Microsoft a déposé aux États-Unis une demande de brevet pour une IA capable de corriger en direct les mots d’un orateur filmé et de redessiner ses lèvres pour masquer la retouche. Ce n’est pas un produit, mais la question qu’il pose concerne déjà tous ceux qui parlent devant une caméra.
- La demande de brevet US 2026/0341309 A1 a été déposée en avril 2025 et publiée le 29 octobre 2026.
- Le système retirerait les « euh », les mots mal prononcés ou marmonnés, et pourrait traduire l’orateur en ajustant sa bouche.
- Le spectateur verrait la vidéo avec un décalage de une à dix secondes.
- L’examinateur a rejeté les revendications au premier examen, une étape courante.
Plan de l'article
Que décrit exactement ce brevet ? #
Le document a été repéré par le site spécialisé Patentlyze, qui en détaille le fonctionnement. Un agent d’IA écoute le son d’une vidéo en direct. Il choisit seul les mots à modifier, selon des règles et selon le profil du spectateur, comme son âge ou les langues qu’il parle.
À lire Prix de l’éloquence de Châteaubriant : lire un texte sur Verdun devant 1 300 élèves
Un modèle génératif remplace ensuite ces mots, dans le son comme dans l’image. Il retravaille les images avant et après chaque modification pour que la jonction ne se voie pas. La bouche de l’orateur est donc redessinée pour former les nouveaux mots.
Les inventeurs cités sont David Callaghan et Dinesh Kumar. Le traitement tournerait sur l’appareil du spectateur : lunettes de réalité augmentée, smartphone, tablette ou caméra.
Quels mots seraient effacés ou remplacés ? #
C’est le passage qui intéresse le plus quiconque travaille sa prise de parole. Selon TechPowerUp, la demande liste les mots de remplissage, les bégaiements, les mots mal prononcés ou offensants, ainsi que des expressions familières de l’anglais américain.
Les mots de remplacement pourraient même venir d’une recherche sur Internet, et le texte évoque une vérification des faits en direct. Les exemples d’usage cités sont des conférences, des cérémonies de remise de prix, des jeux télévisés et du sport en direct.
À lire TEDx IAE Aix-Marseille : six mois de coaching pour un talk de 18 minutes
Une seconde revendication principale vise la traduction. Comme le résume Clubic, si l’orateur parle une langue absente de votre profil, ses mots sont traduits et la vidéo est retouchée, lèvres comprises.
Le public serait-il prévenu des retouches ? #
Pas dans la version la plus large du texte. La revendication principale ne prévoit aucun avertissement indiquant qu’une phrase a été modifiée. Seule une revendication secondaire conserve l’enregistrement original comme « vérité de référence ».
Patentlyze relève aussi que le texte n’explique pas pourquoi les mots sont changés. Pour l’orateur, la conséquence est simple : ce que le public entend pourrait ne plus être exactement ce qu’il a dit, sans que personne ne le sache.
Est-ce que cela va arriver demain ? #
Rien ne l’indique. L’examinateur de l’office américain a rejeté les revendications lors d’un premier examen, une étape habituelle avant que le déposant ne les amende. Et Microsoft dépose de nombreux brevets qui ne deviennent jamais des produits.
À lire Concours d’éloquence de Nouméa : la leçon de clarté du lauréat polynésien
La traduction vocale en réunion existe en revanche déjà. Microsoft propose dans Teams un agent Interpreter qui traduit les participants pendant les réunions. La partie la plus concrète du brevet prolonge donc un outil existant.
Faut-il encore travailler ses « euh » ? #
Oui, et pour plusieurs raisons. La première est pratique : la très grande majorité des prises de parole se fait en salle, en réunion ou en visio sans aucun filtre. Le public entend vos hésitations telles qu’elles sont.
La deuxième touche au fond. Un « euh » n’est pas seulement un bruit. C’est souvent le signe qu’une idée n’est pas encore claire, qu’une transition manque ou que le débit est trop rapide. Une IA qui l’efface ne règle aucun de ces problèmes : elle cache le symptôme.
La troisième est la confiance. Si ce type d’outil se diffuse, le public pourrait douter de ce qu’il voit en vidéo. Un orateur qui parle de façon naturelle, avec ses silences et ses respirations, restera le plus crédible.
À lire Tous Éloquents 2027 : le concours de prise de parole ouvert sans exiger d’aisance à l’oral
Remplacer l’hésitation par un silence
La méthode la plus efficace reste la pause. Quand vous sentez venir un « euh », fermez la bouche et respirez. Une seconde de silence paraît longue à celui qui parle, mais le public la perçoit comme de la maîtrise.
S’écouter avant que la machine ne le fasse
Enregistrez-vous deux minutes sur un sujet que vous connaissez, puis comptez vos mots de remplissage. Repérez où ils apparaissent : souvent en début de phrase ou entre deux idées. Préparez alors une phrase de transition pour ces moments précis.
Soigner les premiers mots
Les hésitations sont plus nombreuses au démarrage. Connaître par cœur votre première phrase, sans réciter tout le reste, suffit souvent à lancer un débit plus fluide.
Questions fréquentes #
Ce brevet Microsoft est-il déjà utilisé dans Teams ?
Non. Il s’agit d’une demande de brevet publiée le 29 octobre 2026, dont les revendications ont été rejetées au premier examen. Seule la traduction vocale existe déjà dans Teams, avec l’agent Interpreter.
À lire Éloquence des jeunes manifestants : ce que la génération TikTok apprend aux orateurs
Le spectateur verrait-il la différence ?
Le système est conçu pour que la retouche ne se voie pas : les lèvres sont redessinées et le son est lissé. La vidéo arriverait avec un décalage d’une à dix secondes sur le direct.
Faut-il arrêter de travailler sa diction ?
Non. La plupart des prises de parole ne passent par aucun filtre, et une hésitation signale souvent un problème de structure qu’aucune IA ne corrige à votre place.
