Ce que l’on sait du modèle de vidéo spatiale en temps réel que ByteDance préparerait

ByteDance développerait un système d’IA de génération de vidéo spatiale en temps réel : un modèle du monde capable de produire des environnements numériques interactifs et navigables, plutôt que des séquences vidéo fixes. Selon Bloomberg, le fondateur Zhang Yiming en superviserait personnellement le développement et un lancement pourrait intervenir dès octobre 2026. Cette échéance reste toutefois susceptible d’évoluer et ByteDance n’a pas confirmé publiquement le projet. 1

Au-delà de la vidéo : des mondes qui réagissent

Le modèle reposerait sur Seedance, la technologie de génération vidéo de ByteDance. Seedance 2.0 est un modèle multimodal audio-vidéo qui peut recevoir du texte, des images, de l’audio et des vidéos comme entrées, d’après le matériel de lancement de ByteDance.

L’ambition rapportée dépasse la création d’un clip : le système servirait à concevoir des mondes virtuels interactifs pour le direct, les mini-séries et les jeux. 7 L’idée serait donc qu’un décor réagisse aux déplacements ou aux actions d’un utilisateur, au lieu de dérouler une vidéo pré-calculée du début à la fin.

C’est cette capacité supposée à maintenir un environnement cohérent et à le faire évoluer en réponse aux actions qui explique l’étiquette de « modèle du monde ». Google DeepMind définit ces modèles comme des systèmes simulant l’évolution d’un environnement et les effets des actions sur celui-ci. Son Genie 3 est, lui aussi, conçu pour générer en temps réel des environnements interactifs à partir d’une consigne textuelle.

L’implication de Zhang Yiming, un signal stratégique

D’après Bloomberg, Zhang Yiming coordonnerait les travaux entre différentes unités de ByteDance et orienterait les ressources d’IA ainsi que la puissance de calcul vers ce programme. 1 Cela ne prouve ni que le produit est finalisé ni qu’une sortie est acquise. Mais, si cette information est exacte, l’implication directe du fondateur indiquerait que ByteDance considère le projet comme une initiative de plateforme, et non comme une simple fonction supplémentaire de génération vidéo.

Bloomberg inscrit cette offensive dans la compétition avec Meta et Alphabet, maison mère de Google, avec des applications potentielles allant au-delà du divertissement, vers la robotique et les systèmes autonomes. 1 Les médias interactifs pourraient constituer le premier débouché commercial ; l’objectif technique plus large serait de construire un environnement exploitable qui continue de tenir lorsque les interactions le modifient.

Pico, 20 i/s et 50 ms : des chiffres encore non vérifiés

Un article citant des personnes au fait du dossier affirme que le modèle pourrait générer des flux à environ 20 images par seconde, avec une latence d’environ 0,05 seconde, soit 50 millisecondes. Il pourrait également répondre aux commandes vocales ou aux mouvements d’utilisateurs de casques Pico, la branche XR — réalité étendue — de ByteDance. 7

Ces données appellent de la prudence : elles sont rapportées par des sources non identifiées, et non établies par des benchmarks publics. ByteDance n’a pas publié de documentation technique permettant de les valider indépendamment.

Pour qu’un produit XR soit convaincant, un bon débit de génération ne suffirait pas. La stabilité des images, la cohérence spatiale, la fiabilité du réseau, la latence entre un mouvement et son affichage, ainsi que le coût de l’inférence pèseraient tous sur l’expérience réelle.

Un rendu dans le cloud pourrait, en théorie, déporter une partie des calculs hors du casque et réduire les exigences matérielles locales. Il est cependant beaucoup trop tôt pour en conclure que ce modèle fera baisser le prix des appareils Pico ou donnera à ByteDance un avantage décisif sur Meta ou Apple. Ce sont des implications stratégiques possibles, pas des résultats de produit confirmés.

Une sortie possible en octobre, pas une promesse

La formule « dès le mois prochain » provient de sources anonymes. Bloomberg évoque un produit en préparation pour un lancement éventuel, et non une date arrêtée. 1 D’autres articles reprenant l’information précisent également que le calendrier peut changer. 8

En attendant une annonce de ByteDance, il faut distinguer :

• La direction rapportée : un modèle de vidéo spatiale en temps réel basé sur Seedance ;
• Les usages évoqués : des univers interactifs pour le direct, les mini-séries et les jeux ;
• Les éléments non vérifiés : date de sortie, modalités d’accès, intégration matérielle, latence, cadence d’images et disponibilité commerciale.

Des moyens financiers considérables, sans budget fléché

ByteDance dispose de ressources importantes pour ses infrastructures d’IA, mais aucune ne peut être attribuée avec certitude à ce seul modèle. Reuters a rapporté que l’entreprise avait obtenu un prêt de 29,6 milliards de dollars auprès de près de 30 banques. Selon ses sources, les fonds doivent soutenir son expansion internationale dans l’IA ; le montant aurait été relevé par rapport à un objectif initial de 20 milliards de dollars.

Bloomberg a par ailleurs indiqué que ByteDance envisageait jusqu’à 70 milliards de dollars de dépenses d’investissement en 2026 pour ses centres de données et d’autres infrastructures d’IA. Il s’agit d’un montant de planification rapporté, et non de dépenses confirmées ni d’une enveloppe réservée à ce modèle.

Des articles s’appuyant sur les informations de 36Kr indiquent aussi que ByteDance se serait fixé l’objectif de publier au moins un modèle du monde avant la fin de 2026, en le comparant à Genie 3 de Google. Là encore, il s’agirait de priorités internes rapportées, et non d’engagements publics de l’entreprise.

Pourquoi ce projet compte

Les modèles vidéo savent déjà produire des séquences visuellement crédibles. Un environnement interactif pose une difficulté supplémentaire : il doit conserver sa cohérence au fil du temps et répondre de manière plausible aux interventions de l’utilisateur. C’est à la fois l’intérêt central et le défi technique des modèles du monde.

Pour ByteDance, un système fonctionnel pourrait relier ses travaux sur la génération vidéo au divertissement interactif et à la réalité étendue. Pour le secteur, il ajouterait un concurrent de poids à un domaine où Google et Meta ont déjà affiché leurs ambitions.

La conclusion la plus solide demeure toutefois prudente : ByteDance semble poursuivre un projet sérieux de modèle du monde pour la vidéo spatiale, construit sur Seedance et bénéficiant, selon les informations disponibles, de l’attention de Zhang Yiming. Sa qualité réelle, sa date de lancement et son effet concret sur Pico ne pourront être évalués qu’après une présentation officielle et la publication de résultats techniques mesurables. 17