Les basesGlossaire de l'IA
Multimodal
Un modèle qui comprend et/ou génère plusieurs types de contenus : texte, images, audio, vidéo. Les modèles récents le sont presque tous.
Autrement dit
Quelqu'un qui lit, regarde, écoute ET dessine, pas juste un lecteur.
Nos articles qui en parlent
- Pourquoi les benchmarks vieillissent si vite
Les tests de référence perdent leur pouvoir discriminant en quelques mois. On explique les trois mécanismes qui les usent, et comment lire un score en conséquence.
- Ox Alpha révélé : c'était GLM-5.3-Flash, et il tourne entièrement sur des puces chinoises
Z.ai a confirmé le 26 août que le modèle anonyme Ox Alpha était GLM-5.3-Flash, publié sous licence MIT avec un contexte d'un million de tokens. On analyse la révélation, les caractéristiques, et le point qui dépasse largement la technique.
- L'IA et le handicap : le domaine où elle change le plus de vies, et dont on parle le moins
Pour les personnes en situation de handicap, l'IA ne représente pas un gain de confort mais souvent un accès. On fait le tour des usages qui changent réellement quelque chose, et des limites qu'il faut nommer honnêtement.
- FLUX 3 face à Seedance 2.5, Gemini Omni et Kling 3 : où se situe vraiment le nouveau venu ?
Le 23 juillet 2026, Black Forest Labs a lancé FLUX 3, capable de générer vingt secondes de vidéo avec audio synchronisé depuis un seul prompt. On le compare à Seedance 2.5, Gemini Omni Flash, Kling 3.0, Veo 3.1 et Runway Gen-4.5, et on explique pourquoi aucun modèle ne gagne sur tous les tableaux.
- Google sort trois modèles Gemini d'un coup, moins chers et plus rapides, mais toujours pas celui qu'on attend
Le 21 juillet 2026, Google a lancé trois nouveaux modèles Gemini de la gamme Flash : 3.6 Flash, 3.5 Flash-Lite et 3.5 Flash Cyber. Tous misent sur l'efficacité et la baisse des coûts pour les agents IA, pendant que le modèle phare Gemini 3.5 Pro reste bloqué. On décrypte ce trio, ses vrais chiffres, et l'annonce discrète de Gemini 4 en préparation.
- C'est quoi une IA "multimodale" ? Quand une intelligence apprend à voir, lire et entendre à la fois
Multimodal : le terme désigne les IA capables de traiter plusieurs types de contenus (texte, image, son, vidéo) dans un même modèle. On explique simplement ce que ça signifie, comment c'est possible, et pourquoi cette capacité marque une étape importante vers des IA plus proches de notre manière de percevoir le monde.
Pour aller plus loin à l'Académie
Voir aussi
Dans la même famille : Les bases
Retrouver ce terme dans le glossaire complet →Tous les termes