À retenir : – apple dévoile des recherches en intelligence artificielle avant la wwdc – 14 travaux liés à la vision par ordinateur et modèles multimodaux – études sur l’annotation automatique de la langue des signes – impact potentiel sur les futures fonctionnalités d’accessibilité d’apple – présence au cvpr pour renforcer la crédibilité scientifique
### Apple annonce 14 recherches de pointe sur l’IA avant la WWDC 2026
À l’approche de la WWDC, Apple s’apprête à faire une intervention technique majeure axée sur l’intelligence artificielle. La firme dévoilera 14 projets de recherche lors de la conférence IEEE/CVF Computer Vision and Pattern Recognition (CVPR) 2026, qui se déroulera du 3 au 7 juin au Colorado Convention Center à Denver.
#### Des avancées dans plusieurs domaines stratégiques
Le CVPR est un événement incontournable dans le domaine de la recherche en vision par ordinateur. En tant que sponsor, Apple exposera des travaux touchant à divers aspects cruciaux tels que la génération et l’édition d’images, la compréhension vidéo, ainsi que des sujets plus techniques comme la géométrie en quatre dimensions et le raisonnement spatial. Par exemple, parmi les recherches présentées figure **Pico-Banana-400K**, un vaste ensemble de données destiné à faciliter l’édition d’images guidée par le texte. Il y aura aussi **UniGen-1.5**, qui se concentre sur les améliorations apportées à cette même génération d’images, et **VSAS-Bench**, conçu pour évaluer en temps réel les assistants visuels en streaming.
#### Vers des innovations futures pour Apple
Certaines recherches semblent indiquer une connexion directe avec les futures fonctionnalités logicielles d’Apple. L’étude portant sur l’annotation automatique de la langue des signes fera partie d’un atelier intitulé « Generative AI for Sign Language », dirigé par Colin Lea. Cela fait écho aux améliorations attendues concernant les fonctions d’accessibilité intégrées dans iOS 27.
D’autres travaux comme « From Where Things Are to What They’re For » examinent comment les modèles multimodaux peuvent appréhender non seulement où se trouvent les objets mais également leur fonction potentielle. De telles innovations pourraient enrichir Siri ou encore améliorer les capacités des AirPods dotés de caméras et intégrer une reconnaissance en temps réel.
Apple explore également comment réduire les biais associés aux modèles multimodaux et améliorer leur fonctionnement général grâce aux différentes études qu’elle mène.
Alors que nous approchons du moment fort qu’est la WWDC prévue le 8 juin prochain, cette participation au CVPR témoigne clairement du souhait d’Apple d’accroître sa crédibilité scientifique dans le domaine de l’intelligence artificielle. Reste à savoir combien parmi ces recherches pourront être mises en œuvre sous forme fonctionnelle dans leurs futurs produits tels que iPhone, iPad, Mac ou encore Vision Pro ainsi que ses prochaines lunettes connectées.
#### Liste complète des travaux présentés :
1. AMUSE : référentiel audio-visuel et cadre d’alignement pour une meilleure compréhension agentique lors de conversations multi-intervenants.
2. AToken : un tokeniseur unifié dédié à la vision.
3. Bootstrapping Sign Language Annotations with Sign Language Models : amorçage des annotations en langue des signes via modèles spécialisés.
4. DSO : optimisation guidée directemen tpour atténuer les biais.
5. From Where Things Are to What They’re For : évaluation spatiale et fonctionnelle par rapport aux grands modèles multimodaux.
6. Learning Long-Term Motion Embeddings for Efficient Kinematics Generation : apprentissage efficace pour générer des mouvements kinématiques grâce à des représentations durables.
7. Pico-Banana-400K : ensemble majeur pour faciliter l’édition assistée par texte.
8. SO-Bench : outil structuré permettant une évaluation approfondie des sorties issues des grands modèles linguistiques multimodaux.
9. STARFlow-V : modélisation vidéo générative complète avec flux normalisés intégrés.
10 . TrajTok : approche innovante permettant une meilleure appréhension vidéo via jetons liés aux trajectoires.
11 . UniGen-1 .5: amélioration significative grâce à une unification gagnante via apprentissage renforcé pour images et éditions.
12 . Velox: représentations avancées concernant la géométrie en 4D amalgamée avec diverses apparences visuelles .
13 . VSAS-Bench: plateforme évaluant efficacement en temps réel divers systèmes assistés visuels streamés .
14 . What Matters in Practical Learned Image Compression: étude déterminante portant sur ce qui importe véritablement dans cette compression appliquée .
Ces annonces promettent beaucoup quant aux évolutions possibles chez Apple !
Grand maitre Goa'uld des dessins animés, j'ai beaucoup aidé sur l'ancienne version du site de 2002 et je reviens filer un coup de main quand j'ai du temps.
