Nuance Labs veut unifier voix, visage et langage dans un seul modèle

Nuance Labs, laboratoire d’IA basé à Seattle, a levé 50 millions de dollars en série A le 14 septembre 2026 pour développer un seul modèle de fondation dédié à la conversation humaine et à l’expression. Menée par Lightspeed Venture Partners, l’opération associe aussi Accel, South Park Commons, NVIDIA et Define Ventures. L’enjeu est simple à résumer : remplacer les pipelines d’avatars qui bricolent transcription, langage, voix et animation par un système capable de traiter parole, regard et gestes d’un seul bloc.

Un modèle unique là où les avatars empilent encore des briques

Selon Nuance Labs, les systèmes de face-à-face en IA restent souvent lents et maladroits parce qu’ils assemblent plusieurs composants distincts. La voix est transcrite, un modèle de langage décide de la réponse, une synthèse vocale la lit, puis un visage est animé pour suivre. Résultat : des avatars qui coupent la parole, semblent figés ou prennent du retard. Le laboratoire défend une approche full-duplex, c’est-à-dire un fonctionnement où perception et génération s’exécutent en même temps, avec un flux entrant et un flux sortant synchronisés.

Dans cette architecture, le modèle doit percevoir les mots, le ton, le regard, le geste et le timing, puis répondre avec des signaux vocaux et non verbaux en temps réel. L’idée n’est pas seulement de rendre l’échange plus fluide. Nuance Labs soutient aussi qu’une IA qui montre qu’elle écoute obtient des réponses plus libres et plus complètes. Un détail qui compte, surtout quand on vend de l’“expression” et pas juste du texte qui parle tout seul.

De la téléprésence aux usages métiers

La société a été fondée par Fangchang Ma, Edward Zhang et Karren Yang, trois anciens chercheurs d’Apple, et elle est dirigée depuis Seattle. D’après l’annonce, leur expérience portait déjà sur la perception et la reconstruction de personnes par machine, avec un objectif de téléprésence fidèle. Nuance Labs veut maintenant étendre ce travail à la conversation en direct, en réunissant audio et vidéo dans un même modèle plutôt qu’en empilant des briques qui n’ont pas été conçues pour coopérer.

Les usages visés sont d’abord très concrets : vente, service client, coaching, formation professionnelle et éducation. Autant de contextes où l’expression change la qualité de l’échange et donc, en bout de chaîne, l’efficacité de l’outil. La société dit recruter dans le modeling, les données, l’évaluation, l’inférence et le real-time serving, soit l’infrastructure qui permet de faire tourner un modèle à faible latence en production.

Pour les investisseurs, l’intérêt est clair : Nuance Labs veut devenir une brique de base pour des produits IA qui ne se contentent plus de répondre, mais interagissent comme des interlocuteurs complets. Pour le marché, cela signale que la prochaine bataille ne se joue pas seulement sur le texte ou la voix, mais sur la cohérence entre ce qu’un système dit, montre et comprend en même temps.