Aller au contenu

C'est quoi une IA multimodale ? Explication et exemples

Mis à jour le

Une IA multimodale sait traiter plusieurs types de contenus : du texte, mais aussi des images, du son ou de la vidéo, en entrée comme en sortie. Tu peux par exemple lui montrer une photo, lui parler à voix haute ou lui demander de créer une image.

Il y a le correspondant à qui l'on ne peut écrire que des lettres, et le collègue assis à côté de toi : tu lui montres une photo sur ton téléphone, tu lui fais écouter un message vocal, tu lui tends un document, et il comprend le tout d'un coup. Une IA multimodale, c'est le collègue.

D'où ça vient. IBM le rappelle : à son lancement en novembre 2022, ChatGPT ne lisait et n'écrivait que du texte. Les modèles multimodaux, explique Google Cloud, acceptent au contraire des demandes sous forme de texte, d'images ou de son, et savent les convertir d'un type à l'autre. En octobre 2026, c'est devenu courant : la plupart des grands assistants lisent une photo, discutent à voix haute et créent des images.

Pourquoi ça compte. Plus besoin de recopier un courrier ou un tableau : une photo suffit, et l'IA en tire le texte, les chiffres ou une explication. C'est un vrai gain pour les personnes à l'aise à l'oral plutôt qu'à l'écrit. Mais une photo en dit plus que tu ne crois : un nom sur une enveloppe, une adresse, un numéro de dossier, un visage à l'arrière-plan. Recadre ou masque avant d'envoyer.

L'idée reçue. « Si l'IA voit l'image, elle la lit parfaitement. » Non : une photo floue, penchée ou mal éclairée peut être mal lue, et un chiffre mal reconnu reste affiché avec le même aplomb que les autres. Pour un montant, une date ou une référence, compare toujours avec le document lui-même.

Un exemple

Simone, 78 ans, a reçu un avis d'échéance de sa mutuelle qu'elle ne comprend pas. Son petit-fils Lucas l'aide :

  1. il prend le courrier en photo, en cachant le numéro d'adhérente avec un bout de papier ;
  2. il demande à voix haute à l'assistant : « Explique-moi ce courrier en trois phrases simples. Combien faut-il payer, et avant quelle date ? » ;
  3. il compare le montant et la date annoncés avec ceux imprimés sur le courrier.

Photo, voix et texte dans la même demande : c'est ça, une IA multimodale.

As-tu compris ?

  1. 01

Question 1 sur 1

Une IA qui comprend à la fois ta photo, ta voix et ton texte est dite …….

Sources