Le laboratoire chinois Minimax a publié un modèle appelé H3. Pour comprendre ce que cela signifie, il faut d’abord préciser un mot : un modèle d’IA, c’est un programme qui a appris une tâche en analysant des quantités gigantesques de données. H3, lui, a appris à générer des vidéos.
Il existe en deux versions, l’un de 22 milliards de paramètres, l’autre de 33 milliards. Les paramètres sont les réglages internes du modèle, un peu comme les connexions d’un cerveau artificiel. Plus il y en a, plus le modèle peut capturer de détails, mais plus il demande de puissance.
La bonne nouvelle, c’est que H3 peut fonctionner sur un ordinateur équipé d’une carte graphique récente. La carte graphique, souvent appelée GPU, est un composant qui permet de réaliser des calculs très lourds, notamment pour l’affichage des jeux vidéo et pour l’IA. La VRAM, elle, est la mémoire de cette carte graphique.
H3 demande entre 5 et 16 Go de VRAM selon la version. Des versions optimisées, dites “turbo”, tournent sur des cartes comme les GeForce RTX 4080 ou 4090, et des cartes plus modestes des séries 60 ou 70 s’en sortent également.
Une fois le modèle téléchargé, il n’y a plus de limite de génération, plus de file d’attente, plus de censure et plus besoin d’être connecté à Internet. En clair, on peut créer des vidéos à l’infini, gratuitement, sur son propre ordinateur.
Mieux : H3 ne produit pas seulement des images en mouvement. Il sait aussi générer l’audio qui va avec, c’est-à-dire des dialogues, des bruitages ou de la musique, à partir d’une simple phrase descriptive. Ce niveau de réalisme était considéré comme très difficile il y a encore un an.
Le modèle possède également une forme de connaissance du monde. Il reconnaît des styles artistiques, des personnages de dessin animé, des interfaces logicielles, ou encore des ambiances réalistes. On peut lui fournir une capture d’écran d’un jeu vidéo et lui demander de créer une séquence de gameplay. On peut aussi lui donner trois images d’un même personnage et le faire agir dans une courte scène.
Selon un site indépendant qui compare les modèles d’IA, H3 est numéro un mondial en montage vidéo et numéro deux en génération de vidéo à partir d’un texte, pour les modèles exécutés localement. L’annonce a d’ailleurs fait bondir l’action de la société Minimax de plus de 20 % à la Bourse de Hong Kong.
Animer des personnages avec une simple photo
Alibaba, un autre géant chinois, a publié un outil nommé Wan Animate 2. Celui-ci ne cherche pas à générer une vidéo à partir de rien. Son objectif est différent : il anime un personnage à partir d’une image fixe.
Par exemple, on part d’une photo d’un humain, d’une peluche ou d’un personnage de dessin animé aux proportions inhabituelles, et on la combine avec une vidéo de référence dans laquelle une personne bouge. Le modèle transfère alors les mouvements de la personne vers le personnage. Il reproduit les gestes des mains, le mouvement des doigts et même les expressions du visage.
Jusqu’ici, ce type d’outil existait déjà, mais Wan Animate 2 apporte une nouveauté importante : il peut animer plusieurs personnages en même temps, à partir d’une seule vidéo de référence. Il gère aussi des silhouettes non humaines et permet de modifier l’angle de la caméra.
Une version allégée, appelée Wan Animate 2 Lite, fonctionne presque en temps réel. La latence, c’est-à-dire le délai entre l’entrée et la sortie, serait inférieure à une seconde. Cela ouvre la porte à des usages comme le streaming en direct ou les avatars numériques, ces personnages virtuels qui parlent et réagissent devant une caméra.
La version complète pèse environ 33 Go, ce qui demande une bonne carte graphique.
Mais une version dite “quantifiée” est aussi disponible. Quantifier, c’est simplifier les nombres utilisés par le modèle afin de réduire sa taille et sa consommation de mémoire, au prix d’une petite perte de qualité. Cette version compressée fonctionne sur des cartes graphiques de milieu de gamme.
Et pour les habitués de ComfyUI, une interface visuelle qui permet de piloter des modèles d’IA sans écrire de code, l’intégration est déjà prête.
Wan 3.0, le générateur qui comprend vos fichiers
Toujours chez Alibaba, un autre modèle appelé Wan 3.0 a été lancé en version bêta publique le 6 août. Sa particularité est de pouvoir générer trente secondes de vidéo en une seule passe, c’est-à-dire sans découper le travail en plusieurs morceaux à recoller.
C’est deux fois plus que la version précédente. Mais ce qui impressionne le plus, c’est sa capacité à comprendre plusieurs types de données à la fois. On parle de modèle multimodal, ce qui signifie qu’il peut traiter du texte, des images, de l’audio et de la vidéo.
La nouveauté la plus étonnante est encore ailleurs : Wan 3.0 peut accepter des fichiers bureautiques, comme des documents Word, des présentations PowerPoint, des PDF, des tableurs Excel ou des fichiers Markdown. On peut donc lui donner un tableau Excel et lui demander de produire une vidéo à partir de ces données. Cette capacité inédite n’en est probablement qu’à ses débuts.
On peut imaginer que, bientôt, une simple présentation de chiffres deviendra automatiquement un support vidéo animé et commenté.
Un modèle de langue de la taille d’une galaxie
Alibaba a également annoncé un modèle de langage nommé Qwen 3.8 Max. Un modèle de langage, c’est un programme conçu pour comprendre et produire du texte. Sa taille est vertigineuse : environ 2 400 milliards de paramètres. Pour donner un ordre d’idée, c’est l’un des plus gros modèles jamais dévoilés publiquement. Mais la taille brute ne suffit pas. Ce qui compte, c’est la consommation réelle de puissance.
Qwen utilise une architecture appelée Mixture of Experts, que l’on peut traduire par “mélange d’experts”. Plutôt qu’un seul cerveau géant qui activerait tout à chaque fois, le modèle est composé de plusieurs spécialistes. Pour chaque tâche, il ne réveille que certains d’entre eux.
C’est un peu comme une grande entreprise où l’on ne convoque que les services utiles à une réunion, au lieu de déplacer tous les employés. Ainsi, Qwen 3.8 Max ne mobilise que 95 milliards de paramètres actifs à la fois, ce qui le rend plus léger et moins coûteux à faire fonctionner.
Alibaba a promis de rendre publics les “poids” du modèle, c’est-à-dire les valeurs numériques qui déterminent son comportement, sur les plateformes Hugging Face et ModelScope. C’est une première pour un modèle de cette catégorie. Pour faire simple, une fois ces fichiers publiés, n’importe quelle entreprise ou développeur pourra les télécharger et les utiliser.
Les démonstrations réalisées avec Qwen 3.8 Max sont impressionnantes. Dans une expérience, le modèle a été chargé de créer un système capable de s’améliorer tout seul, en partant d’un dossier vide.
Il a travaillé de manière autonome pendant 16 jours, sans intervention humaine, effectuant plus de 265 sauvegardes de code et proposant 125 améliorations. Il s’est comporté comme un ingénieur en logiciel, capable de coder et de corriger ses propres erreurs, de même que d’intégrer ses propres modifications.
Dans une autre expérience, on lui a donné un article de recherche sur l’entraînement des IA, avec pour consigne de reproduire et de dépasser les résultats. Il y est parvenu en cinq jours, en reconstruisant l’expérience et en testant dix-huit améliorations personnelles. À la fin, sa méthode a surpassé l’article original de 2,7 points sur un test de mathématiques compétitives.
En ce qui concerne le coût, l’utilisation de Qwen 3.8 Max via une interface de programmation, que l’on appelle API, est fixée à 2 dollars par million de tokens en entrée et 6 dollars en sortie. Un token correspond à peu près à un morceau de mot. Ce tarif est comparable à celui des autres grands modèles du marché.
Des robots plus adroits
L’IA ne se contente plus d’écrire ou de filmer.
Elle apprend aussi à manipuler le monde physique. Un algorithme nommé Prism a été présenté pour améliorer le contrôle des robots. Un algorithme est une méthode de calcul, une suite d’instructions qui permet de résoudre un problème.
Prism apprend à partir des données brutes des capteurs du robot, comme les nuages de points 3D, c’est-à-dire une représentation de l’espace en trois dimensions, et les angles des articulations. Il prend en compte plusieurs signaux en même temps : la force exercée, la vitesse, le contact, la friction.
Cette approche permet au robot de prendre de meilleures décisions lorsqu’il touche ou déplace des objets. Selon les tests publiés, Prism réussit des tâches de manipulation où les autres méthodes échouent fréquemment. Son code est accessible au téléchargement, ce qui permet aux développeurs de robots et de drones de l’essayer.
De son côté, Google DeepMind, le laboratoire d’intelligence artificielle de Google, a dévoilé Gemini Robotics 2. La version précédente ne contrôlait que le haut du corps du robot. Cette nouvelle version gère le corps entier.
Un robot peut recevoir une instruction en langage naturel, comme “va prendre la bouteille d’eau sur la table et apporte-la-moi”, repérer l’objet dans la pièce, s’y rendre, le saisir et revenir. Le tout dans un mouvement continu.
Ce système repose sur trois modèles complémentaires.
Le premier, Gemini Robotics 2, est un modèle dit VLA, pour Vision-Language-Action. Autrement dit, il reçoit une image, comprend une phrase, et produit une action motrice.
Le deuxième, Gemini Robotics E2, sert de cerveau de haut niveau : il observe l’environnement, planifie les différentes étapes, repère les erreurs et peut coordonner plusieurs robots en même temps.
Le troisième, Gemini Robotics On-Device 2, est une version compacte qui fonctionne directement sur le robot, sans connexion internet, pour des décisions quasi instantanées. Cette architecture ressemble à notre propre corps : le cerveau réfléchit, le système nerveux réagit.
Les progrès sont visibles dans des gestes très précis. Dévisser une ampoule, nouer un sac de poubelle, ajuster la force des doigts sans rien casser : ces manipulations demandent une coordination fine que les robots peinaient à réaliser il y a peu.
Parallèlement, les modèles vidéo open source sont envisagés comme des simulateurs pour les robots. Un “world model”, ou modèle de monde, est une sorte de monde virtuel dans lequel le robot peut s’entraîner. Une fois qu’il sait agir dans ce monde simulé, il peut transférer ses apprentissages dans le réel. C’est exactement la logique qui explique pourquoi des modèles comme H3 sont aussi importants pour la robotique.
Google en pleine recomposition
Le même jour, une nouvelle est passée presque inaperçue, mais elle est considérable. Jeff Dean, l’un des ingénieurs les plus importants de l’histoire de Google, a quitté l’entreprise après vingt-sept ans.
Jeff Dean a contribué à construire l’infrastructure technique de Google et participé au développement de treize produits utilisés chacun par plus d’un milliard de personnes. Son départ s’ajoute à celui de plusieurs figures clés, notamment Noam Shazeer, coresponsable du modèle Gemini, parti chez OpenAI, et John Jumper, prix Nobel de chimie, parti chez Anthropic.
Google DeepMind change aussi de direction. Demis Hassabis, le fondateur emblématique de DeepMind, prix Nobel de chimie (!) quitte la gestion quotidienne pour devenir président du laboratoire et directeur scientifique de l’ensemble du groupe Alphabet.
La direction opérationnelle est confiée à Koray Kavukcuoglu, qui rendra compte directement à Sundar Pichai, le patron de Google.
En parallèle, la sortie du modèle Gemini 3.5 Pro a été retardée, car ses performances en codage n’ont pas atteint les objectifs attendus. Le jour de l’annonce, l’action Alphabet a reculé de 5 %. Que faut-il en penser ?
Google conserve d’immenses ressources, mais la fuite de ses cerveaux historiques est un signe que la guerre des talents fait rage. L’entreprise a pourtant déjà prouvé qu’elle pouvait revenir, même après un départ manqué, comme ce fut le cas avec son chatbot Bard à ses débuts.
Transcrire l’audio avec une précision chirurgicale
Il ne faudrait pas oublier un outil plus simple, mais très utile. Crisp Whisper 2 est un système open source de transcription, c’est-à-dire qu’il transforme un fichier audio en texte. Il s’inscrit dans la lignée de Whisper, un modèle de transcription créé par OpenAI.
Sa particularité est de proposer un mode “verbatim” extrêmement précis, qui retranscrit les hésitations, les bégaiements, les rires, les répétitions et les faux départs. Ce niveau de détail est précieux pour les chercheurs, les journalistes ou toute personne qui analyse des conversations.
Crisp Whisper 2 est aussi très précis dans le temps : sa marge d’erreur moyenne est d’environ trente millisecondes pour une parole lue et quarante et une millisecondes pour une conversation.
La famille comprend plusieurs modèles, du plus léger de 200 millions de paramètres, capable de tourner sur un ordinateur portable sans carte graphique ou même sur un téléphone, jusqu’à un modèle de 2 milliards de paramètres pesant environ 3 Go.
Le code est distribué sous licence MIT, une licence libre qui autorise tout usage, y compris commercial. Autrement dit, une entreprise peut intégrer cet outil dans ses propres produits sans payer de droits.
Une liberté qui change la donne
Ce qui vient de se passer en quelques jours est un condensé de ce que vit le secteur de l’intelligence artificielle depuis le début de l’année. Des outils considérés comme impossibles il y a encore quelques mois sont désormais téléchargeables librement :
➤ la génération vidéo,
➤ l’animation de personnages,
➤ la compréhension de fichiers bureautiques,
➤ la programmation autonome,
➤ la manipulation robotique et
➤ la transcription audio,
Elles font toutes partie de ce mouvement. Excusez du peu !
Bien sûr, “gratuit” ne veut pas dire “sans effort”. Il faut posséder une carte graphique assez puissante, savoir télécharger un modèle et parfois manipuler des logiciels techniques.
Mais pour une génération croissante d’utilisateurs équipés d’un ordinateur de jeu, l’IA de pointe devient locale, privée et libre. Il n’est plus nécessaire de payer un abonnement pour chaque service : on peut posséder l’outil, le modifier, l’exécuter hors ligne.
Ce mouvement ne va probablement pas ralentir.
Des laboratoires du monde entier publient leurs recherches pour attirer les développeurs, créer des communautés et s’imposer comme des standards.
Pour le grand public, la conséquence est simple : l’intelligence artificielle n’est plus seulement quelque chose que l’on consomme, c’est quelque chose que l’on peut posséder.
Et cela, personne ne l’a vraiment annoncé.
N.D.L.R
Si la gratuité des IA est agréable pour notre portefeuille, cela pose quand même un énorme problème.
En effet, pour fonctionner, la plupart des IA demandent des capitaux énormes pour
➡️ investir dans les data centers,
➡️ les entretenir,
➡️ payer leurs énormes charges,
➡️ recruter et payer des équipes d'informaticiens,
➡️ payer des bureaux de préférence confortables pour des collaborateurs qui travaillent beaucoup plus de 36 heures par semaine et prennent très peu de congés.
Si l'IA devient gratuite d'un côté du monde, suivez mon regard, et très chère de l'autre, il va y avoir un très gros problème. Le plus probable et le plus imminent étant que les entreprises dites” IA frontières” qui ont investi des milliards, voire des centaines de milliards, dans l'intelligence artificielle, ne vont pouvoir subsister longtemps, surtout au prix que leur coûtent ces investissements et les énormes intérêts qui en découlent.
Je rappelle que ChatGPT ne gagne toujours pas d'argent. Pire, il perd des milliards chaque année.
Si le Krach de la bulle IA, que plusieurs observateurs prédisent, se produit, ce sera catastrophique non seulement pour l'intelligence artificielle, mais pour le monde entier et donc pour nous tous.
À la nuance près que les riches ne devront que se priver un peu, alors que les pauvres et les classes moyennes ne s’en relèveront pas.
Ne pas oublier non plus que plusieurs des investisseurs les plus riches de la planète, dont Warren Buffett, ont retiré tout leur argent de l'intelligence artificielle.
Ce que j'ai du mal à comprendre, c'est que des génies comme Sam Altman et Dario Amodéi, qui dirigent les deux plus grandes listes actuelles, et beaucoup d’autres de leurs concurrents, n'ont pas compris dès le départ que l'intelligence artificielle, quels que soient ses mérites (qui sont nombreux), ne pouvait pas rapporter d'argent immédiatement.
Surtout, compte tenu des réactions que l'on observe et que l'on aurait pu prévoir de la part de beaucoup de ceux qui seront les premiers à subir les conséquences du développement des IA. Notamment les plus jeunes des collaborateurs des entreprises qui utilisent déjà couramment l’IA et n'hésitent pas, paraît-il, à carrément la saboter afin de retarder le moment où elle ne manquera pas de prendre leur place.
Certes, avec son écosystème existant et les milliards que lui rapporte déjà la publicité, Google n’a pas trop de soucis à se faire. Ce sera également le cas pour Amazon avec AWS et Microsoft avec Azure.
Sauf peut-être Microsoft, qui a investi beaucoup de milliards et qui, contrairement aux autres, n'en gagne pas toujours beaucoup avec l'intelligence artificielle. Il est manifeste que Copilot, bien qu’associé à OpenAI, n’a pas rencontré le succès escompté.
Quant à Windows qui engraisse largement Microsoft depuis des décennies, son concurrent de toujours, Linux, vient de dépasser les 10 % d’audience et gagne des clients chaque jour.
En ce qui concerne les utilisateurs actuels de l'intelligence artificielle, pour l'instant, on constate chez OpenAI, particulièrement, que la majorité des utilisateurs de ChatGPT, sont des utilisateurs gratuits.
Certes, Altman vient d'introduire la publicité, mais pour les utilisateurs gratuits seulement.
De ce point de vue, j'ai beaucoup de mal à comprendre comment Altman espère gagner un jour de l'argent avec l'intelligence artificielle, sans jamais toucher à la confidentialité des données de ses utilisateurs. Anthropic a fait un autre choix qui s'avère judicieux : son cœur de cible, ce sont les entreprises et non les particuliers.
À cet égard, je constate, en revanche, que beaucoup d'utilisateurs ont compris depuis longtemps que la plupart des IA n'allaient pas se priver de toucher largement à la confidentialité de leurs données et que ceux-là ne sont pas prêts à payer de façon conséquente ni à faciliter le développement de l'intelligence artificielle.
Quant à ceux dont le travail est directement menacé par le développement de l'intelligence artificielle, ne comptez pas sur eux non plus pour faciliter le développement de l'intelligence artificielle. Il semble même que les jeunes collaborateurs en entreprise auraient une tendance certaine à appuyer plutôt sur le frein plutôt que sur l'accélérateur de l'intelligence artificielle.
Je n'oublie pas non plus les entreprises “old school », néanmoins toujours florissantes, qui perdent désormais beaucoup d’argent depuis l'introduction grandissante de l'IA dans les moteurs de recherche. Et, particulièrement, le plus grand d'entre eux.
Je rappelle que Google, pour ne pas le nommer, avait pris beaucoup de retard au début du développement de l'intelligence artificielle. Pour brutalement occuper sans coup férir la tête de toutes les intelligences artificielles.
Ce qui signifie qu'il a fini par comprendre comment s'engager dans l'intelligence artificielle, et de quelle façon, sans compromettre pour autant le juteux business model qui l’engraisse depuis des décennies.
Et tout cela sans toucher à nos données ? Permettez que je m’esclaffe.
En réalité, Google, qui s'est voué à la recherche sur l'intelligence artificielle depuis de nombreuses années, mais apparemment uniquement dans son propre intérêt et non dans celui des utilisateurs, a mis beaucoup de temps à comprendre comment tirer parti de l'intelligence artificielle pour accroître ses bénéfices publicitaires, qui proviennent directement des données de ses utilisateurs, sans que cela ne se voit.
Ce qui, apparemment, vu le dégagement massif de ses principales têtes pensantes, n'a pas beaucoup plu aux principaux cadres de sa hiérarchie. Mais n’empêche nullement Google d’injecter massivement son IA, à savoir Gemini, dans absolument toutes ses productions. À ce jeu-là, il n'est certainement plus dans les premières IA frontières, mais l'immense travail souterrain qu'il accomplit inexorablement va lui permettre, vraisemblablement, de demeurer le plus riche dans les décennies à venir.
À condition toutefois qu’un membre beaucoup moins connu de ses collaborateurs ne crache pas le morceau et que l'algorithme de Google pour introduire massivement l'IA dans toutes ses productions, sans toucher aux données confidentielles de ses clients (?) soit dévoilé.
Si on ajoute à cela l'open source, qui, à l'initiative de la Chine, bien sûr, se développe très vite et très fort et capture à longueur de journée des clients qui n'iront jamais sur les IA payantes, je crois que gagner suffisamment d’argent avec l’I.A. pour non seulement financer les investissements, mais en plus s’assurer une marge confortable et ne pas toucher aux données des utilisateurs restera le problème essentiel… des concurrents de Google.
Pour résumer, il me semble qu'en l'état actuel des choses, en ce qui concerne le financement des investissements très importants que nécessite l'intelligence artificielle, Anthropic a apparemment choisi la bonne voie, à savoir prendre pour cible les entreprises et pas les particuliers.
En ce qui concerne la situation de Sam Altman, il a eu, si l’on peut dire, la malchance de voir les utilisateurs, en dehors des entreprises, se jeter dès le début, par millions, sur ses productions.
Depuis, il cherche désespérément les solutions pour arriver à faire payer ses millions d’utilisateurs. Et, à l'évidence, il n'y arrive pas, ses dettes deviennent astronomiques et je pense qu'il aura beaucoup de mal à les honorer.
Elon Musk, en revanche, a fini par réussir ses ultimes coups de poker stratosphériques. En effet, avec sa giga entreprise Space AX, qui réunit :
➡️ SpaceX, ses fusées,
➡️ XAI, son réseau social
➡️ Tesla, ses voitures électriques
➡️ Cursor, une des meilleures applications actuelles d’intelligence artificielle, que Musk vient d'acheter pour … 60 milliards de dollars. Ce qui en fait la plus chère des applications d’IA à l”heure actuelle.
➡️ Grok 4,6, son IA : qui vient de se hisser dans le trio de tête des IA frontières (la version 4,7 est déjà dans les tuyaux et promet de surpasser tout le monde).
Il me semble actuellement le mieux armé pour arriver à faire fructifier l’intelligence artificielle dans les multiples secteurs qu’il maîtrise désormais.