Cohere apprend à Compass à trouver la bonne minute dans une vidéo : le top 10 des résultats gagne 4,4 points de précision
Les enregistrements de réunions restent inexploités : pour retrouver le moment où l'équipe a décidé de reporter la sortie, il faut parcourir une heure de vidéo. Cohere a appris à Compass à comprendre la parole et l'écran, et à renvoyer la minute recherchée avec son horodatage. Sur 11 jeux de données, il a devancé sept modèles concurrents : les extraits pertinents apparaissent dans le top 10 avec une avance de 4,4 points (métrique nDCG@10). Pour le RAG et les agents, la vidéo est désormais indexée comme un document.
Traité par IA depuis Cohere Blog ; édité par Hamidun News
Imaginez qu'il faille savoir quand l'équipe a convenu de reporter la sortie au troisième trimestre. Un document se retrouve en quelques secondes, alors qu'un enregistrement de réunion oblige à le parcourir pendant une heure. C'est pourquoi les archives de réunions, de cours et de webinaires sont presque jamais revisitées.
Cohere s'attaque à ce problème avec Compass, sa solution de recherche d'entreprise : sa nouvelle fonction Video Intelligence ne renvoie pas l'enregistrement entier, mais la minute précise où la réponse a été donnée, avec son horodatage, la transcription de la parole et la description de l'image. Le titre « le top 10 des résultats gagne 4,4 points de précision » signifie ceci. Cohere a mesuré la métrique nDCG@10 : elle indique à quel point les passages réellement pertinents figurent haut dans les dix premiers résultats.
En moyenne, Compass se place 4,4 points au-dessus du meilleur des sept modèles alternatifs.
Ce que sait faire Compass
L'idée centrale : chercher non des fichiers, mais des moments. Au lieu d'un enregistrement d'une heure, le système fournit un court extrait qui répond à la question.
La seule transcription ne suffit pas. Un intervenant peut dire que les indicateurs progressent alors que le graphique à l'écran descend. Une seule image d'un joueur quittant le terrain ne dit pas qu'il a été expulsé : cela ne ressort que de l'enchaînement des événements. Compass prend en compte les mots, l'image et l'évolution des événements dans le temps.
Il y a aussi un détail technique. De nombreux systèmes découpent la vidéo à l'avance en segments de durée fixe. L'extrait peut alors commencer deux minutes trop tôt ou s'interrompre avant la réponse, et l'utilisateur doit quand même faire défiler la vidéo. Dans Compass, le début et la fin de l'extrait sont calculés au moment de la requête, en fonction de la question posée.
La vidéo au même niveau que les documents
La vidéo ne vit pas dans un entrepôt séparé. Une seule requête renvoie à la fois un fragment d'enregistrement et les pages, diapositives et tableaux pertinents des documents associés. Tout provient d'un index unique qui tient compte des droits d'accès : un salarié ne verra que ce à quoi il a accès.
Pour les développeurs, deux points pratiques :
- la vidéo peut être connectée au pipeline RAG existant et aux scénarios agentiques, sans construire de système distinct ;
- un agent peut être relié via le serveur MCP de Compass et raisonner sur ce qui est montré à l'écran (diapositives, graphiques, démonstrations), et pas seulement sur ce qui est dit.
Chaque résultat renvoie à l'enregistrement source, de sorte que la réponse peut être vérifiée. Pour les juristes et la conformité, c'est essentiel : il ne faut pas se fier à un résumé, mais ouvrir la minute où quelque chose a été dit. Cohere cite d'autres usages : assistants sur des enregistrements de réunions, de présentations, de conférences de résultats et de briefings d'analystes, recherche de réponses dans des bibliothèques pédagogiques, repérage de joueurs, d'épisodes et de marques dans des archives sportives et médias.
Ce que montrent les mesures
Cohere a comparé Compass à sept modèles d'embeddings vidéo sur 11 jeux de données et 11 133 requêtes. L'ensemble comprend six benchmarks ouverts, trois jeux d'entreprise (réunions, cours, formation à la sécurité) et deux jeux de retransmissions de football. Le meilleur concurrent varie selon le domaine, mais Compass est en tête dans chacun :
- benchmarks ouverts : avance de 2,4 points sur Amazon Nova Multimodal Embeddings ;
- sport : avance de 5,1 points sur Gemini Embedding 2 ;
- savoirs d'entreprise : avance de 2,0 points sur Qwen3-VL-Embedding-8B.
Limites
Les chiffres proviennent de Cohere elle-même, une partie des jeux de données est interne et aucune vérification indépendante n'a encore eu lieu. Un écart de 2 à 5 points est perceptible, mais ce n'est pas un fossé. Sur vos propres données, le résultat peut différer, surtout si les enregistrements sont bruités et si l'écran apporte peu d'information.
Le produit n'est pas encore accessible à tous : l'entreprise recrute des partenaires de conception. Ils pourront tester Compass sur leurs propres enregistrements et requêtes, le déployer dans le cloud géré de Cohere ou dans leur propre environnement, et influer sur la feuille de route. Prix et calendrier de lancement général ne sont pas communiqués.
Conclusion pratique : si votre entreprise dispose de centaines d'heures d'enregistrements que personne ne revisite, le plus utile est de constituer dès maintenant une liste de 50 à 100 questions réelles sur ces contenus. Avec un tel jeu de test, on peut comparer honnêtement Compass à n'importe quelle alternative, sans se fier aux présentations commerciales.
- 21 nov. 2026Le réseau de neurones MIRA génère Rocket League à 20 images par seconde, mais le ping grimpe jusqu'à 460 ms
- 21 nov. 2026Google a construit une copie fermée d'internet avec de fausses banques pour entraîner les agents IA de Chrome
- 21 nov. 2026MLPerf Training v6.1 : Nvidia Rubin et TPU Ironwood font leurs débuts, 153 systèmes au test
- 21 nov. 2026Google ouvre les précommandes de lunettes intelligentes avec Gemini à partir de 395 $, ventes dès le 10 décembre
Questions clés sur cet article
Que sait-on sur Ce que sait faire Compass ?
L'idée centrale : chercher non des fichiers, mais des moments. Au lieu d'un enregistrement d'une heure, le système fournit un court extrait qui répond à la question. La seule transcription ne suffit pas. Un intervenant peut dire que les indicateurs progressent alors que le graphique à l'écran descend. Une seule image d'un joueur quittant le terrain ne dit pas qu'il a été expulsé : cela ne ressort que de l'enchaînement des événements.
Que sait-on sur La vidéo au même niveau que les documents ?
La vidéo ne vit pas dans un entrepôt séparé. Une seule requête renvoie à la fois un fragment d'enregistrement et les pages, diapositives et tableaux pertinents des documents associés. Tout provient d'un index unique qui tient compte des droits d'accès : un salarié ne verra que ce à quoi il a accès.
Que sait-on sur Ce que montrent les mesures ?
Cohere a comparé Compass à sept modèles d'embeddings vidéo sur 11 jeux de données et 11 133 requêtes. L'ensemble comprend six benchmarks ouverts, trois jeux d'entreprise (réunions, cours, formation à la sécurité) et deux jeux de retransmissions de football.
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.