D-ID développe des technologies d’intelligence artificielle permettant d’animer un visage, de le faire parler et de l’intégrer à une interface conversationnelle. Basée à Tel-Aviv, l’entreprise israélienne commercialise ses outils auprès des créateurs de contenus et des organisations, directement ou par l’intermédiaire d’interfaces de programmation. Son positionnement se situe au croisement de la génération vidéo, de la synthèse vocale et des interactions entre humains et machines.
De la protection des visages à leur animation
D-ID a été fondée en 2017 par Gil Perry, Sella Blondheim et Eliran Kuta. Ses premiers travaux portaient sur la protection de l’identité face aux systèmes de reconnaissance faciale, avec des techniques de modification des images destinées à perturber leur identification automatique. L’entreprise a ensuite réorienté son développement vers l’animation et la génération de visages numériques.
Cette expertise a notamment gagné en visibilité avec Deep Nostalgia, le service lancé par MyHeritage en 2021 pour animer des portraits photographiques anciens. Derrière cet usage grand public, D-ID a construit une offre destinée à produire des contenus audiovisuels sans recourir systématiquement à un tournage. Ce parcours illustre le passage d’une technologie centrée sur l’analyse du visage à des applications de création de médias synthétiques.
Des vidéos parlantes aux agents conversationnels
Avec Creative Reality Studio, D-ID permet de créer des vidéos dans lesquelles un personnage prononce un texte fourni par l’utilisateur. Selon les fonctionnalités mobilisées, la production s’appuie sur une photographie, un présentateur numérique, une piste audio ou une voix de synthèse. L’animation cherche à synchroniser les mouvements de la bouche avec la parole, afin de donner une incarnation visuelle au message.
Les usages visés comprennent les modules de formation, les présentations commerciales, la communication interne et les contenus marketing. Les fonctions multilingues et de traduction vidéo répondent aussi aux besoins de déclinaison d’un même message pour plusieurs marchés. L’intérêt opérationnel est de faciliter les mises à jour et les variantes, plutôt que de remplacer chaque forme de production audiovisuelle.
D-ID propose également des API pour intégrer ses technologies dans des services tiers, ainsi que des agents dotés d’une interface visuelle animée. Ces derniers associent un visage parlant à des capacités de dialogue et peuvent être reliés à des contenus documentaires. L’avatar devient alors une porte d’entrée vers une information ou un service, au-delà de la simple vidéo préenregistrée.
Et maintenant ?
Pour D-ID, l’enjeu est de démontrer qu’un visage animé apporte une utilité mesurable face à une interface textuelle ou vocale. La qualité du dialogue, la latence, la fidélité des réponses et l’intégration aux outils métiers compteront autant que le réalisme visuel. Le développement de ces usages dépend aussi de garanties sur le consentement des personnes représentées, les droits attachés aux images et aux voix, et l’identification des contenus synthétiques. Dans un secteur concurrentiel, la confiance et la maîtrise des usages constituent des critères de choix pour les clients professionnels.