Microsoft dépose un brevet pour une IA capable de modifier ce que disent les personnes lors d'émissions en direct, en changeant les paroles des intervenants et en ajustant leurs expressions faciales

Microsoft a déposé un brevet pour un système d'intelligence artificielle (IA) capable de modifier les propos des intervenants dans une vidéo en direct, puis d'ajuster les mouvements de leur bouche et l'expression de leur visage pour les adapter au contenu audio modifié. Selon le brevet, cette technologie pourrait servir à traduire des discours en temps réel, à supprimer les mots de remplissage ou à remplacer des expressions familières et tout langage jugé offensant, en fonction d'instructions prédéfinies ou de profils d’utilisateurs individuels. Microsoft n’a toutefois annoncé aucune intention de transformer le brevet en produit concret, et on ignore si cette technologie sera un jour mise à la disposition des consommateurs.

Microsoft Corporation est un conglomérat technologique multinational américain dont le siège social est situé à Redmond, dans l'État de Washington. L'entreprise a joué un rôle déterminant dans l'essor des ordinateurs personnels grâce à des logiciels tels que Windows et s'est depuis diversifiée dans des domaines tels que les services Internet, le cloud computing, l'IA et les jeux vidéo, entre autres. Comptant parmi les « Big Tech », Microsoft est le plus grand éditeur de logiciels en termes de chiffre d'affaires, l'une des sociétés cotées en bourse les plus valorisées et l'une des marques les plus valorisées au monde.

Une personne qui regarde un discours en direct pourrait bientôt avoir la possibilité d’entendre quelque chose de totalement différent de ce que l’orateur a réellement dit. Microsoft étudie actuellement une technologie d’intelligence artificielle capable de modifier les paroles d’une personne, de supprimer les expressions indésirables et même de modifier les mouvements de sa bouche et de son visage pendant la lecture d’une vidéo. Cette idée provient d’un brevet récemment déposé par Microsoft, qui décrit un système capable d’apporter des modifications à des flux audio et vidéo en direct, quasi en temps réel. Au lieu de se contenter de filtrer le son ou d’ajouter des sous-titres, la technologie proposée modifierait les images elles-mêmes, donnant l’impression que l’orateur avait initialement prononcé les mots modifiés.

Le système utiliserait des agents IA pour détecter des mots ou des expressions spécifiques et déterminer s’ils doivent être supprimés ou remplacés. Une fois la modification apportée à l’audio, la technologie ajusterait également les mouvements de la bouche et l’expression faciale de l’intervenant pour qu’ils correspondent. Elle modifierait également l’audio et la vidéo environnants afin que les spectateurs ne remarquent pas de coupures ou d’interruptions soudaines. Les modifications pourraient s’appuyer sur des instructions prédéfinies ou sur des profils d’utilisateurs individuels, permettant ainsi à une même diffusion d’apparaître différemment selon les spectateurs.


Le brevet de Microsoft va au-delà de la simple traduction pour s'étendre à la réécriture de la parole en temps réel

L'une des applications les plus concrètes mentionnées dans le brevet est la traduction simultanée. Un spectateur pourrait ainsi suivre un discours dans la langue de son choix, les mouvements de la bouche de l'orateur étant modifiés pour correspondre à l'audio traduit. Le système pourrait également rendre le discours plus fluide en supprimant les pauses inutiles, les mots de remplissage tels que « euh » et « ah », ainsi que les bégaiements. Il pourrait corriger les mots mal prononcés ou mal utilisés sans que l'orateur ait à répéter quoi que ce soit.

Mais la proposition de Microsoft ne se limite pas à rendre le discours plus facile à comprendre. Le brevet décrit également la suppression d’expressions que les spectateurs pourraient ne pas souhaiter entendre, notamment des expressions familières, des néologismes et des expressions locales. Par exemple, si quelqu'un utilise « vous tous » ou « serrer les dents » pendant une présentation, ces expressions pourraient être remplacées par d'autres mots. Le système pourrait également identifier et supprimer les propos jugés offensants, déplacés ou inappropriés. Il pourrait même recourir à une recherche sur Internet pour trouver des mots de remplacement adaptés.

Cela offrirait aux spectateurs un niveau de contrôle sur les conversations en direct qui va au-delà des sous-titres, des traductions et des filtres audio classiques.


Différents téléspectateurs, différents discours, et la question de savoir ce qui a réellement été dit

Cette technologie soulève également une question importante : à partir de quand l’amélioration d’une diffusion en direct revient-elle à modifier ce qui s’est réellement passé ? Supprimer un bégaiement ou traduire un discours peut aider le public à suivre un événement. En revanche, remplacer les expressions d’une personne ou supprimer des mots parce qu’ils ne correspondent pas aux préférences d’un spectateur est une tout autre affaire. Le choix des mots, l'accent et les expressions locales d'un intervenant font partie intégrante de sa manière de communiquer. Si l'IA commence à supprimer ces éléments, les téléspectateurs risquent de se retrouver face à une version de l'intervenant qui ne le représente pas fidèlement.

Il est également possible que différents publics reçoivent des versions différentes d’un même discours sans s’en rendre compte. Un message pourrait prendre une tournure complètement différente selon les modifications apportées au flux de chaque spectateur. Le brevet tient compte de la nécessité de conserver les séquences originales. Il suggère que les fichiers audio et vidéo non modifiés puissent être enregistrés et stockés comme « vérité terrain », servant ainsi de référence pour vérifier la version éditée. Le système proposé pourrait être utilisé pour plusieurs types de contenus en direct, notamment des conférences, des présentations professionnelles, des cérémonies de remise de prix, des émissions de télévision, des émissions culinaires et des événements sportifs en direct.

Microsoft n’a pas annoncé son intention de transformer ce brevet en un produit concret. Comme pour tout dépôt de brevet, on ignore encore si cette technologie sera un jour mise à la disposition des consommateurs.

Le dépôt de ce brevet s'inscrit dans un contexte où la stratégie de Microsoft en matière d'IA suscite des inquiétudes jusque dans ses propres rangs. Dans le cadre du procès intenté par le New York Times contre Microsoft et OpenAI, des documents divulgués ont révélé que la firme de Redmond était consciente que son approche de l'IA pouvait entraîner une « spirale infernale » susceptible de détruire le Web. Les outils d’IA se nourrissent en effet de contenus humains tout en privant créateurs, journalistes et artistes de leurs revenus publicitaires en fournissant des réponses directes. Cette dynamique touche déjà plusieurs secteurs créatifs, pousse les éditeurs de presse à saisir la justice pour obtenir des compensations financières et remet en question la viabilité à long terme des modèles économiques actuels de l’IA.

Source : Brevet avec le numéro de publication US 2026/0341309 A1, daté du 29 octobre 2026

Et vous ?

Quel est votre avis sur le sujet ?
Trouvez-vous cette initiative de Microsoft crédible ou pertinente ?

Voir aussi :

"Vous ne pouvez pas croire toutes les vidéos que vous voyez", selon Brad Smith, vice-président de Microsoft, il explique comment lutter contre le contenu abusif de l'IA et les deepfakes malveillants

Un Recall 2.0 ? Microsoft prépare une fonctionnalité d'IA qui scanne et analyse tous vos fichiers multimédias, mais à quel prix pour la confidentialité ? Encore une fonction d'IA qui fouille votre PC

Microsoft et Sony s'associent pour développer des caméras intelligentes alimentées par l'intelligence artificielle, afin de rendre les solutions d'analyse vidéo plus accessible