OutilsArs Technica AI6sem

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

Résumé IASource uniqueImpact UE

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

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

2MarkTechPost

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

3Siècle 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

4AWS ML Blog

L'IA générative d'AWS au service du commerce de détail

Amazon Web Services propose une solution complète de commerce en ligne basée sur l'intelligence artificielle générative, permettant aux enseignes de déployer un système d'essayage virtuel et de recommandation de produits. Construite autour d'Amazon Nova Canvas, Amazon Rekognition et Amazon OpenSearch Serverless, l'architecture repose entièrement sur des services sans serveur (serverless) et se déploie via une seule commande grâce au modèle AWS SAM. Cinq fonctions Lambda spécialisées orchestrent les différentes capacités : interface chatbot, traitement de l'essayage virtuel, génération de recommandations, ingestion de données et recherche intelligente. Le stockage s'appuie sur des buckets S3, la recherche vectorielle sur OpenSearch Serverless, et le suivi analytique en temps réel sur DynamoDB. La solution est disponible en open source sur GitHub et peut être déployée directement dans un compte AWS, de préférence en région us-east-1. Cette technologie s'attaque à un problème économique majeur du e-commerce : l'incertitude des acheteurs face à la taille et au rendu visuel des produits, qui génère des taux de retour élevés, des coûts opérationnels importants et une frustration client. En permettant aux consommateurs de visualiser de façon réaliste un vêtement ou un accessoire porté sur eux, le système améliore directement la confiance à l'achat et réduit les retours, avec un impact mesurable sur la rentabilité. Au-delà de l'essayage, la solution intègre une recherche en langage naturel comprenant l'intention client, des recommandations visuellement pertinentes basées sur Amazon Titan Multimodal Embeddings, et un tableau de bord analytique qui aide les retailers à optimiser leur inventaire et leurs décisions merchandising. Le commerce en ligne est sous pression croissante pour reproduire l'expérience sensorielle du magasin physique, un défi que les technologies de réalité augmentée et d'IA générative commencent seulement à résoudre à grande échelle. AWS positionne cette solution autant pour ses partenaires intégrateurs que pour les retailers qui souhaitent accélérer leur transformation numérique sans développer d'infrastructure propriétaire. La conception modulaire permet d'adopter une ou plusieurs fonctionnalités de façon indépendante, abaissant ainsi la barrière à l'entrée pour les enseignes de taille intermédiaire. À mesure que les modèles de fondation d'Amazon Bedrock gagnent en disponibilité régionale et en performance, ce type de solution hybride, combinant vision par ordinateur, embeddings multimodaux et génération d'images, devrait s'imposer comme standard dans les plateformes e-commerce de nouvelle génération.

UELes retailers français et européens peuvent déployer cette solution pour réduire leurs taux de retour e-commerce, mais au prix d'une dépendance totale à l'infrastructure cloud américaine d'AWS.

OutilsOutil

1 source