OutilsArs Technica AI12sem· 1 min de lecture

Les joueurs expriment leur écœurement face aux retouches IA générative de DLSS 5

Nvidia a déclenché une vague de mécontentement dans la communauté des joueurs en dévoilant hier DLSS 5, une technologie qui franchit une nouvelle frontière : au-delà du simple upscaling, elle intègre de l'IA générative pour retravailler en profondeur l'éclairage et les textures des jeux en temps réel. La réaction a été immédiate et massivement négative, aussi bien chez les joueurs que dans l'industrie du jeu vidéo.

Depuis le lancement du DLSS en 2018 avec les cartes RTX 2080, la technologie était globalement bien acceptée : elle permettait d'améliorer les résolutions et les performances via du machine learning, sans trahir le rendu original des artistes. Avec DLSS 5, Nvidia change de nature : il ne s'agit plus d'optimiser un rendu existant, mais de le réinventer. C'est précisément ce glissement qui inquiète — la ligne entre "amélioration technique" et "altération créative" est désormais franchie.

DLSS 5, prévu pour l'automne 2025, est décrit par Nvidia comme "un modèle de rendu neuronal en temps réel" capable de "livrer un niveau de photoréalisme autrefois réservé aux effets visuels hollywoodiens". Le PDG Jensen Huang a explicitement évoqué une fusion entre IA générative et "rendu artisanal" pour "un bond dramatique en réalisme visuel". Le système exploite les vecteurs de couleur et de mouvement internes au jeu pour injecter un éclairage et des matériaux photoréalistes cohérents d'une frame à l'autre, en analysant des éléments comme les personnages, les cheveux, les tissus ou les conditions lumineuses.

Le résultat visible dans les démos est qualifié par les détracteurs de "uniformément lisse et inquiétant" — un effet uncanny valley appliqué à l'ensemble d'une scène. La question qui s'impose désormais : les studios partenaires auront-ils réellement le contrôle créatif promis par Nvidia, ou l'IA générative imposera-t-elle sa propre esthétique par-dessus le travail des artistes ?

Impact France/UE

Les studios de jeux vidéo européens et leurs artistes devront réévaluer leurs pipelines créatifs si DLSS 5 s'impose comme standard, risquant de voir leurs intentions artistiques supplantées par un rendu généré automatiquement.

Dans nos dossiers

NVIDIA

Cet article vous a été utile ?

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

À lire aussi

1The Verge AI

DLSS 5 ressemble à un filtre IA génératif en temps réel pour les jeux vidéo

Nvidia a annoncé DLSS 5 lors de sa conférence GTC, une mise à jour qui intègre l'IA générative au rendu graphique en temps réel dans les jeux vidéo. Le PDG Jensen Huang la décrit comme "le moment GPT du graphisme", promettant des améliorations notables de l'éclairage et des ombres. La mise à jour divise déjà la communauté : certains saluent le bond en réalisme visuel, d'autres critiquent une altération inacceptable de l'intention artistique des créateurs.

OutilsOutil

1 source

2AWS ML Blog

Amazon Finance automatise le traitement des demandes réglementaires grâce à l'IA générative sur AWS

Les équipes Finance Technology (FinTech) d'Amazon ont déployé un système automatisé de gestion des enquêtes réglementaires, construit sur Amazon Bedrock et plusieurs services AWS. Face à des milliers de documents à traiter, en formats PDF, Word, PowerPoint et CSV, et à des délais réglementaires stricts imposés par des autorités aux exigences très différentes selon les juridictions, les équipes ont développé une application basée sur la génération augmentée par récupération (RAG). Le coeur du système repose sur Amazon Bedrock Knowledge Bases couplé à Amazon OpenSearch Serverless pour le stockage vectoriel, Claude Sonnet 4.5 comme modèle de langage via l'API Converse Stream, et Amazon DynamoDB pour la gestion de l'historique des conversations. Chaque équipe FinTech maintient sa propre base de connaissances alimentée par ses documents spécifiques. Ce système change concrètement la façon dont des équipes internes traitent des demandes réglementaires complexes, qui nécessitent de croiser des milliers de précédents documentaires tout en maintenant le fil de conversations multi-tours sur plusieurs sessions. Avant cette solution, la fragmentation des connaissances entre différents systèmes d'infrastructure Amazon rendait la synthèse d'information lente et risquée. Désormais, les réponses sont contextuelles, s'appuient sur des données historiques précises, et s'affinent de manière itérative au fil des échanges. L'enjeu de conformité est central : une réponse inexacte ou basée sur une directive réglementaire obsolète peut exposer Amazon à des violations juridiques directes. La difficulté majeure que ce projet révèle est celle de l'observabilité des systèmes d'IA dans des contextes réglementés. Les équipes ont intégré OpenTelemetry et Langfuse en auto-hébergement pour monitorer en continu les décisions du modèle, détecter les hallucinations, c'est-à-dire les cas où le modèle génère des informations absentes des documents sources, et surveiller la dérive de précision dans le temps, inévitable à mesure que les prompts, les modèles et le corpus documentaire évoluent. Le choix de ne pas mettre en cache les réponses LLM est délibéré : les enquêtes réglementaires sont trop contextuelles pour bénéficier d'un cache, dont le taux d'utilisation serait trop faible pour justifier la complexité. Ce déploiement illustre une tendance croissante chez les grandes entreprises tech à internaliser leurs systèmes RAG sur des infrastructures cloud propriétaires, plutôt que de s'appuyer sur des solutions SaaS tierces, notamment pour garder le contrôle sur la traçabilité et la conformité des réponses générées.

UELes équipes techniques européennes confrontées aux enquêtes réglementaires (RGPD, AI Act) peuvent s'inspirer de cette architecture RAG multi-sources pour automatiser leur gestion de conformité.

OutilsActu

1 source

3MarkTechPost

Fish Audio lance Fish Audio S2 : une nouvelle génération de synthèse vocale expressive (TTS) aux émotions incroyablement contrôlables

Fish Audio lance S2-Pro, un modèle de synthèse vocale de nouvelle génération reposant sur une architecture Dual-AR (4B paramètres pour la sémantique, 400M pour l'acoustique) et la quantification vectorielle résiduelle (RVQ), permettant une génération audio 44,1 kHz avec une latence inférieure à 150 ms. Le modèle offre un clonage vocal zero-shot à partir d'un extrait de référence de 10 à 30 secondes, sans fine-tuning. Une fonctionnalité notable est le contrôle émotionnel granulaire via des balises en langage naturel insérées directement dans le texte (ex. [whisper], [laugh]), permettant des transitions d'émotion dynamiques au sein d'une même génération.

OutilsOutil

1 source

4Siècle Digital

Quels types de contenus les IA génératives citent vraiment (et ceux qu’elles ignorent)

Une étude publiée le 23 mars par Tom Wells, chercheur spécialisé en GEO (Generative Engine Optimization) chez Wix, révèle que les outils d'IA générative — désormais utilisés comme moteurs de recherche alternatifs — ne citent pas les contenus de façon aléatoire. Selon ses analyses, trois formats de contenu concentrent l'essentiel des références générées par les LLM, tandis que la grande majorité des autres types de pages est systématiquement ignorée. Ce constat a des implications directes pour les équipes marketing et SEO qui misent sur la visibilité dans les réponses générées par ChatGPT, Perplexity ou Google AI Overviews. Contrairement au référencement classique, où la densité de mots-clés et les backlinks dominent, les LLM semblent privilégier la structure, la clarté factuelle et l'autorité perçue d'un contenu. Les marques qui ne s'adaptent pas à ces critères risquent de disparaître totalement de la surface d'information consommée par des millions d'utilisateurs. Ce travail s'inscrit dans un champ émergent — le GEO — qui tente de décoder les règles implicites de sélection des grandes IA conversationnelles, de la même façon que le SEO a décrypté les algorithmes de Google dans les années 2000. Wix, en finançant cette recherche, positionne sa plateforme sur ce terrain stratégique. Les conclusions de Wells devraient alimenter les débats sur la concentration de l'attention dans un écosystème où quelques formats favorisés captent l'essentiel de la visibilité éditoriale.

UELes équipes marketing et SEO françaises et européennes devront adapter leurs stratégies éditoriales aux critères de sélection des IA génératives pour maintenir leur visibilité dans un écosystème informationnel en mutation.

OutilsPaper

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

Gratuit · 1 email le matin, rédigé par un humain · désinscription en un clic