Une vidéo déclinée à l’infini pour chaque type de support : quand l’IA booste l’efficacité de la publicité

Demain, la publicité se jugera moins à la qualité d’un film unique qu’à sa capacité à en décliner, évaluer et distribuer des centaines de versions pertinentes. Le talent des créateurs ne vaut plus grand-chose si leurs œuvres ne peuvent être déclinées rapidement sur les différents supports et plateformes. Rudy Lellouche avait cette idée en tête lorsqu’il s’est associé en 2019 à Olivier Reynaud pour fonder Aive, pour Artificial intelligence for video experience.

Les deux hommes sont des serial entrepreneurs. Olivier Reynaud est l’un des fondateurs de la plateforme de vidéos publicitaire Teads et Rudy Lellouche a créé sa première start-up en 2004 quand il était encore étudiant : SoonNight.com, un site consacré aux photos d’événements et de soirées étudiantes qui affichait à l’époque un trafic comparable à celui de Leboncoin.

Vidéo

C’est en 2017, à Cannes Lions, la grand-messe du secteur de la pub, que ces deux spécialistes de la communication digitale posent le diagnostic qui donnera naissance à Aive. Les vidéos, souvent au format 16/9 et longues d’une minute trente ou plus, doivent être redécoupées et reformatées manuellement pour chaque support, un travail coûteux et peu scalable. L’idée d’Aive naît de cette frustration : automatiser cette mise au format pour permettre aux entreprises de réaliser des économies, et libérer les créatifs de tâches répétitives. Aive vise autant l’optimisation publicitaire à grande échelle que la création et la post-production de contenus longs, séries ou bandes-annonces.

Une technologie française qui décompose la vidéo

Pour automatiser cette adaptation, Aive a développé une trentaine d’IA spécialisées et propriétaires, organisées autour d’un moteur baptisé MGT (Multimodal Generative Technology), capable de décomposer une vidéo en identifiant scènes intérieures ou extérieures, locuteurs à l’écran, changements de prise de parole, environnements sonores ou transcription.

Développée dès 2019, quand l’état de l’art restait pauvre sur l’image et l’audio, la technologie, entièrement française, mobilise des transformers, c’est-à-dire des architectures d’apprentissage mais pas de modèles de langage LLM. Elle se distingue ainsi par sa capacité à suivre chaque élément d’une vidéo dans l’espace et le temps : une voiture qui roule, une personne qui se déplace. Les grands modèles de langage n’ont acquis une compréhension multimodale de la vidéo que très récemment.

Quand l’IA efface ses propres traces

L’entreprise compte un peu moins de cinquante salariés et une quarantaine de clients, essentiellement de grands groupes du CAC 40 ou du Nasdaq : LVMH (propriétaire de Challenges), Stellantis, Warner Bros, TF1, Meta ou Sephora. Aive s’est financée via un réseau de business angels, dont Aurélie Jean ou l’un des cofondateurs de Hugging Face, avant l’entrée du groupe Duval puis, il y a un peu plus d’un an, d’Invus, fonds evergreen à vision long terme, lors d’une levée de série A.

Lire aussi

Prochaine étape : le GEO, ou Generative Engine Optimization, une manière d’influencer les réponses que ChatGPT, Gemini ou Perplexity donnent aux internautes. Lancée en juin avec Nvidia, cette brique s’appuie sur le moteur MGT pour transformer une vidéo en article rédigé « sans empreinte IA », pensé pour être lu aussi bien par les moteurs que par de vrais visiteurs.

Le concept peut sembler paradoxal, mais un modèle de langage rechigne à s’entraîner sur du contenu qu’il identifierait comme généré pour lui. Il faut donc humaniser cette production automatisée, notamment en l’associant à la transcription d’origine pour attester de son authenticité. Quand l’IA efface ses propres traces.