avec un système publié le 14 octobre sous le nom d'Anny Time Any Space. Les vidéos IA actuelles sont bluffantes sur quelques secondes, mais peinent à raconter des histoires sur plusieurs plans, perdant la cohérence temporelle. Chaque plan est généré indépendamment, sans mémoire des précédents. Le système Anny Time Any Space résout ce problème en donnant à l'IA deux types de mémoire : une pour le décor en 3D (éléments fixes comme la forme de la pièce et la place des meubles) et une autre fonctionnant comme un journal de bord du tournage, notant les événements de l'histoire. En partant d'un scénario découpé en plans, le système utilise ces mémoires pour recréer la scène telle qu'elle a été laissée. Testé sur quatre générateurs vidéo open source, il a montré une cohérence améliorée entre les plans. Le code est déjà disponible, ce qui est un pas crucial pour la création de courts-métrages ou publicités avec l'IA. La mémoire de scène soulève la question de la fabrication de décors 3D à partir d'images. Une autre équipe de l'université de Zhejiang a développé Infin Splat V2, une IA publiée le 16 octobre. À partir de quelques photos et images vidéo d'un lieu, sans même la position de la caméra, elle peut reconstruire une scène en 3D navigable, y compris sous des angles non filmés. Cette technique, appelée "Gaussian Splatting", dessine le décor avec une multitude de petites taches de couleur floues suspendues dans l'espace, comme un tableau pointilliste en 3D (un nuage de points). Jusqu'ici, la transformation d'un lieu réel en décor 3D exigeait de nombreuses photos avec des positions précises de la caméra et de longs calculs. Infin Splat V2 simplifie cela en construisant la scène directement à partir de quelques images en une seule passe, même sans connaître la position de la caméra. Cela ouvre des possibilités pour la vidéo IA, la visite virtuelle de lieux filmés avec un téléphone, la création de décors de jeux vidéo, ou la reconstruction d'environnements 3D pour les voitures autonomes. La démonstration avec plus de 1000 images filmées depuis une voiture a permis de créer un environnement 3D navigable. L'outil surpasse les méthodes comparées sur six bancs d'essai et une démo est en ligne, avec le code et les poids du modèle disponibles. Pour compléter les décors, Uniforge 3D, une nouvelle IA publiée il y a une semaine, permet de fabriquer des objets. À partir de quelques photos d'un objet prises sous différents angles, elle génère un modèle 3D complet et texturé, même pour les faces non photographiées. C'est un défi, car les modèles de reconstruction fidèles laissent des trous, tandis que les modèles génératifs inventent les parties manquantes mais peuvent altérer l'objet réel. Uniforge 3D combine le meilleur des deux approches en cherchant la photo la plus pertinente pour chaque "voxel" (l'équivalent 3D du pixel), conservant les détails visibles tout en inventant les zones cachées. Il ne nécessite pas d'indiquer la position de la caméra. Cet outil peut faire gagner un temps précieux aux commerçants pour la présentation de produits en ligne ou aux développeurs de jeux. Il s'intègre bien avec Infin Splat V2, l'un s'occupant du décor et l'autre des objets. Le code et les poids sont disponibles sur Ginface. Revenons à l'ordinateur quantique. L'information dans un ordinateur classique est stockée en bits (0 ou 1), tandis que les ordinateurs quantiques utilisent des "qubits" capables de contenir un mélange des deux à la fois, permettant d'explorer de nombreuses possibilités en parallèle. Cependant, les qubits sont extrêmement fragiles, une légère perturbation pouvant ruiner un calcul. La correction d'erreurs quantiques est donc cruciale : elle répartit l'information sur plusieurs qubits pour détecter et réparer les erreurs. Si elle protège bien les opérations simples, les opérations plus délicates nécessitent des "magic states" (états magiques), très difficiles à produire proprement. Chaque "magic state" est consommé après usage, et leur fabrication peut mobiliser jusqu'à 95% de la machine. Ce goulot d'étranglement est connu depuis 20 ans. En 2004, Serge Bravie et Alex Kitave ont proposé la "distillation", qui purifie des états imparfaits. En 2024, trois chercheurs de Google ont imaginé la "cultivation", une approche plus économe agissant comme un filtre pour purifier les états. Google a publié dans la revue Science la première démonstration de la cultivation sur une vraie puce (processeur Willow), réduisant les erreurs par 40 et atteignant une fidélité record de 99,99%. Cependant, le déchiffrement de nos données n'est pas imminent. L'expérience n'a utilisé que 54 des 105 qubits de Willow, et il faudrait des "magic states" un million de fois plus propres pour casser le chiffrement RSA 2048, avec une erreur sur 10 milliards. La vitesse des progrès est notable : en 2019, 20 millions de qubits imparfaits étaient estimés nécessaires pour casser le chiffrement ; en 2025, ce chiffre est descendu sous le million grâce à la cultivation. Google estime que réduire de moitié le bruit de son processeur suffirait à ramener les erreurs à environ 2/100000. Si cette perspective est inquiétante, elle ouvre aussi la voie à des applications révolutionnaires en médecine et matériaux. Des chiffrements post-quantiques résistants à ces machines sont déjà en cours de déploiement. En matière de génération d'images IA open source, deux annonces majeures sont sorties. Créa 3, publié le 15 octobre, est un modèle conçu pour retoucher des images existantes. Contrairement aux générateurs classiques qui redessinent toute l'image, Créa 3 ne modifie que la zone indiquée, laissant le reste intact. Une retouche 2K prend moins de 8 secondes, et Créa revendique une vitesse 10 fois supérieure à Chat GPTI 2 et quatre fois supérieure à Nano Banana Pro. Il se classe deuxième sur un banc d'essai de retouche d'Alibaba. Sa grande nouveauté est la possibilité de l'entraîner avec des "Lauras" personnalisés pour reconnaître des produits, visages ou styles précis, assurant la cohérence pour les marques. Créa, utilisé par 35 millions d'utilisateurs, facture 6 centimes de dollar par retouche 2K et est un modèle fermé en ligne. La deuxième annonce vient de Black Forest Labs avec Flux 3 Image Clan, la version téléchargeable de leur dernier modèle d'