Los Angeles, et un avertissement du fournisseur
Au SIGGRAPH de Los Angeles, le 20 juillet 2026, Nvidia a annoncé le Synthetic Video Detector, un microservice de sa plateforme AI for Media qui analyse les images vue par vue et estime si elles ont été générées. Rev Lebaredian, vice-président chargé de la simulation d'IA physique, a posé l'enjeu sans détour en déclarant que si nous ne pouvons pas distinguer une vidéo synthétique d'une vidéo réelle, cela peut éroder la confiance du public.
La phrase la plus utile figurait plus bas dans l'annonce, et elle venait de Nvidia et non d'un détracteur. Plutôt que de remplacer les pratiques de vérification établies, écrit l'entreprise, le microservice fournit un signal supplémentaire pour des décisions urgentes. C'est un fournisseur qui vous dit à l'avance de ne pas traiter sa sortie comme une preuve. Il faut le prendre au mot.
Trois chiffres, et le plus bas est le vôtre
Nvidia a publié la précision à trois niveaux de compression. Dans ses propres tests, le modèle a atteint jusqu'à 92 pour cent sur de la vidéo non compressée, 87 pour cent à 15 pour cent de compression et 82 pour cent à 50 pour cent. L'entreprise fait également état d'une aire sous la courbe de 0,9614 et d'une précision de 0,9453 sur un jeu de tests interne. La vitesse suffit à un usage en direct, avec du 1080p en 22 millisecondes seulement sur des systèmes RTX et environ 30 millisecondes sur des accélérateurs L40.
Demandez-vous maintenant lequel de ces trois chiffres décrit votre situation. La vidéo qui parvient à une entreprise européenne a subi un encodage de diffusion, et le plus souvent une plateforme qui l'a réencodée. Un extrait transféré par messagerie, tiré d'un réseau social ou capté lors d'un appel vidéo n'est pas un contenu non compressé. Les 92 pour cent relèvent d'une condition de laboratoire. Le chiffre qui décrit une journée de travail ordinaire, c'est le 82.
Le produit n'accepte pas le format de son titre
La documentation technique de Nvidia précise que le service accepte de la vidéo MP4 encodée en H.264, décodée sur la carte graphique en images. H.264 est un format compressé. L'entrée que le produit accepte réellement est donc compressée par définition, tandis que le chiffre de précision en tête de l'annonce a été mesuré sur de la vidéo non compressée. Ces deux faits figurent sur deux pages distinctes de Nvidia et ne se contredisent pas, mais lus ensemble ils indiquent que le chiffre du titre décrit une entrée que le service n'accepte pas.
La même documentation qualifie les signaux du modèle de résistants aux transformations vidéo courantes, y compris la compression et le réencodage. Résistant est un adjectif. L'annonce fournit l'arithmétique qui le sous-tend, à savoir une baisse de dix points de pourcentage entre un contenu non compressé et un contenu à 50 pour cent de compression. Quand un fournisseur vous donne à la fois un mot rassurant et ses propres mesures, retenez les mesures.
Il répond sur la génération, pas sur la vérité
Le détecteur estime si les pixels ont été synthétisés. Il n'évalue pas si les faits à l'écran ont eu lieu. Une vraie caméra devant une scène mise en scène, un enregistrement authentique assorti d'une légende fausse ou des images véritables datant de la mauvaise année passent toutes pour réelles, car au seul sens que mesure le modèle elles le sont. L'architecture réunit les modèles de vision DINOv2 et DINOv3, et elle renvoie une probabilité unique entre zéro et un pour l'ensemble de la vidéo, avec des scores optionnels par image.
Cet écart pèse surtout dans les cas que les entreprises rencontrent vraiment. La facture détournée après un appel vidéo convaincant, le sinistre appuyé par des images, la vérification d'identité lors d'une entrée en relation à distance : partout la question est de savoir si ce qui est montré est réel, et pas seulement si un modèle a dessiné les pixels. Un score élevé d'authenticité est compatible avec une opération entièrement frauduleuse.
Ce qu'il faut fixer avant qu'il ne se place devant votre flux
Wowza intègre le service via son Video Intelligence Framework, qui touche plus de 35 000 déploiements dans plus de 170 pays, si bien qu'il arrivera au sein d'une infrastructure que beaucoup d'entreprises exploitent déjà plutôt que comme un achat distinct. Avant cela, réglez trois points. Demandez la précision mesurée au niveau de compression que porte votre propre contenu. Demandez quel seuil de probabilité déclenche une action, puisque Nvidia ne publie aucune indication sur les faux positifs. Demandez enfin qui examine les alertes, car à cette échelle un taux proche d'un sur cinq sur du contenu compressé engendre du travail plutôt que des réponses.
Séparez aussi les mécanismes dans votre propre planification. Marquer un contenu au moment de sa création et le classer après coup sont deux choses distinctes : la provenance voyage avec le fichier tant que personne ne l'efface, alors qu'un classifieur estime à partir des pixels à chaque fois. Un détecteur est un second signal raisonnable. Ce n'est pas un contrôle sur lequel vous pouvez apposer votre nom, et Nvidia l'a dit.
À lire ensuite: Le vrai verrou de Nvidia est désormais ouvert | Le Japon achète une usine d'IA pour ses robots
