Avatar IA
Un avatar IA est un personnage vidéo généré, souvent basé sur une personne réelle, qui prononce un script ou des réponses en direct avec des mouvements du visage, des lèvres et de la tête synchronisés.
Aussi appelé : talking head, digital human, AI presenter, talking avatar
Par Divya Sharma · Vérifié le 15 nov. 2026 · Notre méthode
Les avatars IA sont les présentateurs des vidéos de formation, des explications de produits et des écrans de service client qui n'ont jamais eu besoin d'une équipe de tournage. Vous choisissez un avatar de catalogue ou en créez un à partir d'images de vous-même, vous tapez un script, et le service produit une vidéo de l'avatar qui le prononce.
Comment ça marche
Un système d'avatar enchaîne plusieurs modèles. La synthèse vocale ou le clonage de voix produit l'audio. Un modèle de tête parlante anime ensuite un visage en conséquence. SadTalker, un modèle de recherche ouvert, illustre une approche : il prédit la pose 3D de la tête et l'expression du visage à partir de l'audio, puis produit une vidéo à partir d'une seule photo. Les modèles de lip sync s'occupent en particulier de la bouche. Les avatars en direct ajoutent un modèle de langage et une conversion parole-parole ou un pipeline rapide pour pouvoir tenir une conversation.
Où vous les croisez
Des services comme Synthesia, HeyGen et Tavus proposent des avatars de studio et un accès API pour des vidéos personnalisées ou interactives.
Avatar ou deepfake
La technologie est la même que celle d'un deepfake. La différence tient au consentement et à la transparence : un avatar d'entreprise est créé avec l'autorisation de la personne et généralement signalé comme IA. Les services sérieux vérifient l'identité avant de cloner un visage. Les lois sur le droit à l'image et l'étiquetage de l'IA varient selon les pays.
Limites
Les mains, les mouvements du corps et la palette d'émotions sont souvent raides, et sur les longues prises l'identité peut dériver.
Termes liés
- Lip sync (vidéo IA)
- Le lip sync par IA (synchronisation labiale) consiste à utiliser un modèle pour modifier les mouvements de la bouche d'une personne dans une vidéo ou une image afin qu'ils correspondent à une nouvelle piste audio, comme une réplique traduite ou réécrite.
- Deepfake
- Un deepfake (hypertrucage) est un contenu image, audio ou vidéo créé ou modifié par IA de façon à montrer de manière convaincante une personne, un lieu ou un événement réels dans une situation qui n'a pas eu lieu, et qui pourrait passer pour authentique.
- Text-to-speech
- Le text-to-speech (TTS, synthèse vocale) est un logiciel qui transforme un texte écrit en audio parlé. La TTS moderne utilise des réseaux de neurones qui prédisent le son de la parole à partir du texte, puis le restituent sous forme d'onde sonore.
- Clonage vocal
- Le clonage vocal (voice cloning) consiste à utiliser l'IA pour faire parler un système de text-to-speech avec la voix d'une personne précise, apprise à partir d'un enregistrement de cette personne. Certains systèmes n'ont besoin que d'un court échantillon.
- Agent vocal
- Un agent vocal (voice agent) est un agent d'IA qui tient une conversation orale en temps réel : il écoute une personne, décide quoi dire ou faire et répond avec une voix de synthèse, souvent sur une ligne téléphonique ou dans une application.
- Text-to-video
- Le text-to-video (texte vers vidéo) consiste à générer un court clip vidéo à partir d'un prompt écrit. Les modèles doivent produire des images qui paraissent correctes une à une et qui s'enchaînent aussi de façon cohérente d'une image à la suivante.