Synthesia est une entreprise technologique spécialisée dans l'intelligence artificielle générative pour la production vidéo. Sa plateforme permet aux utilisateurs de créer des vidéos à l'aspect professionnel mettant en scène des avatars IA réalistes, parlant à partir d'un script texte, sans nécessiter de caméras, d'acteurs ou de suites de montage vidéo traditionnelles. L'entreprise cible principalement les clients corporatifs pour des cas d'usage tels que la formation des employés, les communications internes et les messages clients.
L'entreprise a été fondée en 2017 par une équipe ayant des parcours académiques en IA et en vision par ordinateur. Le concept initial a évolué de la recherche sur l'apprentissage automatique et la synthèse vidéo vers un produit commercial qui simplifie les complexités de la création vidéo. Elle a son siège à Londres, avec des bureaux à New York et à Los Angeles.
Technologie de base
La technologie de base de Synthesia est centrée sur les réseaux de neurones, en particulier les modèles de apprentissage profond entraînés pour l'animation de la parole et la synthèse d'images. Le système traite un script texte, le convertit en parole via des modèles avancés de synthèse vocale, puis génère une vidéo d'un avatar prononçant ce script. Les mouvements des lèvres, les expressions faciales et les mouvements subtils de la tête de l'avatar sont synchronisés avec l'audio, créant une présentation convaincante et naturelle.
La plateforme repose sur une pile propriétaire qui exploite à la fois des recherches publiques et privées en vision par ordinateur et en grands modèles de langage. Les capacités clés incluent la génération de vidéos dans plus de 140 langues, à partir d'une seule invite texte, en traduisant les sous-titres et en re-synthétisant l'audio et le schéma de parole. Les modèles sous-jacents sont continuellement affinés avec des données propriétaires, mettant l'accent sur des améliorations en matière de réalisme, de gamme émotionnelle et de fluidité multilingue.
Évolution du produit
Le produit principal de Synthesia est sa plateforme SaaS, vendue sous forme de service par abonnement. L'entreprise a introduit son produit complet de génération vidéo au public fin 2019 après un accès bêta précoce à des partenaires de conception sélectionnés.
Une étape majeure a eu lieu en 2023 avec un passage des modèles basés sur des avatars à un ensemble plus large de fonctionnalités d'enregistrement d'écran et d'accompagnement d'écran, unifiant la création de contenu vidéo et d'écran. L'entreprise a également développé un portefeuille d'acteurs numériques sélectionnés, issus de divers horizons, et permet désormais aux utilisateurs de créer des avatars personnalisés à partir d'un court enregistrement webcam, une fonctionnalité lancée en 2024.
Les principales versions de produits incluent :
- 2019 : Bêta publique de la plateforme texte-vers-vidéo avec un ensemble limité d'avatars.
- 2020 : Lancement du support multilingue et de fonctionnalités de niveau entreprise.
- 2023 : Introduction de la personnalisation des avatars IA et de la plateforme Synthesia 2.0 avec un éditeur amélioré.
- 2024 : Lancement de l'offre mobile Synthesia et de fonctionnalités avancées de présentation.
Activité et financement
L'entreprise a attiré des financements substantiels en capital-risque, reflétant le fort intérêt du marché pour les outils vidéo IA. Synthesia a levé 12,5 millions de dollars lors d'un tour de financement de série A en décembre 2020, dirigé par une société de capital-risque, puis a obtenu un tour de série B de 50 millions de dollars en mars 2022. L'entreprise a atteint une valorisation de 1 milliard de dollars en juin 2023, à la suite d'un tour de série C de 90 millions de dollars. Ses investisseurs incluent des firmes de premier plan telles que le fonds de démarrage d'OpenAI et des sociétés de capital-risque axées sur les logiciels d'entreprise.
Le modèle économique est basé sur un abonnement, avec des niveaux de prix dépendant de l'utilisation, du nombre d'avatars et des langues prises en charge. Début 2024, Synthesia a déclaré plus de 50 000 clients professionnels, dont plus de la moitié des entreprises du Fortune 100. Les revenus proviennent à la fois de contrats annuels et de quotas basés sur l'utilisation, et l'entreprise s'est positionnée comme une entreprise de croissance rentable, avec un accent sur une économie unitaire durable.
Recherche et développement
L'entreprise maintient une branche de recherche active, publiant des articles dans des domaines comme la génération de têtes parlantes et la synchronisation labiale pilotée par l'audio. Synthesia a contribué à la recherche open-source, notamment en publiant des ensembles de données comme les benchmarks de têtes parlantes basés sur VoxCeleb, utilisés par la communauté académique. Elle collabore également avec des institutions académiques et dispose d'un conseil consultatif de recherche comprenant des professeurs d'universités de premier plan.
En 2024, Synthesia a annoncé son modèle vidéo fondamental interne, qui s'écarte de l'approche antérieure des avatars 2D, permettant un mouvement d'avatar plus dynamique et contrôlable. Ce modèle constitue une étape vers leur objectif à long terme de créer des acteurs IA entièrement interactifs capables d'improviser et d'interagir dans une scène.
IA responsable et éthique
Compte tenu du potentiel d'utilisation abusive de la technologie deepfake, Synthesia a mis en place des mesures de gouvernance. L'entreprise dispose d'une commission IA, un organe indépendant d'éthiciens externes, pour examiner sa technologie et ses politiques. Elle exige également un consentement explicite pour la création d'avatars personnalisés, utilise une technologie de filigrane pour identifier le contenu généré par IA et a publié un cadre « IA responsable ».
L'entreprise est membre de la coalition pour le contenu synthétique et plaide pour des normes industrielles en matière d'authenticité et de transparence. Ces mesures sont conçues pour équilibrer l'innovation et la prévention d'usages trompeurs, tels que les campagnes de désinformation ou l'usurpation d'identité non autorisée.
Impact et position sur le marché
Le marché de la génération vidéo par IA est concurrentiel, avec des acteurs dans la génération texte-vers-vidéo et d'avatars. Synthesia se distingue par son accent sur la fiabilité d'entreprise, la capacité multilingue et l'intégration avec des outils corporatifs populaires comme Microsoft Azure et Amazon Web Services via son API. Ses principaux concurrents incluent d'autres firmes d'avatars IA et, plus récemment, de grandes entreprises technologiques entrant dans le domaine, bien que Synthesia conserve un avantage de premier entrant dans le segment de la formation d'entreprise.
La technologie de l'entreprise a été adoptée par des secteurs comme la finance, la fabrication et la vente au détail, où elle est utilisée pour standardiser le contenu de formation et personnaliser les communications clients. Selon des rapports internes, les clients ont signalé des économies substantielles de temps et de coûts, avec des délais de production vidéo réduits de jours à quelques minutes.
Orientations futures
Synthesia a des ambitions publiques d'étendre au-delà de la vidéo 2D vers des expériences immersives. Ces plans impliquent des avatars plus réalistes pour la réalité virtuelle et augmentée, ainsi que l'intégration avec des plateformes de communication en temps réel. L'entreprise explore également l'utilisation de modèles basés sur transformer pour un raisonnement avancé et des dialogues de personnages, visant à rendre ses avatars plus interactifs et contextuels.
À partir de 2025, Synthesia continue de développer ses offres d'entreprise, avec des plans pour étendre sa force de vente et renforcer son équipe de recherche en IA. Elle se concentre également sur des partenariats avec de grands fournisseurs de matériel et de cloud pour réduire les coûts d'inférence et améliorer les performances en temps réel.