Griffin, l’avatar vidéo de Tavus qui brouille la frontière avec l’humain

Tavus a dévoilé Griffin, un modèle d’interaction humaine conçu pour tenir une conversation en visioconférence en temps réel, avec vidéo, voix, expressions et pauses. Le résultat compte pour le marché des agents vidéo, mais aussi pour les usages de tutorat, de support technique et de conversations entraînement, à l’heure où l’illusion devient plus difficile à repérer. L’entreprise affirme qu’un test interne a trompé 48 % des participants après une minute d’échange. Pas mal pour une IA qui n’a pas besoin de tousser avant de parler.

Griffin veut faire passer la vidéo à autre chose qu’un simple avatar

Griffin, que Tavus présente comme son premier « Human Interaction Model » (HIM), repose sur une approche vidéo-à-vidéo en duplex. Concrètement, le système reçoit et génère de la vidéo en même temps, tout en analysant la parole, le ton, les gestes, les expressions faciales et les silences pour ajuster sa réponse en direct.

La société de San Francisco parle d’un modèle capable de mener des conversations face-à-face, alors que ses premiers produits servaient surtout à générer des vidéos personnalisées pour la vente et le marketing. Depuis 2020, Tavus a élargi son terrain de jeu vers les échanges en direct avec des personas numériques, signe que la frontière entre contenu préenregistré et interaction temps réel se réduit vite.

Un test interne qui frappe, mais qui reste à prendre avec prudence

Selon Tavus, 48 % des 54 participants d’un test d’une minute ont cru parler à une vraie personne avec Griffin-Lite. Dans une autre mesure, présentée comme un test indépendant Nvidia sur le degré de “présence humaine” en conversation audio-vidéo directe, Griffin a obtenu 3,83 points, contre 3,92 pour des humains et 2,80 pour le meilleur modèle précédent. Les systèmes antérieurs plafonnaient à 2 % de taux de confusion, d’après l’entreprise.

Ces chiffres impressionnent, mais ils restent à lire dans le cadre donné par Tavus [à vérifier], qui renvoie elle-même vers son rapport de recherche. La version Griffin-Lite est proposée à des testeurs sélectionnés en préversion de recherche, tandis qu’une version plus ambitieuse doit arriver une fois les questions de sécurité traitées. Le sujet n’est pas anodin : plus un modèle paraît humain, plus la question de l’identification de la machine devient sensible dans les échanges à distance.

À quoi sert un modèle qui sait imiter une présence humaine ?

Tavus cite plusieurs usages : tutorat, entraînement à des conversations difficiles et assistance technique par caméra. Dans ces cas-là, l’intérêt n’est pas seulement de répondre correctement, mais de garder le rythme d’un échange humain, avec interruptions et relances naturelles. C’est là que Griffin se distingue des assistants vocaux classiques, souvent efficaces mais moins crédibles visuellement.

La société a levé environ 64 millions de dollars et revendique une montée en puissance rapide depuis ses premiers outils de vidéo personnalisée. Pour les entreprises, ce type de modèle ouvre des perspectives concrètes en support, formation ou relation client, mais il impose aussi davantage de garde-fous sur la transparence, le consentement et les usages trompeurs. Le marché adore les interfaces qui semblent “vraies”; les régulateurs, eux, un peu moins.