Google franchit une nouvelle étape dans les agents conversationnels avec Gemini 3.8 Live with Live Avatar, une technologie capable d’associer dialogue vocal, compréhension multimodale et génération vidéo en temps réel. L’objectif : permettre aux entreprises de créer des agents IA dotés d’un visage capable d’écouter, de voir et de répondre avec des expressions synchronisées à la conversation.
Disponible dès maintenant dans Gemini Enterprise, Live Avatar ne se contente pas d’animer un personnage pendant qu’une voix synthétique parle. Google veut construire une présence numérique capable de poursuivre une conversation pendant qu’elle consulte des outils en arrière-plan, de changer de langue à la volée et même d’adopter l’identité visuelle d’une entreprise.
Gemini 3.8 Live associe conversation et vidéo en temps réel
Live Avatar arrive dans le prolongement du lancement de Gemini 3.8 Live. Google associe ici son modèle de dialogue en direct à un système de génération vidéo à faible latence afin de produire un avatar qui réagit pendant la conversation.
Le personnage peut synchroniser les mouvements de ses lèvres avec la parole, modifier ses expressions et gérer plus naturellement les prises de parole successives. L’objectif est de réduire la sensation d’interagir avec une simple interface vocale accompagnée d’une animation préenregistrée.
Cette différence est importante pour les usages visés par Google. Un agent de service client pourrait, par exemple, apparaître sous la forme d’un interlocuteur virtuel, tandis qu’un assistant chargé d’une démonstration interactive pourrait commenter ce qu’il voit tout en guidant l’utilisateur à travers différentes étapes.
Live Avatar traite pour cela simultanément les informations visuelles et audio. L’agent peut exploiter la parole, les éléments présents dans son environnement visuel et les différentes informations fournies au cours de la conversation.
Google cherche donc à faire évoluer l’interface des agents IA. Après le texte, puis la voix en temps réel, l’entreprise ajoute une représentation visuelle dynamique destinée à rendre l’interaction plus proche d’un échange en face à face.
L’avatar peut continuer à parler pendant que Gemini utilise ses outils
L’une des caractéristiques les plus intéressantes de Live Avatar se trouve moins dans son apparence que dans ce qui se déroule derrière celle-ci. Gemini peut effectuer des appels d’outils de manière asynchrone tout en maintenant la conversation.
Un agent peut ainsi lancer une requête vers un service externe, récupérer des informations ou déclencher une action sans nécessairement interrompre l’échange en attendant la réponse.
Cette capacité répond à un problème classique des agents conversationnels. Dès qu’une IA doit consulter une base de données, interroger une API ou utiliser un outil métier, un délai peut apparaître. Une interface traditionnelle se contente souvent d’attendre le résultat avant de poursuivre.
Avec l’exécution asynchrone, Google veut rendre cette attente beaucoup moins perceptible. L’avatar peut continuer à dialoguer avec l’utilisateur pendant que Gemini effectue certaines opérations en arrière-plan, puis exploiter leur résultat lorsqu’il devient disponible.
Pour une entreprise, cette architecture ouvre la porte à des agents plus complexes. Un assistant de support pourrait, par exemple, poursuivre l’échange pendant qu’il consulte des informations liées à un dossier, tandis qu’un agent commercial pourrait récupérer certaines données nécessaires sans casser le rythme de la conversation.
L’enjeu dépasse donc largement la génération d’un visage réaliste. Pour devenir crédible, un avatar conversationnel doit aussi être capable de maintenir une interaction fluide lorsque le système qui l’alimente effectue plusieurs tâches simultanément.
97 langues avec synchronisation de la voix et des expressions
Google met également en avant la dimension multilingue de Live Avatar. La technologie prend en charge la synchronisation speech-to-speech dans 97 langues et peut adapter son animation lorsqu’une conversation passe d’une langue à une autre.
Le système doit notamment recalculer la synchronisation labiale en fonction de la langue utilisée tout en ajustant les expressions faciales. Selon Google, ces changements peuvent être effectués sans provoquer de dérive visuelle susceptible de dégrader progressivement l’apparence de l’avatar.
Cette capacité pourrait avoir un intérêt particulier pour les entreprises opérant sur plusieurs marchés. Plutôt que de développer un personnage et une expérience distincts pour chaque langue, une même identité virtuelle pourrait théoriquement accompagner des utilisateurs dans différents pays.
La synchronisation représente néanmoins un défi plus complexe qu’une simple traduction. Les rythmes, les phonèmes et les mouvements de bouche associés à la parole varient fortement d’une langue à l’autre. Pour conserver l’illusion d’un personnage réellement en train de parler, la vidéo doit donc évoluer en même temps que le contenu vocal.
C’est précisément sur cette combinaison que Google cherche à se différencier : Live Avatar n’est pas présenté comme un générateur vidéo auquel Gemini fournirait occasionnellement du texte, mais comme une extension visuelle du modèle conversationnel lui-même.
Les entreprises pourront créer leurs propres avatars
Google propose une bibliothèque de personnages prédéfinis, mais permet également aux entreprises de créer des Live Avatars personnalisés. À partir d’une image de référence de qualité suffisante, le système peut générer une version animée et interactive du personnage tout en cherchant à préserver sa ressemblance, son identité visuelle et les éléments de style associés à la marque.
Cette possibilité pourrait devenir particulièrement importante dans les usages commerciaux. Une entreprise pourrait concevoir un personnage correspondant à son univers graphique plutôt que d’utiliser un assistant générique identique à celui de milliers d’autres services.
Cependant, la création d’avatars personnalisés n’est pas ouverte librement à tous les développeurs. Google indique que cette fonction passe actuellement par une autorisation spécifique pour les entreprises, ce qui lui permet de conserver davantage de contrôle sur les premiers déploiements.
Cette prudence est compréhensible. Plus les avatars générés deviennent réalistes et capables de reproduire une identité visuelle, plus les questions liées au consentement, à l’usurpation d’identité et à l’utilisation trompeuse de personnages synthétiques deviennent importantes.
SynthID doit permettre d’identifier les contenus générés
Google accompagne donc Live Avatar de plusieurs mécanismes de protection. L’entreprise indique que les contenus générés par ses produits d’IA intègrent SynthID, sa technologie de tatouage numérique destinée à signaler l’origine synthétique d’un contenu.
Dans le cas de Live Avatar, ce marquage imperceptible est intégré à l’audio et à la vidéo générés. L’objectif est de permettre leur détection ultérieure sans ajouter nécessairement un élément visuel permanent susceptible de perturber l’expérience.
Google présente ce dispositif comme un moyen de limiter les risques de désinformation et d’attribution trompeuse. L’entreprise accompagne également le modèle d’une documentation détaillant son approche en matière de sécurité et de déploiement responsable.
Ces garde-fous seront particulièrement importants si les avatars conversationnels commencent à apparaître dans le service client, la formation ou les interfaces commerciales. Une IA dotée d’une voix et d’un visage peut créer une impression de présence beaucoup plus forte qu’un chatbot textuel, ce qui augmente mécaniquement l’importance de rendre sa nature artificielle identifiable.
Après la voix, Google prépare l’ère des agents IA incarnés
Gemini 3.8 Live with Live Avatar est disponible dès maintenant dans Gemini Enterprise, avec une documentation API destinée aux développeurs. Google réserve donc pour l’instant cette technologie aux usages professionnels plutôt que d’en faire une fonction grand public de Gemini.
Ce positionnement donne une indication intéressante sur la stratégie poursuivie. Le service client, les démonstrations interactives ou les assistants spécialisés offrent des environnements relativement structurés dans lesquels un avatar peut remplir un rôle précis et accéder à des outils déterminés.
La prochaine bataille des agents IA pourrait ainsi se jouer autant sur leur interface que sur leurs capacités de raisonnement. Lorsque plusieurs modèles savent comprendre une requête, utiliser des outils et dialoguer naturellement, la manière dont l’utilisateur perçoit et interagit avec l’agent devient un nouveau terrain de différenciation.
Google ne cherche donc plus seulement à rendre Gemini capable de parler comme un interlocuteur. Avec Live Avatar, l’entreprise commence à lui donner une présence visuelle, des expressions et une continuité dans l’interaction.
Après avoir appris aux IA à écrire, voir, écouter et parler, l’industrie commence désormais à leur donner un visage. Live Avatar montre surtout que la prochaine génération d’agents pourrait ne plus ressembler à une fenêtre de chatbot, mais à un interlocuteur numérique permanent capable d’agir pendant qu’il converse.
