Repères communs pour choisir entre un service commercial et un modèle ouvert, puis comprendre ce qui construit réellement une expérience vidéo conversationnelle crédible.
Ce que les chiffres disent
Une latence annoncée ou un nombre de FPS décrit une partie du rendu, pas à lui seul la présence. Testez la synchronisation audio-vidéo, le délai de reprise après un tour de parole et la stabilité lorsque le réseau varie.
À croiser dans le tableau
Lisez le temps réel avec le transport, la conversation, le corps, la direction de jeu et la souveraineté. Un visage très réaliste peut convenir à une démonstration sans permettre la régie, l’écoute ou le format de scène requis.
Rester attentif à
L’avatar n’est qu’une couche du système : STT, TTS, LLM, WebRTC et orchestration influent sur l’expérience. Vérifiez aussi droits à l’image, modération, résidence des données, streams parallèles, coût par session et plan de repli.
Méthode de lecture : fixez d’abord la scène à tenir et le degré de régie attendu ; comparez ensuite présence, latence et contrôle sur les mêmes répliques, puis validez la charge, les droits et le repli sur une session complète.
Quatre couches à ne pas confondre
Ces repères permettent d’éviter qu’un bon modèle de voix soit pris pour un avatar, ou qu’une détection de signal soit prise pour une direction de jeu. Chaque carte indique ce qui est documenté et ce qui demande encore une mesure Où est Ava ? ou Dilemme Plastique.
Identité et prise de tour vidéo
Crée un personnage depuis image ou vidéo, déclare le français au PAL et règle patience, interruption et relance. À tester : voix française dirigée, consentement/policy de perception et latence de scène complète.
Voir la fiche Tavus →Rendu vidéo découplé
Conserve avatar et transport vidéo chez HeyGen, tout en gardant STT, LLM, RAG, voix française et intention de jeu sous contrôle Où est Ava ? À tester : changement de voix, droits et compatibilité lip-sync ; pas de geste live déterministe documenté.
Voir la fiche HeyGen →Comment la réplique est dite
Porte direction libre, non-verbaux, contexte audio inter-tours et modes Expressive/Balanced/Stable. C’est une couche voix à associer au renderer ; à tester : consignes françaises, scènes sensibles et reproductibilité.
Voir la fiche Inworld →Français, précision et résidence
Vise les termes structurés, les timestamps et un rythme stable. La résidence UE est activable et vérifiable sur plan payant ; elle ne vaut pas résidence suisse ni direction émotionnelle explicite.
Voir la fiche Gradium →Deux voies à comparer
Les services commerciaux accélèrent la mise en scène et le test d’un flux live. Les modèles ouverts demandent de construire la capacité mais permettent de discuter souveraineté, licences et coût d’infrastructure. Les deux voies se lisent avec les mêmes questions de présence, latence, direction et repli.
Comparatif live : transport, rendu, direction de jeu, prix, concurrence et dépendance fournisseur.
Voir les services commerciaux →Code, poids & GPULecture Où est Ava ?/Dilemme : licences, VRAM, flux de préparation, location Exoscale, CapEx et résultats de charge observés.
Voir les modèles ouverts →L’enjeu pour Où est Ava ? n’est pas de classer des clips génériques : il est de produire un plan court, cohérent avec ce qui vient d’être dit — souvenir, lieu, indice ou bascule de monde — puis de l’insérer au bon moment. Une seconde piste explore des environnements visuels qui réagissent en direct, sans être des avatars.
Ces modèles produisent un plan autonome. Ils conviennent à un montage réactif ; ils ne constituent pas un flux vidéo continu.
ByteDance Seed
Plan de souvenir, lieu ou indice à déclencher entre deux échanges
Source officielle ↗Fabrique d’inserts versionnés à partir du contexte de dialogue
Source officielle ↗xAI
Prévisualiser ou modifier un insert en conservant le plan source
Source officielle ↗Ces world models génèrent les images à mesure d’une action, d’une navigation ou d’un événement. Ils ouvrent une piste de décor ou de monde réactif, avec des coûts, droits et limites d’action propres.
Runway · Accès anticipé / à qualifier
Génération temps réel image par image
Pose caméra, actions et audio ; environnement explorable
Scène explorée ou décor réactif, distinct de l’avatar
Source officielle ↗Google DeepMind · Prototype de recherche / Project Genie limité
720p à 20–24 fps ; quelques minutes d’interaction
Navigation et évènements de monde pilotés par prompt
Piste de recherche pour un monde réactif, pas une brique de production
Source officielle ↗World Labs · Aperçu de recherche
Fréquence interactive visée sur un H100
Frames interactives et persistance spatiale à partir d’images
Piste spatiale à chiffrer avant toute promesse de service
Source officielle ↗Decart · Accès produit à qualifier
Lucy : transformation live à 30 fps annoncée
Transformation de flux live ou monde interactif selon le produit
Tester une transformation live consentie, pas un insert narratif généré
Source officielle ↗Deux repères récents, à lire séparément : les périmètres de marché ne s’additionnent pas.
Digital humans · monde
Les avatars interactifs représentaient 58.63% du segment en 2025.
Mordor Intelligence ↗Avatars IA · États-Unis
Le service client par avatar représentait 32.9% de ce marché en 2025.
Grand View Research ↗Md USD · points publiés, non interpolation annuelle
M USD · points publiés, non interpolation annuelle
Digital humans · 2025
Digital humans · 2025
Digital humans · 2025
Lecture pour GamiWays : l’essor du segment soutient l’exploration, mais ne préjuge pas de la faisabilité d’Où est Ava ? ou du Dilemme Plastique. Le critère de décision reste la preuve d’une expérience crédible, contrôlable et économiquement soutenable sur le terrain.
Positionnement stratégique GamiWays
GamiWays assemble conversation IA, avatar vidéo, séquençage et contrôle narratif ou pédagogique. La valeur ne vient pas d’un modèle vidéo isolé : elle dépend de l’intégration, de la souveraineté choisie et des mesures menées dans les expériences réelles.