← Accueil actu | Salle du marché

48 % se sont trompés : Griffin déclare réussir le premier test de Turing vidéo

2026-11-03 · Source:虎嗅·中继

48 % se sont trompés : Griffin déclare réussir le premier test de Turing vidéo

La logique « voir, c'est croire » de la vérification d'identité est ébranlée, mais les critères du test sont définis par Tavus et l'aperçu n'est pas encore ouvert à tous

Examinons ces chiffres avant de parler de « voir, c'est croire » : après une minute d'appel avec Griffin-Lite, le modèle en aperçu de recherche de Tavus, 26 des 54 participants ont pris l'interlocuteur à l'écran pour un être humain, soit environ 48 % ; avec la génération précédente, dans le même protocole, un seul des 41 participants s'est laissé duper, un taux d'erreur de 2,4 %.

Sur cette base, Tavus définit Griffin comme le premier modèle à réussir un « test de Turing vidéo » en temps réel, et le classe dans une nouvelle catégorie : Human Interaction Model (modèle d'interaction humaine, HIM). Au moment de la publication, près de 17,36 millions d'internautes avaient suivi l'expérience en ligne. Mais ce « premier succès » reste une définition posée par Tavus sur ses propres résultats, et le modèle n'est pas encore accessible en aperçu à tous : on ne peut exclure qu'il s'agisse d'une démo prometteuse mais non aboutie.

Le véritable enjeu technique de cette publication réside dans le changement de paradigme d'interaction : du mode en cascade vers le full duplex. Les systèmes en cascade classiques enchaînent reconnaissance vocale, réponse du modèle de langage, synthèse vocale et animation de l'avatar numérique en pipeline : l'utilisateur finit de parler, puis le système traite. Griffin, lui, émet son et image tout en recevant en continu l'audio et la vidéo de l'utilisateur. Son moteur de modélisation de conversation continue réévalue l'état de l'échange à moins d'une seconde d'intervalle et, en combinant expressions, regard, ton et pauses de l'interlocuteur, décide quoi dire et quand intervenir, puis produit des signaux de contrôle des émotions, des expressions et des gestes, transmis au moteur de génération audio-vidéo qui les convertit en son et image continus. Face à un même silence, il doit déterminer si l'autre réfléchit, a fini de parler ou souhaite qu'on poursuive l'explication — des détails non verbaux, précisément ceux où les IA se trahissent le plus en conversation.

Le périmètre de la génération visuelle s'élargit aussi. Selon Tavus, Griffin peut générer en temps réel une scène entière à partir d'une simple image de référence : visage, bras, doigts du personnage, mais aussi déplacement de la chaise, ombres et variations de l'arrière-plan. Le personnage peut donc hocher la tête, ajuster son regard ou changer d'expression dès la phase d'écoute, sans attendre de parler. Les démonstrations officielles incluent aussi des jeux d'imitation sur commande, l'interaction avec un cube de Rubik ou l'observation d'un utilisateur souder une carte électronique. Désormais que le flux caméra peut lui aussi être généré en temps réel, considérer l'ouverture de la vidéo comme dernier rempart de vérification d'identité appelle une réévaluation.

Mots-clés: Tavus · Griffin · Video Turing Test · Full-Duplex · Human Interaction Model · Digital Human


À lire aussi


萬安算交所 AIXX · AIXX · Bourse compute vérifiée · Accéder à la salle