L'IA a maintenant un corps (cette semaine tout devient réel)

Cette semaine, l'IA a fait des avancées significatives, notamment avec une technologie capable d'éditer des vidéos en temps réel, rappelant les débuts d'un film de science-fiction. De plus, un robot a réussi à effectuer 40 minutes de tâches physiques sans interruption. Ces développements montrent que l'IA ne se limite plus à l'écran, mais interagit de plus en plus avec le monde physique, se corrige seule et devient plus autonome. La première innovation majeure est "Live Edit", une technologie permettant d'éditer des vidéos en direct. Contrairement à la post-production, Live Edit modifie le contenu image par image en temps réel, à environ 13 images par seconde (FPS). L'utilisateur fournit une vidéo source et une instruction, comme "changer la météo en neige" ou "supprimer cet objet à l'arrière-plan", et le système exécute la modification instantanément. Basée sur une architecture causale en streaming, cette technologie, bien qu'à ses débuts avec 13 FPS, est déjà utilisable pour la réalité augmentée ou l'édition en direct sur les tournages. Son code est open source et le modèle ne pèse que 17 Go, le rendant accessible sur un GPU de milieu de gamme. On s'attend à ce qu'elle soit intégrée dans des logiciels grand public d'ici quelques mois. Ensuite, l'IA sort du domaine numérique pour agir dans le monde physique avec "Omnicontact", un nouveau système qui enseigne aux robots humanoïdes à enchaîner des tâches complexes sur de longues durées. Ce n'est plus une simple exécution de gestes isolés, mais des séquences complètes comme marcher vers une boîte, l'attraper, la porter, la poser, pousser un chariot, et même gérer une perte d'équilibre, le tout pendant 40 minutes sans intervention humaine. Le défi résolu ici est fondamental : coordonner des compétences individuelles pour former une séquence continue et ininterrompue. Omnicontact utilise un concept appelé "contact flow", un plan compact décrivant les mouvements du robot et ses interactions avec les objets au fil du temps. Les résultats sont impressionnants, avec 98,7 % de réussite pour le transport de boîtes, ce qui est très utile pour les usines. Ce système peut également se connecter à des modèles de vision pour des tâches sémantiques, comme organiser des boîtes en forme de cœur ou de lettres. Le code et le jeu de données sont publics, accélérant ainsi l'autonomie des robots. Parallèlement, la puissance de l'IA est mise à l'épreuve. Claude Fable 5, le modèle le plus puissant d'Anthropic, a été temporairement suspendu après que des chercheurs d'Amazon aient trouvé une méthode pour contourner ses garde-fous. Bien que Fable 5 soit revenu avec un classifieur de sécurité plus strict, bloquant 99 % des cas et redirigeant des tâches légitimes vers Opus 4.8, il est perçu comme moins performant que sa version initiale. Cependant, Anthropic a lancé en parallèle Cloud Sonet 5, un nouveau modèle milieu de gamme très efficace pour les agents IA. Sonet 5 surpasse Chat GPT 5.5 sur le benchmark de référence pour le codage agentique (SW bench pro), atteignant 63,2 % contre 58,6 %, et ce à un prix nettement inférieur. Cela indique que la course à l'IA ne se joue plus uniquement sur la puissance brute, mais aussi sur l'efficacité, qui devient un argument majeur. Cette logique d'amélioration continue s'étend à la robotique avec "Aspire" de Nvidia, un système qui permet aux robots d'apprendre de leurs propres échecs pour transformer chaque leçon en compétences réutilisables. Similaire aux "skills" des agents IA, Aspire analyse la cause précise de l'échec d'une tâche pour corriger le code et sauvegarder la solution dans une bibliothèque de compétences. Jim Fan, directeur de recherche en robotique chez Nvidia, y voit un changement de paradigme, où l'entraînement passe par le raffinement des compétences plutôt que par la seule descente du gradient. Les résultats sont éloquents : le taux de réussite sur le transfert d'objets bimanuels passe de 20 % à 92 %. Pour des tâches longues et inédites, Aspire atteint 31 % en zéro-shot, contre 4 % pour les méthodes précédentes. Plus le robot rencontre de problèmes, plus sa bibliothèque s'enrichit, et plus il s'adapte aux situations nouvelles. Le code est déjà open source. Le cerveau de ce système est Cloud Opus 4.6, soulignant l'importance des modèles de langage dans cette avancée. Dans une direction inattendue, l'entreprise chinoise Uptech a dévoilé sa nouvelle gamme de robots U1, des robots de compagnie. Disponibles en versions masculine (1,83 m) et féminine (1,68 m) avec une peau en silicone reproduisant la texture humaine, ces robots intègrent une IA émotionnelle capable de reconnaître plus de 20 états émotionnels avec 90 % de précision. Ils disposent de 88 degrés de liberté, d'une mémoire à long terme et d'un moteur d'interaction réaliste. Les précommandes ont dépassé les 13 000 le premier jour, forçant Uptech à les fermer en trois jours. Les livraisons sont prévues pour septembre. Uptech cible un marché réel, notamment les 90 millions d'adultes vivant seuls en Chine et les 118 millions de seniors. L'entreprise prévoit même de donner 100 robots personnalisés gratuitement en 2026 pour des programmes de bien-être mental. Ces robots sont la première itération et sont destinés à devenir plus réalistes, interactifs et abordables, soulevant des questions sur l'évolution des relations humaines. La frontière entre l'humain et la machine se brouille également au niveau cérébral. Meta a développé "Brain to QWERTY version 2", un système qui transforme l'activité cérébrale en texte tapé. Utilisant la magnéto-encéphalographie (MEG), cette technologie mesure les champs magnétiques produits par l'activité neuronale. L'utilisateur tape un texte sur un clavier pendant que le scanner enregistre ses signaux cérébraux, et un modèle de deep learning décode ces signaux pour reconstituer le texte. Entraînée sur 22 000 phrases de neuf volontaires, la version 2 atteint 61 % de précision au niveau des mots (jusqu'à 70 % pour le meilleur participant), un bond considérable par rapport aux 8 % des méthodes non invasives précédentes. La performance continue de s'améliorer avec plus de données, suggérant la possibilité de communiquer par la pensée sans appareils invasifs à l'avenir. Le code d'entraînement est disponible, mais le scanner MEG actuel, de la taille d'un bureau, reste un frein. L'objectif est la miniaturisation vers un capteur portable, ce qui pourrait révolutionner les interfaces. Enfin, Nvidia s'attaque à un autre goulot d'étranglement de la robotique : l'entraînement. "Sim Foundry" permet de filmer une scène réelle avec un smartphone, puis de la transformer en une simulation 3D précise pour l'entraînement robotique. Le système génère