« Vos images prennent la parole », la startup de Xavier Niel lance MoshiVis

Cofondée par Xavier Niel, le laboratoire Kyutai propose une innovation en matière d’intelligence artificielle : la capacité de décrire vocalement avec précision le contenu d’une image, le tout sans latence.

Dans le secteur de l’intelligence artificielle, certains se ruent dans une course à la performance à l’image d’OpenAI avec son ChatGPT ou plus récemment DeepSeek avec son modèle R1 quand d’autres se focalisent sur l’arrivée de fonctionnalités de pointe à l’image du laboratoire français Kyutai cofondé par Xavier Niel.

Spécialisé dans la conversation vocale, Moshi, l’assistant IA open source de Kyutai dispose d’une nouvelle fonction nommée MoshiVis lui permettant d’analyser une image, la comprendre et la commenter vocalement, le tout avec une faible latence.

Une meilleure compréhension pour une meilleure accessibilité

Avec ce nouvel outil, MoshiVis intègre 206 millions de paramètres supplémentaires sur sa première version de Moshi qui en comporte sept milliards pour pouvoir obtenir cette discussion en temps réel.

Pour aller plus loin
C’est quoi un LLM ? Comment fonctionnent les moteurs de ChatGPT, Gemini et autres ?

MoshiVis devient alors capable de donner des informations générales et détaillées sur une image, tout comme de la recontextualiser plus largement. Sur son site, Kyutai permet de tester différents paramètres de MoshiVis pour un résultat plus que surprenant.

Exemple d’entraînements de MoshiVis // Source : Kyutai

Cet outil français se présente comme un véritable assistant audio, capable de générer jusqu’à 70 émotions différentes et de varier son intonation en fonction de la demande de l’utilisateur. On peut très facilement imaginer un tel dispositif arriver dans des espaces culturels pour rendre accessible certains parcours de visite ou bien en tant que dispositif portable pour aider vocalement certaines personnes en quête d’accessibilité.

Présenté en 2024, Moshi se veut également être une IA plus éthique. On apprend sur le site du gouvernement, qu’au-delà de présenter un outil open source, Kyutai a intégré un filigrane permettant de repérer le discours généré par Moshi.

Pour tester MoshiVis, il faut se rendre sur le site de Kyutai et saisir son adresse mail. À noter, l’IA n’est pour le moment accessible qu’en anglais.