Le mardi, Google a dévoilé Veo 3, un nouveau modèle de synthèse vidéo par intelligence artificielle capable de réaliser ce qu’aucun générateur vidéo IA majeur n’avait réussi auparavant : produire une piste audio synchronisée avec la vidéo. Entre 2022 et 2024, les premières vidéos générées par IA étaient silencieuses et généralement très courtes. Désormais, Veo 3 fournit des clips HD de huit secondes avec voix, dialogues et effets sonores. Suite au lancement, les gens ont immédiatement posé la question évidente de référence : à quel point Veo 3 peut-il faire semblant d’être l’acteur oscarisé Will Smith en train de manger des spaghettis ? Pour faire un bref rappel : le « benchmark spaghetti » dans la vidéo IA a commencé en mars 2023 avec une première vidéo générée par IA, assez troublante, créée à l’aide d’un modèle de synthèse open source appelé ModelScope. Cet exemple de spaghetti est devenu si connu que Smith l’a parodié près d’un an plus tard, en février 2024. Voici un rappel de la vidéo virale originale : Ce qui est souvent oublié, c’est qu’à l’époque, la parodie de Smith n’a pas été réalisée avec le meilleur générateur vidéo IA disponible — un modèle appelé Gen-2 de Runway avait déjà fourni des résultats de meilleure qualité, mais il n’était pas encore accessible au public. Pourtant, la version de ModelScope était suffisamment étrange et mémorable pour devenir un point de référence pour les limites précoces de la vidéo IA alors que la technologie progressait. Plus tôt cette semaine, le développeur d’applications IA Javi Lopez a répondu à des fans impatients de revisiter le test spaghetti avec Veo 3, partageant ses résultats sur X. Cependant, en regardant les vidéos, la bande sonore semblait inhabituelle : le faux Smith semblait croquer dans ses spaghettis. Ce bug provient de la capacité expérimentale de Veo 3 à ajouter des effets sonores, probablement parce que ses données d’entraînement incluaient de nombreux exemples de mastication accompagnée de bruits de croquage. Les modèles d’IA générative fonctionnent comme des systèmes de prédiction basés sur la reconnaissance de motifs, s’appuyant sur une quantité suffisante de données d’entraînement variées. Lorsqu’un concept est sur- ou sous-représenté dans ces données, cela peut entraîner des artefacts de génération étranges, comme ici. Nous avons également testé le prompt nous-mêmes sur Veo 3, mais « Will Smith » était bloqué par le filtre de contenu de Google.

En revanche, utiliser le prompt « Un homme noir mangeant des spaghettis » a produit un effet sonore croustillant similaire (Lopez a peut-être eu un accès anticipé sans filtre ou a expérimenté avec des variations de prompts qui ont échappé au filtre). Veo 3 impressionne par sa capacité à générer des dialogues cohérents et de la musique, inspirant déjà de nombreux exemples remarquables sur X. Ne voulant pas nous limiter à une vidéo d’un homme mangeant des pâtes très al dente, nous avons testé si la figure pouvait chanter et manger en même temps en demandant : « Un homme chantant une opérette comique en anglais sur les spaghettis à une table de cuisine tout en les mangeant. » Nous avons fait d’importants progrès depuis 2023, et les générateurs de vidéo IA continueront à s’améliorer en réalisme et en fonctionnalités. Si ce n’était la limite actuelle du filtre célébrité de Veo 3, il serait facile de créer des vidéos de Smith chantant — ou faisant presque n’importe quoi — ce qui soulève d’éventuelles préoccupations liées à la technologie vidéo IA. La singularité culturelle approche à grands pas. À ce propos, nous avons récemment mené notre propre série approfondie de tests de génération vidéo avec Veo 3 et partagerons bientôt ces résultats dans un article dédié. Pour l’instant, considérez ceci comme une brève mise à jour sur le « Jeune Prince de la noodle-time ». Bon appétit !