OutilsLe Big Data4sem

NVIDIA vient de tuer le rendu 3D classique : découvrez Lyra 2.0 !

Résumé IASource uniqueImpact UE

NVIDIA a publié le 15 avril 2026 Lyra 2.0, un nouveau framework de recherche capable de générer des environnements 3D persistants et explorables à grande échelle. Développé par NVIDIA Research, cet outil repose sur une génération vidéo 3D guidée par une caméra virtuelle : le système reconstruit progressivement la structure volumétrique d'une scène à partir de séquences d'images, transformant chaque mouvement de caméra en matière tridimensionnelle exploitable. La particularité centrale est la persistance géométrique, chaque zone visitée est mémorisée par image, ce qui permet de revenir en arrière sans que le système réinvente les détails disparus de son champ de vue. Lyra 2.0 intègre également un mécanisme de correction de la dérive temporelle, un phénomène qui dégradait les scènes générées sur la durée dans les approches précédentes. Les scènes produites peuvent être exportées en Gaussian Splatting, une technique de rendu rapide basée sur des points lumineux, et intégrées à des simulateurs comme Isaac Sim.

L'impact concret de Lyra 2.0 touche plusieurs industries simultanément. Pour les studios de jeu vidéo et les équipes de production 3D, la technologie court-circuite une partie du pipeline traditionnel de modélisation : au lieu de construire manuellement des environnements, on les traverse pendant leur génération automatique. Pour la robotique et l'IA embarquée, les environnements générés deviennent des terrains d'entraînement réalistes, permettant de tester des agents intelligents dans des conditions proches du monde réel sans coûteuses captures physiques. La reconstruction feed-forward, qui transforme une vidéo en structure 3D sans étape manuelle lourde, ouvre la voie à une production de données synthétiques à une échelle difficile à atteindre jusqu'ici. C'est ce double usage, création visuelle et simulation opérationnelle, qui distingue Lyra 2.0 des outils de génération vidéo classiques.

La sortie de Lyra 2.0 intervient dans un contexte de compétition intense autour des mondes 3D génératifs. NVIDIA a publié le code source le 15 avril 2026, soit un jour seulement après que World Labs a lancé Spark 2.0, son propre système concurrent. Ce calendrier serré illustre la course que se livrent les grands acteurs de l'IA pour imposer leurs standards dans ce segment émergent. NVIDIA part avec un avantage structurel : son écosystème logiciel, Isaac Sim, Gaussian Splatting, les GPU omniprésents dans les datacenters, lui permet d'intégrer Lyra 2.0 dans des workflows industriels existants dès le départ. Les prochaines étapes attendues concernent l'amélioration de la résolution des scènes générées, la gestion des environnements extérieurs complexes, et l'intégration plus poussée avec les pipelines de simulation robotique où NVIDIA investit massivement depuis plusieurs années.

Impact France/UE

Les studios de jeux vidéo et équipes de robotique européens peuvent adopter ce framework open source pour accélérer leur pipeline de création 3D et générer des données d'entraînement synthétiques sans captures physiques coûteuses.

Dans nos dossiers

NVIDIA

Vu une erreur factuelle dans cet article ? Signalez-la. Toutes les corrections valides sont publiées sur /corrections.

À lire aussi

1Le Big Data

Au-delà du Copilot : Classiq invente l’ingénieur quantique virtuel

La start-up israélienne Classiq vient de franchir une étape significative dans la démocratisation du calcul quantique en intégrant un agent d'intelligence artificielle générative au coeur de sa plateforme de développement. Concrètement, cet outil permet à un responsable technique ou à un ingénieur métier de décrire un problème en langage naturel, en français ou en anglais, et d'obtenir en retour une architecture logicielle quantique compilable. L'agent ne se contente pas de générer du texte : il synthétise du code en tenant compte des contraintes physiques réelles des processeurs quantiques actuels, garantissant ainsi que les programmes produits sont réellement exécutables et non de simples ébauches conceptuelles. Nir Minerbi, fondateur et PDG de Classiq, présente cet outil comme une passerelle directe entre les problématiques concrètes des entreprises et les actifs numériques exploitables sur les machines de demain. L'enjeu est considérable pour des secteurs comme la finance quantitative, la chimie computationnelle ou la conception de nouveaux matériaux, où la rapidité d'itération conditionne l'avantage concurrentiel. Jusqu'ici, programmer pour un ordinateur quantique exigeait une maîtrise pointue de la physique des qubits, un profil rare et coûteux que peu d'entreprises pouvaient s'offrir à grande échelle. En automatisant l'intégralité du cycle de développement, de la traduction du besoin métier jusqu'à l'optimisation des circuits, Classiq libère les équipes des tâches de «tuyauterie» complexe et leur permet de concentrer leurs efforts sur la valeur ajoutée. Pour les directions informatiques, c'est aussi l'assurance d'un investissement durable : le code généré s'adapte aux évolutions matérielles sans devenir obsolète à chaque mise à jour des processeurs. L'adoption du calcul quantique par les grandes entreprises bute depuis des années sur un double obstacle : la rareté des experts capables d'écrire des algorithmes quantiques, et la fragmentation d'un écosystème où chaque génération de machines impose de réécrire le code from scratch. Plusieurs acteurs, dont IBM, Google et IonQ, investissent massivement pour abaisser cette barrière d'entrée, mais l'approche de Classiq se distingue en ciblant explicitement la couche de développement logiciel plutôt que le matériel. En structurant la connaissance quantique dans des bibliothèques réutilisables gérées par des agents experts, la start-up entend faire entrer ce calcul de haute performance dans les flux de travail industriels standard. Si la promesse se confirme en production, cette démarche pourrait accélérer significativement le moment où le quantique cesse d'être un sujet de laboratoire pour devenir un outil opérationnel dans les entreprises.

OutilsOutil

1 source

2Le Big Data

30 voix, des émotions, des soupirs… Google Vids vient de rendre l’IA plus humaine que jamais

Google a déployé le 15 avril 2026 une mise à jour majeure de Google Vids, son outil de création vidéo intégré à Workspace, en introduisant une trentaine de nouvelles voix IA expressives. Ces voix sont propulsées par Gemini 3.1 Flash TTS, un moteur de synthèse vocale de nouvelle génération capable d'intégrer des émotions, des pauses et des effets sonores directement dans la narration. Concrètement, les utilisateurs peuvent désormais insérer des instructions dans leur script, un mot lu avec enthousiasme, une pause marquée via une notation simple, voire un rire naturel, pour guider la performance vocale sans retouche audio manuelle. La mise à jour étend également la couverture linguistique de 8 à 24 langues, ajoutant notamment l'arabe, le bengali, l'hindi, le polonais, le thaï et le vietnamien. Le déploiement est progressif pour les comptes Google Workspace, Workspace Individual et les comptes personnels. Cette évolution répond à une limite longtemps reprochée aux outils de narration automatique : le ton uniforme et mécanique qui trahit immédiatement l'origine synthétique du contenu. Avec un panel de trente voix aux registres distincts, certaines dynamiques, d'autres pédagogiques ou posées, Google Vids permet d'adapter le style vocal au type de contenu sans effort supplémentaire. Une vidéo de formation peut désormais sonner différemment d'une présentation commerciale, ce qui réduit la fatigue auditive et renforce la crédibilité des productions. Pour les équipes qui utilisent Google Vids à grande échelle pour créer des tutoriels, des onboardings ou des communications internes, l'impact pratique est immédiat : moins de post-production, une meilleure rétention de l'audience, et une flexibilité narrative que les voix TTS classiques ne permettaient tout simplement pas. Google Vids, lancé en 2024 comme outil de création vidéo assistée par IA au sein de la suite Workspace, cherche à se positionner face à des concurrents comme HeyGen, Synthesia ou ElevenLabs qui ont fait de l'expressivité vocale leur argument central. L'intégration de Gemini 3.1 Flash TTS marque un tournant : Google dispose désormais d'un modèle capable de rivaliser sur ce terrain, en s'appuyant sur son écosystème d'entreprise déjà massivement déployé. L'ouverture à 24 langues signale aussi une ambition internationale claire, notamment vers les marchés asiatiques et du Moyen-Orient où la demande en contenu vidéo professionnel localisé est forte. La prochaine étape logique serait le clonage vocal personnalisé ou la synchronisation labiale, des fonctionnalités que plusieurs concurrents proposent déjà et que Google n'a pas encore annoncées pour Vids.

UELes équipes françaises utilisant Google Workspace bénéficient immédiatement de voix expressives en français et d'une réduction du temps de post-production pour leurs contenus vidéo internes.

OutilsOutil

1 source

3Le Big Data

Google Lyria : l’IA de musique passe au niveau suivant avec ces nouveautés

Google a dévoilé Lyria Pro, une nouvelle version majeure de son IA de création musicale, capable de générer des morceaux complets pouvant atteindre trois minutes de durée structurée — intros, couplets, refrains et ponts inclus. Un bond considérable par rapport à la version précédente, limitée à des extraits d'une trentaine de secondes. La fonctionnalité est réservée aux abonnés payants des formules Business, Enterprise, Google AI Pro et Ultra, avec une intégration directe dans l'application de productivité Vids. Les morceaux peuvent être générés en français et dans sept autres langues, et la plateforme propose également un générateur de pochettes d'albums via l'outil Nano Banana. L'accès pour les clients Education Plus et Google AI Pro est présenté comme une phase promotionnelle limitée jusqu'à fin mai 2026. Cette évolution change concrètement la donne pour les équipes de communication, les créateurs de contenu vidéo et les entreprises qui produisent des supports audiovisuels en volume. Jusqu'ici, obtenir une bande sonore originale impliquait soit de payer des licences musicales externes, soit de faire appel à des compositeurs. Lyria Pro court-circuite ces deux options en permettant à n'importe quel collaborateur, sans formation musicale, de générer en quelques clics une musique cohérente et adaptée à l'identité visuelle d'une marque. L'intégration dans Vids vise précisément la post-production professionnelle, transformant la création sonore en tâche ordinaire de bureautique. Pour les entreprises, le calcul économique est direct : réduire la dépendance aux bibliothèques de licences et accélérer les cycles de production. Cette montée en puissance s'inscrit dans un contexte de tension croissante entre les grandes plateformes technologiques et l'industrie musicale traditionnelle, qui durcit ses positions face à la prolifération de contenus générés algorithmiquement. Google choisit délibérément la trajectoire inverse — non pas limiter ces contenus, mais les rendre omniprésents dans son écosystème d'outils professionnels. Lyria devient ainsi un levier de rétention pour l'abonnement Ultra, dans une logique de suite intégrée comparable à ce qu'Adobe tente avec Firefly sur le visuel. Les questions sur la valeur artistique de la musique de stock générée par IA, déjà soulevées par les syndicats de musiciens, prennent ici une dimension nouvelle : ce n'est plus un outil de niche, mais une fonctionnalité embarquée dans des produits utilisés quotidiennement par des millions d'entreprises. La prochaine bataille se jouera probablement sur le terrain juridique des droits d'auteur liés aux données d'entraînement.

UELes entreprises françaises abonnées à Google Workspace (Business, Enterprise, AI Pro) peuvent désormais générer des musiques originales en français pour leurs productions vidéo, réduisant leur dépendance aux bibliothèques de licences musicales.

OutilsOutil

1 source

4Le Big Data

Privacy Filter : découvrez le nouvel outil OpenAI capable de protéger vos données personnelles

OpenAI a publié le 22 avril 2026 Privacy Filter, son premier modèle open source de l'année, sous licence Apache 2.0. Il s'agit d'un modèle de classification de tokens bidirectionnel, dérivé de GPT-OSS, conçu pour détecter et masquer automatiquement les données personnelles dans des textes non structurés : noms, adresses, numéros d'identification, e-mails, secrets d'API et autres informations identifiables. Avec seulement 1,5 milliard de paramètres, le modèle est suffisamment compact pour tourner en local, y compris directement dans un navigateur. Il supporte une fenêtre de contexte de 128 000 tokens, ce qui lui permet d'analyser des documents longs en une seule passe. Sur le benchmark PII-Masking-300k, il affiche des résultats proches du haut du classement après ajustements des données d'évaluation, et OpenAI précise en utiliser déjà une version optimisée en interne. Ce lancement répond à un besoin concret dans les environnements professionnels où l'IA traite des volumes croissants de données sensibles : logs d'agents, pipelines d'entraînement, systèmes de journalisation. En fonctionnant entièrement en local, Privacy Filter évite d'exposer les données à des serveurs externes, ce qui réduit les risques de fuite et simplifie la conformité réglementaire, notamment face au RGPD. Contrairement aux approches classiques fondées sur des règles fixes, le modèle analyse le contexte linguistique, ce qui améliore la détection des informations implicites ou formulées de manière indirecte. Les développeurs peuvent en outre ajuster les seuils de filtrage pour moduler l'équilibre entre précision et rappel selon leurs cas d'usage, et le modèle est disponible en formats Transformers et ONNX pour une intégration flexible. Ce mouvement s'inscrit dans une tendance plus large : celle des grands laboratoires d'IA qui cherchent à regagner la confiance des entreprises en proposant des outils de gouvernance des données intégrés dès la conception, plutôt qu'ajoutés après coup. OpenAI, longtemps critiqué pour ses pratiques d'utilisation des données d'entraînement, envoie ici un signal à destination des équipes techniques et des directions juridiques qui conditionnent le déploiement de l'IA à des garanties de confidentialité. Le choix de l'open source sous Apache 2.0 facilite aussi l'adoption dans des environnements régulés où les dépendances propriétaires sont problématiques. La société prévient néanmoins que Privacy Filter n'est pas une solution universelle et que ses performances varient selon les langues et les contextes, laissant ouverte la question de son efficacité sur des données très spécifiques ou des formats atypiques.

UELa conformité RGPD est directement facilitée pour les entreprises françaises et européennes : le modèle tourne en local sans envoi de données vers des serveurs externes, simplifiant les obligations de traitement des données personnelles.

OutilsOutil

1 source

Recevez l'essentiel de l'IA chaque jour

Une sélection éditoriale quotidienne, sans bruit. Directement dans votre boîte mail.

Recevez l'essentiel de l'IA chaque jour