Nuplex 1.0 et Emma : un persona vidéo qui répond au rythme humain

La phrase la plus désarmante de l’article de lancement de Nuance Labs est celle où l’entreprise renie son propre benchmark. Après avoir présenté un graphique dans lequel son nouveau modèle égale le temps de réponse d’un humain 89 % du temps, contre 35 % pour le système suivant le plus proche, l’article admet que « les benchmarks dans le domaine AV full-duplex ne sont pas encore fidèles à l’expérience utilisateur ». Ce n’est pas une précaution ajoutée au bas d’une page marketing. C’est le cadre honnête de ce qu’est réellement Nuplex 1.0 : la première version publique d’un laboratoire de Seattle qui a passé 18 mois à construire un modèle audiovisuel qui voit, entend, raisonne et parle au même instant, livré le 9 novembre 2026 au sein d’une unique persona grand public appelée Emma. Ce qui suit distingue ce que le fournisseur a mesuré, ce qu’il dit que ses propres mesures ne peuvent pas vous apprendre, et ce à quoi un développeur peut accéder aujourd’hui.

Sa structure, en un paragraphe. Nuplex 1.0 est un modèle de fondation audiovisuel full-duplex — « Nuplex » est la contraction, forgée par l'entreprise, de Nuance Full-duplex, un système qui écoute et parle simultanément au lieu de fonctionner par tours de parole. Emma est la première persona construite sur cette base : un personnage vidéo auquel vous parlez dans un navigateur avec un microphone et, en option, une caméra, dont le visage et la voix sont sous licence d'une actrice réelle, et qui est conçu pour hocher la tête, sourire, détourner le regard et intervenir alors que vous êtes encore en train de parler. L'expérience grand public ne nécessite aucun compte. L'API Nuplex Beta, seul moyen pour quiconque n'est pas un simple visiteur curieux d'accéder au modèle, se trouve derrière une inscription sur le site de la plateforme de l'entreprise.

Ce qui a été livré, et ce qui reste fermé

L’artefact principal est un article de recherche, « Découvrez Emma, la première persona Nuplex », daté du 9 novembre 2026 et accompagné d’une entrée BibTeX citable — une publication de chercheur, pas une présentation de produit. Il renvoie vers deux portes : emma.nuancelabs.ai pour la persona elle-même, et platform.nuancelabs.ai pour l’API bêta avec « quelques personas différentes ». Au-delà du personnage par défaut, le brief de l’API vous permet d’écrire un prompt de persona, de suivre la conversation en temps réel et de laisser la persona confier des tâches plus longues à vos propres outils en arrière-plan pendant qu’elle continue de parler à l’utilisateur.

Le même soir, un chercheur fondateur a publié la persona sur Hacker News sous le titre « Emma, une persona vidéo IA en temps réel de Nuance Labs » et a répondu aux questions dans le fil. Trois détails y sont à retenir, car ils ne figurent pas sur la page marketing : que l’API bêta est le parcours développeur prévu, que l’équipe présente ce travail comme un pari sur le naturel plutôt que sur les benchmarks existants, et que les premiers appelants ont été avertis qu’Emma « pourrait mettre fin à l’appel prématurément » — un comportement de sécurité plutôt qu’un bug, que l’article de recherche explique ensuite en détail.

Ce qui n’est pas ouvert, c’est la majeure partie de la surface commerciale. Le sous-domaine de la plateforme se trouve derrière une interface d’inscription authentifiée, et aucune liste de prix publique, grille tarifaire ou fiche de modèle indiquant un nombre de paramètres n’était accessible. Ainsi, la formulation honnête concernant le coût est la suivante : parler à Emma ne nécessite ni compte ni paiement, et les conditions de l’API bêta sont convenues à l’inscription. Quiconque cite aujourd’hui un prix par token pour Nuplex 1.0 l’invente.

L’affirmation des 89 %, lue comme le fournisseur la lit

La latence de réponse est le chiffre sur lequel chaque système full-duplex est jugé, et Nuance Labs soutient qu’elle ne tranche que très peu de choses à elle seule, car la latence est une décision produit plutôt qu’un score. Sa propre grille de lecture divise le domaine en deux. Les modèles ouverts comme PersonaPlex et Moshi sont réglés pour répondre le plus vite possible et saturer les benchmarks existants. Les systèmes produits comme GPT-Live et G​emini Live mettent plus de temps, « très probablement parce qu’ils préfèrent ne pas vous couper la parole ». Nuplex 1.0 est délibérément placé entre les deux.

Ainsi, l’entreprise a mesuré autre chose : non pas la vitesse à laquelle un système répond, mais s’il répond au moment où une personne le ferait. Sur 1 785 questions tirées de ses propres enregistrements de conversations réelles, le moment de la réponse de Nuplex chevauchait celui du locuteur d’origine dans 89 % des cas. Le système le plus proche ensuite atteignait 35 %. Chaque élément de cette phrase est déclaré par le fournisseur et reproduit par personne en dehors de l’entreprise, et deux des chiffres de comparaison comportent une réserve que le fournisseur apporte lui-même : GPT-Live et G​emini Live ont été joints via leurs API publiques, de sorte que leurs temps incluent un temps réseau que ceux de Nuplex n’incluent pas.

Prenez l’affirmation pour ce qu’elle vaut : il n’en reste pas moins qu’il s’agit d’une chose précise et vérifiable à avoir publiée — un ensemble de questions nommé, une métrique nommée, une méthode de comparaison énoncée. La question plus intéressante est de savoir pourquoi un laboratoire mettrait en avant un chiffre pour ensuite le saper dans le paragraphe suivant. Parce que la métrique mesure ce que le produit vend réellement. Une conversation en face à face n’est pas une conversation rapide ; c’est une conversation où le timing de l’autre partie signale l’attention. Les indices visuels d’Emma — un hochement de tête pendant que vous parlez, un changement de regard qui revendique la prise de parole — font partie de la façon dont ce timing est produit, et c’est là la différence concrète entre cela et un modèle parole-à-parole avec un avatar rendu par-dessus.

Le visage d’une actrice, et une personnalité entraînée à contredire

La partie la moins typique d’un lancement dans ce post est celle qui explique pourquoi les visages générés paraissent faux. Demandez à des acteurs professionnels de jouer la même émotion et vous obtenez une grande variété, note l’entreprise, citant Le Mau et al. 2021 ; les visages générés par IA produisent au contraire une expression prototypique, plus facile à étiqueter et plus intense qu’une véritable photographie posée, citant Kramer et al. 2026. Faites la moyenne de nombreuses personnes et vous obtenez quelque chose d’atténué. Optimisez pour une étiquette et vous obtenez un dessin animé.

La réponse de Nuance Labs a été d’arrêter de faire des moyennes. Le visage et la voix d’Emma proviennent d’une actrice qui a collaboré à la capture, et ses maniérismes sont calqués sur un personnage précis plutôt que sur une généralisation des données d’entraînement — le long clignement des yeux pour appuyer une idée, le regard plissé, des yeux qui s’égarent puis reviennent, le petit sursaut lorsqu’elle ne peut réprimer une réaction. La publication la confronte à des expressions prototypes de style emoji pour illustrer visuellement le propos, et c’est le genre de différence que l’on remarque en deux secondes et dont on ne peut plus se défaire ensuite.

Le travail sur la personnalité est l’affirmation la plus étrange. Emma est conçue pour être curieuse, vive d’esprit, avoir des opinions et ne pas être d’accord avec vous, tout en assumant ouvertement être une IA. Le billet est direct sur les raisons pour lesquelles c’est difficile : les données de préférence récompensent les réponses qui sont d’accord avec la personne qui pose la question, si bien que la plupart des assistants répètent ce que vous avez dit, le louent, en tirent une morale bien propre et terminent sur une question. La citation est Sharma et al. 2024 sur la flagornerie, et la contrainte de conception qui en découle est qu’il n’y a qu’une seule Emma — un seul visage, une seule voix, un seul tempérament — et non un personnage que l’on peut, par une nouvelle invite, amener à être d’accord.

Ce que la version bêta refusera de faire

Nuance Labs ouvre sa section sécurité en citant ses premiers testeurs, qui ont dit deux choses « souvent dans le même souffle : c’était incroyable, et c’était un peu troublant ». Les restrictions qui suivent sont inhabituellement précises pour un lancement, et c’est la raison pour laquelle plusieurs produits évidents ne peuvent pas être développés sur Nuplex 1.0 ce mois-ci.

La divulgation est structurelle — Emma ne prétend jamais être humaine, les prompts de développeur qui tentent de faire affirmer cela à une persona sont refusés, et toute vidéo servie via l’API porte un filigrane visible.

• Pas de clonage — la version bêta ne peut pas cloner de personnes réelles, vous ne pouvez pas téléverser un visage ou une voix, et un visage personnalisé créé pour une organisation ne peut être utilisé que par cette organisation.

• Aucun contenu sexuel, ni de petites amies ou petits amis IA.

• Les soins de santé et tout ce qui concerne les moins de 18 ans, y compris l'éducation, sont totalement exclus de la bêta ; ces demandes sont quant à elles redirigées vers une adresse dédiée aux entreprises.

• Chaque prompt de développeur est examiné avant le début d'une conversation. Pendant un appel, des contrôles automatisés y mettent fin en cas d'intention exprimée de violence grave, d'insultes ou de discours haineux, de contenu sexuel, ou d'armes et de scènes sanglantes à l'écran — et également si le persona lui-même demande un code d'accès, des coordonnées bancaires, de l'argent ou un accès à distance à un appareil.

• Une personne qui semble en crise est orientée vers de l'aide, comme la Suicide & Crisis Lifeline, plutôt que de se faire raccrocher au nez. Les violations répétées suspendent les nouvelles conversations. L'ensemble du produit est réservé aux 18 ans et plus.

Le billet ajoute la phrase que la plupart des fournisseurs omettent : ces contrôles passeront à côté de certaines choses et mettront parfois fin à des appels qui se déroulaient bien. C’est la bonne chose à dire aux gens, et c’est aussi une description exacte du stade où en est le produit — une bêta soigneusement encadrée plutôt qu’une plateforme.

Ce qu'Emma ne peut pas encore faire

La liste des limites est assez longue pour être utile. Le raisonnement d’Emma provient d’un modèle de langage, elle commet donc des erreurs avec assurance et peut encore se tromper en comptant les lettres de « strawberry ». La gestion des tours de parole échoue là où elle est la plus difficile : elle peut intervenir au milieu d’une pensée, attendre un battement de trop, ou manquer un signal qu’une personne remarquerait, et les longues pauses au milieu d’une phrase sont le pire des cas. Elle ne fonctionne qu’en anglais pour l’instant. Des voix en arrière-plan, une télévision, le mode haut-parleur ou un micro faible dégradent tous son sens du timing. La compréhension visuelle en streaming n’en est qu’à ses débuts — avec la caméra activée, elle peut discuter de ce qu’elle voit, mais manquera des détails et mal interpréter les scènes. La synchronisation labiale, le regard et les mouvements de tête dérapent parfois, surtout avec une mauvaise connexion, et son expression peut revenir à un air neutre en pleine conversation. Elle ne sait pas chanter. L’entreprise le dit avec un smiley, ce qui est un signal honnête sur le sérieux à accorder au reste de la liste.

Qui est derrière Nuplex 1.0

Nuance Labs est une petite entreprise explicitement axée sur la recherche, basée à Seattle, dans l'État de Washington. Ses trois fondateurs nommés sont Fangchang Ma (cofondateur et PDG, docteur en robotique et en apprentissage automatique du MIT, auparavant responsable d'ingénierie chez Apple), Edward Zhang (cofondateur et directeur technique, docteur en infographie de l'Université de Washington, auparavant chercheur scientifique senior chez Apple) et Karren Yang (cofondatrice et directrice scientifique, docteure en synthèse audiovisuelle du MIT, également passée par Apple auparavant). La façon dont l'entreprise présente elle-même le modèle est celle d'un système unique qui « voit, entend, raisonne, parle et s'exprime dans le même instant », construit en prédisant le prochain token audio et visuel plutôt que le mot suivant — la même mécanique autorégressive qui a appris le langage, braquée sur le comportement humain.

Sa page d’accueil énonce également clairement l’objectif de conception : « 500 ms est le plancher absolu pour la latence de conversation », aux côtés de quatre piliers — expressivité et naturel, interactivité en temps réel, une personnalité engageante, et une écoute active grâce aux interjections, aux hochements de tête et au backchannelling. Aucun de ces quatre piliers n’est un benchmark, et le chiffre de 500 ms est un plancher déclaré plutôt qu’un résultat mesuré ; il faut donc le lire comme la contrainte par rapport à laquelle l’équipe conçoit, et non comme une affirmation de performance concernant Nuplex 1.0.

Où vous pouvez réellement l'utiliser

La disponibilité est géographique et plus restreinte que « mondiale ». Emma et l’API Nuplex Beta sont disponibles aux États-Unis, à l’exception du Colorado, du Connecticut, de l’Illinois et du Texas ; dans l’Union européenne ; au Royaume-Uni ; et au Canada, à l’exception du Québec. Pour parler à Emma, aucun compte n’est nécessaire : il suffit d’un navigateur, d’un microphone et, en option, d’une caméra.

Pour les développeurs, le fait architectural intéressant est que Nuplex se place devant un modèle de langage plutôt que de le remplacer. Nuance Labs indique que Nuplex fonctionne avec n’importe quel modèle de langage, mais que la bêta en utilise un qui lui est propre, de sorte que la couche de raisonnement sous Emma n’est pas fournie par un tiers aujourd’hui. Ce que la bêta expose, en revanche, c’est la jointure : la persona peut confier des tâches plus longues à vos outils tout en continuant à parler, et ces outils peuvent appeler n’importe quel modèle ou service de votre choix.

C'est à cette jonction qu'un routeur justifie sa place, et il vaut la peine d'être précis sur ce que nous faisons et ne faisons pas. OrcaRouter ne sert pas Nuplex 1.0 — le modèle ne figure pas dans notre catalogue, et la seule façon d'y accéder est de passer par la plateforme bêta propre à Nuance Labs. Ce que nous servons, en revanche, c'est l'autre côté de l'appel : 215 modèles derrière une seule clé compatible OpenAI au prix catalogue du fournisseur, répercutés sans aucune marge, de sorte que le modèle que les outils d'un persona vont chercher peut être changé en modifiant une chaîne plutôt qu'en signant un second contrat. Le basculement automatique couvre le cas qui compte le plus dans une conversation en direct, où un fournisseur qui se bloque en plein appel est pire qu'une réponse légèrement plus faible, et le DSL de routage vous permet de composer plusieurs modèles derrière un seul point de terminaison lorsqu'une tâche en arrière-plan veut qu'un modèle rédige et qu'un autre vérifie.

Que regarder ensuite

Trois éléments feraient passer ce produit d’une démo impressionnante à une plateforme. Le premier est la mesure indépendante : aucun tiers n’a exécuté le test de chronométrage à 1 785 questions, et l’espace AV full-duplex n’a pas d’arène commune, ce qui explique précisément pourquoi le fournisseur a pu publier son propre jeu de questions sans être contredit. Le deuxième est la liste des langues — l’anglais uniquement est la plus grande limite de la bêta, et un Nuplex multilingue change qui peut développer dessus. Le troisième est le modèle de langage sous-jacent : dès que Nuplex est proposé avec un modèle de langage que l’on apporte soi-même, la question du routage cesse de porter sur les outils et devient celle de la conversation elle-même. D’ici là, le résumé équitable est que Nuance Labs a livré l’argument le plus convaincant à ce jour en faveur de l’idée que la conversation est un acte visuel — et l’a suffisamment encadré pour que personne ne puisse construire discrètement la mauvaise chose avec.