Microsoft Technology Licensing, la filiale en charge de la propriété intellectuelle du groupe, a présenté une demande de brevet décrivant une « amélioration par intelligence artificielle, en quasi temps réel, de vidéos ou de présentations en réalité augmentée d'événements en direct ». Selon le document repéré par Patentlyze, des agents IA écouteraient le discours pendant qu’il est prononcé, identifieraient certains mots et les remplaceraient ou les supprimeraient. L’IA retoucherait ensuite le visage et la bouche de l’orateur afin que l’image corresponde au nouveau son, en agissant juste avant et juste après chaque mot modifié pour éviter toute coupure visible.
Le système s’appuierait sur des paramètres préalablement définis et sur le profil de chaque spectateur. Les mots de remplacement pourraient même provenir d’une recherche sur Internet, selon Futurism. Le brevet vise un large éventail d’usages : conférences, présentations, cérémonies de remise de prix, jeux télévisés, émissions culinaires et retransmissions sportives. Parmi les scénarios envisagés, une traduction instantanée où l’orateur parlerait la langue du spectateur avec des lèvres synchronisées, ainsi que la suppression d’« euh », de bégaiements, d’expressions régionales ou de mots offensants.
Le brevet s’appuie sur une technologie déjà présentée dans les laboratoires de Microsoft. En avril 2024, Microsoft Research Asia avait présenté VASA-1, un modèle capable d’animer un visage réaliste à partir d’une seule photo et d’un enregistrement vocal, avec des lèvres suivant le son au millimètre et une fréquence jusqu’à 40 images par seconde, fonctionnant en temps réel. À l’époque, Microsoft avait choisi de ne pas rendre le modèle public.
Le brevet prévoit également que la vidéo et le son originaux puissent être enregistrés comme « vérité de référence », afin de permettre de retrouver ce qui a réellement été dit. Aucun détail n’est donné sur qui pourrait consulter cet enregistrement ni sur les modalités d’accès.
En Europe, une telle technologie serait soumise au règlement européen sur l’intelligence artificielle, notamment à l’article 50 du texte en vigueur depuis le 2 août 2026, qui oblige les diffuseurs d’« hypertrucage » à le signaler au public. Les outils de détection restent limités ; Google propose par exemple le filigrane SynthID pour identifier les vidéos issues de ses propres modèles, mais aucune solution n’existe encore pour repérer des manipulations en temps réel au cours d’un direct.