Microsoft dépose un brevet d'IA pour modifier la parole en direct

Imaginez que vous regardiez une retransmission en direct où l'intervenant prononce une phrase, mais que vous entendez des propos différents. Un autre téléspectateur suivant exactement le même flux perçoit une version alternative, les mouvements des lèvres s'accordant parfaitement au dialogue modifié sur les deux écrans. Cela ressemble à de la science-fiction, mais une demande de brevet déposée par Microsoft décrit une technologie conçue précisément pour permettre cela.

Publiée fin octobre, la demande de brevet présente un système d'intelligence artificielle capable d'identifier des mots au cours d'une diffusion en direct, de les remplacer presque en temps réel et de modifier simultanément la vidéo pour synchroniser les mouvements de la bouche avec le nouvel audio.

Selon les documents du brevet, le système pourrait supprimer les insultes, corriger les erreurs de prononciation, éliminer les bégaiements et les tics de langage, et substituer des expressions offensantes. Il pourrait également adapter le contenu aux caractéristiques du spectateur, telles que l'âge, la langue et la localisation géographique. Par exemple, un enfant pourrait recevoir une émission totalement exempte de grossièretés, tandis qu'un adulte assistant à la même scène entendrait les propos d'origine.

Une autre utilisation majeure concerne la traduction en temps réel : au lieu de sous-titres ou d'un doublage désynchronisé, le spectateur peut entendre l'intervenant dans sa propre langue tout en observant ses lèvres bouger en harmonie avec les termes traduits. Le système analyse les flux audio et vidéo, identifie les mots à modifier, génère un audio de remplacement grâce à l'intelligence artificielle et reconstruit les images du visage pour adapter les mouvements labiaux.

D'après le document, le processus s'exécute avec un décalage d'une à dix secondes, introduisant un léger retard de diffusion pendant lequel le système édite les paroles et l'image associée. Les documents décrivent également l'utilisation de résultats de recherche Internet pour sélectionner des formulations alternatives, ouvrant la voie à une correction d'informations en cours de diffusion.

Toutefois, cette technologie soulève une question fondamentale : que se passe-t-il si l'intelligence artificielle commet une erreur ? Un spectateur risque d'entendre une personne prononcer une phrase qu'elle n'a jamais dite, sans savoir que le système est intervenu. Les revendications principales de la demande de brevet n'imposent d'ailleurs pas d'avertir le public que le contenu a été modifié.

Microsoft a déposé cette demande de brevet en avril 2025, et celle-ci a été publiée en octobre 2026. Les revendications dans leur forme initiale se sont déjà heurtées à l'opposition des examinateurs de brevets américains, et la procédure n'a pas encore abouti à un brevet accordé. Pour l'instant, Microsoft n'a annoncé aucun produit commercial fondé sur ce dispositif, mais ce concept illustre le défi posé par l'intelligence artificielle à notre confiance dans l'image : lorsque les mots et les mouvements des lèvres peuvent être altérés, le simple fait de voir quelqu'un parler ne suffit plus à garantir la vérité de ses propos.