Tavus Griffin me fait réagir de deux façons à la fois : c'est impressionnant, et je ne sais pas trop quoi penser de la suite. Un appel vidéo avec une IA capable d'écouter, de réagir et de suivre la conversation pourrait être très utile. Mais savoir qui se trouve vraiment à l'autre bout devient aussi beaucoup moins évident.
Ce sont les petits détails qui m'intéressent ici. Le sourire qui arrive au bon moment, la place laissée à une interruption, la réaction pendant que l'autre parle encore. Une réponse assez banale peut faire un tout autre effet quand tout ça commence à fonctionner ensemble.
Voici la vidéo de lancement de Tavus. Faites attention à ce qui se passe autour des mots, y compris pendant que l'autre personne parle.
Vidéo : Tavus. C'est leur démonstration ; je n'ai pas testé Griffin moi-même. Vous pouvez aussi la regarder sur YouTube.
Il continue d'écouter pendant qu'il parle
Tavus a présenté Griffin le 1er octobre. Griffin-Lite est la version de recherche en accès préliminaire. L'entreprise décrit une prise en compte continue de l'audio et de la vidéo, avec des décisions conversationnelles prises à des intervalles inférieurs à une seconde, pendant la génération de la parole et de la vidéo.
Concrètement : le système peut rester attentif pendant qu'il répond. Une pause, une interruption ou une réaction sur le visage peut influencer la suite. L'architecture de Tavus associe un moteur conversationnel à la génération de parole et de vidéo en streaming.
Pensez à un problème que vous expliquez à quelqu'un. La personne peut avoir besoin d'un moment avant de répondre, mais un hochement de tête ou un regard vers ce que vous lui montrez vous indique qu'elle suit toujours. Le même délai avec un visage figé donne l'impression que la connexion a sauté.
C'est pour ça que ce qui se passe pendant l'attente compte. Une transcription passe à côté d'une bonne partie de ce qui rend une conversation agréable, ou bizarre.
À quel point peut-il passer pour un humain ?
Tavus rapporte que 26 personnes sur 54, soit 48 %, pensaient avoir parlé à un humain après un appel d'une minute. Les participants s'attendaient à échanger avec un autre participant ; on ne leur demandait s'il pouvait s'agir d'une IA qu'à la fin du questionnaire.
Le résultat est frappant, mais sa portée est assez précise. Une petite étude menée par le fournisseur sur des conversations courtes ne prouve pas que le système est indétectable. Elle ne dit pas ce qui se passe lors d'un appel plus long, ou quand quelqu'un cherche activement à savoir s'il parle à une IA.
Le classement VideoFDB de NVIDIA et David AI apporte un autre point de comparaison. Le 3 octobre, Griffin-Lite arrivait en tête des systèmes d'IA évalués, tant en génération qu'en perception audiovisuelles. La référence humaine restait devant sur les notes globales et l'alignement temporel dans les deux catégories. Ces notes sont attribuées par un modèle selon une grille d'évaluation, avec les limites que ça implique aussi.
Au lancement, Griffin-Lite était réservé à des testeurs de confiance sélectionnés. Il reste un écart entre une démonstration impressionnante et un outil qu'on peut juger à l'usage, au quotidien.
Le support informatique est un usage facile à imaginer
Un agent de support informatique capable de suivre ce que vous lui montrez, de vous demander de déplacer la caméra et de remarquer que vous pointez un autre câble pourrait être utile. Tout comme un agent qui cesse de vous expliquer le mauvais écran dès que vous l'interrompez.
Ça éviterait une partie des échanges laborieux quand on essaie de décrire un problème sans savoir comment s'appelle la pièce. Le même type d'interaction pourrait servir à la formation sur le terrain, ou à préparer une conversation difficile.
Ce sont des possibilités, pas des résultats établis par la démo. Les conseils doivent toujours être corrects. Un visage sympathique qui recommande avec assurance la mauvaise solution rendrait simplement un mauvais support plus convaincant.
Et beaucoup de tâches n'ont besoin que d'une réponse courte ou d'un bouton. Je n'ai pas particulièrement besoin d'une personne photoréaliste pour me lire un lien de réinitialisation de mot de passe. Les cas intéressants sont ceux où voir, écouter et réagir facilitent vraiment l'échange.
Et puis il y a ce que ça change autour de nous
Si ces conversations deviennent courantes, un échange vidéo naturel nous dira moins de choses sur la présence réelle d'une autre personne. Pouvoir discuter facilement avec un logiciel est utile ; ne pas savoir à qui on parle, c'est une autre expérience.
Pour du support courant, une IA clairement présentée comme telle peut très bien convenir. Dans une conversation personnelle, ou une réunion où la présence de quelqu'un compte, savoir qui est réellement là compte aussi. Je voudrais le savoir avant l'appel, plutôt que de devoir mener l'enquête pendant.
Et bien sûr, il y a la version un peu ridicule de ce futur : l'IA d'une entreprise fait passer un entretien à celle d'un candidat. Le courant passe à merveille. Le candidat est quand même recalé pour manque de chaleur humaine.
Deux systèmes discutent de l'importance d'un contact humain authentique, pendant que les deux personnes concernées sont ailleurs. Ça ressemble à une blague. Je ne serais pourtant pas du tout surpris de voir quelqu'un en faire une idée de produit.
C'est de la spéculation, mais ça touche à quelque chose que je n'ai pas encore tranché. Certaines conversations seraient plus simples si un logiciel pouvait s'en charger. D'autres n'auraient plus grand intérêt si tout le monde envoyait un remplaçant.
Je vois tout de suite des usages utiles, et je suis curieux de voir ce que les gens en feront. Je sais moins comment je réagirai quand un logiciel ordinaire pourra produire un interlocuteur crédible dans un appel vidéo. Pour l'instant, ces deux réactions me semblent raisonnables.
Sources : la page de recherche Griffin de Tavus, la vidéo de lancement ci-dessus et VideoFDB de NVIDIA / David AI. État de la recherche au 3 octobre 2026. L'étude de Tavus est rapportée par le fournisseur. Les usages possibles et les scénarios futurs sont ma propre interprétation.