Tencent publie Hy-Nomas : une vidéo générée par morceaux, pilotable comme un jeu sur une seule RTX 4090
Un modèle vidéo classique livre un clip d'un seul tenant : impossible de tourner la caméra à la dixième seconde sans relancer toute la génération. Tencent publie Hy-Nomas, qui génère la vidéo par morceaux et laisse l'utilisateur déplacer la caméra, ajouter des objets ou définir des événements par texte entre deux fragments. Le modèle s'appuie sur les images déjà générées, ce qui évite de redessiner le monde à chaque étape. Une configuration quantifiée tourne sur une seule RTX 4090, mais la vitesse n'est pas communiquée.
Traité par IA depuis TG: @neurogen_news (Neurogen) ; édité par Hamidun News
La plupart des modèles vidéo fonctionnent comme une machine à écrire sans touche « retour » : vous rédigez un prompt, patientez et obtenez un clip terminé. Si, à la dixième seconde, vous voulez que la caméra tourne à droite ou qu'une voiture apparaisse dans le cadre, il ne reste qu'à modifier la requête et tout relancer. Tencent a publié en open source Hy-Nomas, un modèle conçu différemment : il crée la vidéo par parties, et c'est l'utilisateur qui pilote la suite.
On se déplace dans ce monde avec les touches WASD et les flèches, comme dans un jeu vidéo classique (W, A, S, D correspondent à avant, gauche, arrière et droite). Selon les auteurs, le modèle peut tourner sur une seule RTX 4090, une carte graphique haut de gamme dotée de 24 Go de mémoire, qui équipe des ordinateurs domestiques et non des centres de données.
Comment cela fonctionne en pratique
Imaginez une scène de jeu : le héros se tient sur une place. Vous générez un premier fragment, vous le regardez et décidez de la suite. Vous pouvez déplacer la caméra, ajouter une fontaine sur la place, faire passer la lumière du jour au soir, ou écrire en texte qu'une charrette surgit au coin de la rue. Le fragment suivant se construit en tenant compte de vos indications, sans qu'il faille relancer la génération depuis le début.
Hy-Nomas se rapproche donc d'un « modèle du monde » interactif plus que d'un générateur de vidéos classique. Vous ne commandez pas une vidéo toute faite : vous la guidez au fil de sa création, et dans les intégrations disponibles, ce guidage passe par la même combinaison WASD et flèches.
Le problème technique majeur de ce type de système est bien connu de quiconque a vu de longues vidéos générées par IA : au bout de quelques secondes, un bâtiment change de forme, une route change de couleur, des objets disparaissent. D'après les développeurs, Hy-Nomas s'appuie sur l'historique de la génération, c'est-à-dire sur les fragments déjà créés. Le monde reste ainsi cohérent et n'est pas redessiné à chaque étape. Dans quelle mesure cela tient sur de longues sessions, la description ne permet pas de le dire : pour le vérifier, il faut tester la démo et le dépôt.
Un lancement sur une seule carte graphique
Le détail le plus intéressant pour les passionnés est la configuration pour une seule RTX 4090. Elle repose sur la quantification, c'est-à-dire le stockage des poids du modèle dans un format plus compact. Une partie des composants de calcul est alors déportée vers la mémoire vive de l'ordinateur. Il s'agit d'une technique bien connue : elle permet de faire tenir un grand modèle dans 24 Go de mémoire vidéo, mais elle coûte généralement en vitesse, car les données doivent circuler en permanence entre la mémoire de l'ordinateur et la carte graphique.
La prudence s'impose ici. Les développeurs ne communiquent aucune vitesse précise pour la 4090. Par ailleurs, les images par seconde (FPS) et la vitesse de génération d'une vidéo sont deux grandeurs distinctes. Un modèle peut afficher un mouvement fluide dans un clip déjà produit tout en mettant plusieurs minutes à le générer. Pour un contrôle interactif, ce qui compte est la réactivité : le délai entre l'appui sur une touche et l'apparition du fragment suivant. Faute de tels chiffres, il est prématuré de qualifier l'exécution sur 4090 de jouable.
Que faire pour les développeurs et les chefs de produit
Premièrement, il vaut la peine de tester la démo pour comprendre où passe aujourd'hui la frontière entre génération vidéo et simulation interactive. Pour des prototypes de scènes de jeu, de prévisualisation au cinéma et en publicité, de simulations pédagogiques ou de concepts de niveaux, l'idée d'un pilotage pas à pas semble plus pratique qu'un enchaînement sans fin de prompts.
Deuxièmement, le code ouvert permet de vérifier les affirmations sur votre propre matériel. Si vous disposez d'une RTX 4090, mesurez deux choses : le nombre de secondes entre une commande et l'apparition du nouveau fragment, et la durée pendant laquelle le monde reste cohérent. Ce sont ces chiffres qui déterminent si le modèle convient à un produit, bien plus qu'une démo séduisante.
Troisièmement, il sera utile de suivre les comparaisons de Hy-Nomas avec d'autres modèles de monde. L'approche consistant à guider la génération plutôt qu'à la commander d'un bloc s'affirme peu à peu comme une catégorie d'outils à part entière. La mise à disposition d'une implémentation ouverte par Tencent abaisse le seuil d'entrée : chercheurs et petits studios disposent d'une base d'expérimentation sans attendre des services fermés.
Le bilan provisoire est le suivant : l'idée est claire, le code est publié, l'exécution sur carte grand public est annoncée, mais le paramètre clé, la vitesse sur 4090, n'a pas été communiqué par les auteurs. Pour une sortie récente, ce n'est pas anormal, mais il vaut mieux évaluer le modèle à partir de ses propres mesures plutôt que de sa description.
- 21 nov. 2026MLCommons se met à mesurer les API d'IA sous charge réelle : 7 mesures pour les agents
- 21 nov. 2026Unsloth met à jour ses versions compressées de Qwen3.8-27B : précision en hausse de 5 à 10 % à taille égale
- 21 nov. 2026Google ouvre les précommandes de lunettes intelligentes avec Gemini à partir de 395 $, ventes dès le 10 décembre
- 21 nov. 2026Via OpenRouter, une DeepSeek piratée a répondu pendant trois jours : les refus sont tombés de 83–98 % à 1 %
Questions clés sur cet article
Comment cela fonctionne en pratique?
Imaginez une scène de jeu : le héros se tient sur une place. Vous générez un premier fragment, vous le regardez et décidez de la suite. Vous pouvez déplacer la caméra, ajouter une fontaine sur la place, faire passer la lumière du jour au soir, ou écrire en texte qu'une charrette surgit au coin de la rue. Le fragment suivant se construit en tenant compte de vos indications, sans qu'il faille relancer la génération depuis le début.
Que sait-on sur Un lancement sur une seule carte graphique ?
Le détail le plus intéressant pour les passionnés est la configuration pour une seule RTX 4090. Elle repose sur la quantification, c'est-à-dire le stockage des poids du modèle dans un format plus compact. Une partie des composants de calcul est alors déportée vers la mémoire vive de l'ordinateur.
Que sait-on sur Que faire pour les développeurs et les chefs de produit ?
Premièrement, il vaut la peine de tester la démo pour comprendre où passe aujourd'hui la frontière entre génération vidéo et simulation interactive. Pour des prototypes de scènes de jeu, de prévisualisation au cinéma et en publicité, de simulations pédagogiques ou de concepts de niveaux, l'idée d'un pilotage pas à pas semble plus pratique qu'un enchaînement sans fin de prompts. Deuxièmement, le code ouvert permet de vérifier les affirmations sur votre propre matériel.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
L'essentiel de l'IA — une fois par semaine
Sept actus qui ont vraiment compté, choisies à la main. Sans bruit ni communiqués.
C'est fait ! Vérifiez votre boîte mail pour la confirmation.