Synthesia a passé une décennie à filmer des avatars. Aujourd'hui, elle veut qu'ils lui répondent.

Synthesia a bâti son activité sur une boucle simple. Vous écrivez un script, choisissez un avatar, et vous récupérez en retour une vidéo de présentateur. L'entreprise affirme que cette boucle a alimenté la plus grande plateforme vidéo d'entreprise au monde pendant près d'une décennie, et qu'elle a conduit Synthesia à une valorisation annoncée de 4 milliards de dollars, avec plus de 100 millions de dollars de revenus récurrents annuels d'ici 2025.

Le 1er octobre 2026, la boucle a changé de sens. Synthesia a lancé Sessions, une plateforme de conversations bidirectionnelles avec un avatar ultra-réaliste. Deux types de sessions ont été lancés le jour même, un troisième étant annoncé comme à venir.

Roleplay Sessions place l'utilisateur dans une conversation censée être difficile. L'avatar joue le rôle d'un client, d'un candidat ou d'un subordonné, et il réplique. Les équipes commerciales s'exercent à la découverte des besoins et au traitement des objections. Les managers répètent la conversation qu'ils évitaient avec un employé. Les équipes de support simulent une escalade. Après chaque tentative, le système coache le participant et lui attribue une note. De nouvelles fonctionnalités permettent d'ajuster un scénario à sa situation exacte avant de s'entraîner, et aux entreprises de créer des jeux de rôle personnalisés pour leurs propres conversations récurrentes.

Survey Sessions transforme un formulaire en entretien. L'avatar pose les questions de l'entreprise en tête-à-tête, relance en fonction de ce qu'il entend et restitue des enseignements structurés. Synthesia cite comme usages prévus : le retour d'expérience des collaborateurs, la connaissance client, les entretiens de départ et de churn, le suivi NPS et la recherche produit. Les réponses reviennent sous forme de thèmes et de tonalités agrégés pour l'ensemble des répondants, chaque réponse individuelle pouvant être ouverte sous forme de transcription, de fichier audio ou de CSV.

Expert Sessions est la seule encore sur la feuille de route : un avatar entraîné sur la documentation produit et les processus internes d'une entreprise, qui guide l'utilisateur pas à pas dans une tâche et répond à ses questions au fur et à mesure.

L'argument en faveur de ce type de produit

C'est Peter Hill, le CTO de Synthesia, qui a rédigé l'article de lancement. Son cadrage relève du goulot d'étranglement en matière de personnel plutôt que du récit technologique. Il n'y a jamais assez de la bonne personne pour tout couvrir, qu'il s'agisse d'un manager qui coache chaque commercial avant un appel difficile, d'un chercheur qui interroge chaque client, ou d'un expert produit qui guide chaque utilisateur bloqué. Les substituts habituels sont des enregistrements au lieu de mises en situation, des formulaires au lieu d'entretiens, et de la documentation d'aide au lieu d'un accompagnement pratique.

Le parcours de Hill rend l'argument plus crédible que dans l'article de lancement moyen. Il a passé près de 25 ans chez Amazon et AWS, à diriger les équipes à l'origine de Kindle, Fire, Alexa et de services tels qu'Amazon Connect et WorkSpaces, avant un passage comme PDG et CPO chez Wildlife Studios. Il a déjà déployé des systèmes conversationnels à grande échelle.

Les premières données que Synthesia accepte de publier sont minces mais parlantes. Sur les premiers déploiements, 78 % des apprenants ont tenté un jeu de rôle plus d'une fois, et parmi ceux qui sont revenus, 83 % ont amélioré leur score lors d'une tentative ultérieure. Lisez bien. Le chiffre qui compte n'est pas le taux d'amélioration, mesuré sur le sous-ensemble qui a choisi de revenir. C'est le taux de retour de 78 %. Un outil de formation que les gens répètent volontairement est un produit différent de celui qu'ils terminent parce qu'on le leur a assigné.

Synthesia précise aussi que les enseignements thématiques visent à montrer quelles compétences font la performance, et pas seulement qui a obtenu la meilleure note, et que chaque employé reçoit des suggestions de jeux de rôle pour combler ses propres lacunes. C'est un passage du reporting au diagnostic, et c'est la partie du discours que les équipes de formation évalueront réellement.

Deux voies, et pourquoi cette séparation compte

Synthesia vend la même capacité de deux manières. L'Interactive Avatar API s'adresse aux entreprises qui veulent construire leur propre produit d'avatar et maîtriser la pile technique. Sessions est la plateforme prête à l'emploi pour les conversations qui composent le travail ordinaire. L'entreprise décrit l'API comme un pipeline hébergé, ce qui signifie qu'une équipe peut apporter son propre modèle de langage, sa reconnaissance vocale et sa synthèse vocale plutôt que d'exploiter elle-même la pile de rendu.

Cette séparation est plus intéressante qu'elle n'en a l'air. Les entreprises qui ont déjà un fournisseur de modèles privilégié ne veulent pas qu'on leur impose lequel utiliser, et celles qui n'ont ni l'envie ni les effectifs pour un travail d'intégration ne veulent rien construire. Proposer les deux évite à Synthesia de devoir choisir un seul profil de client. L'intégration au niveau des sessions ouvre l'API full-stack le jour même, ce qui suggère que l'entreprise voit dans l'API une activité plus discrète mais plus importante avec le temps.

Les détails de conformité méritent d'être signalés, car ce produit touche à des conversations entre collaborateurs et à des entretiens clients, donc à des enregistrements, des transcriptions et des données personnelles. Synthesia mentionne SOC 2 Type II, ISO 27001, 27701 et 42001, ainsi que la conformité au RGPD.

Ce que ce lancement ne tranche pas

Trois questions affleurent sous la surface de cette annonce.

La première est de savoir si la qualité d'interaction tient la route en dehors d'une démo. Un jeu de rôle ne produit de transfert de compétences que si la résistance de l'avatar est réaliste et variée. Un avatar qui acquiesce trop facilement n'enseigne rien, et un avatar qui argumente en suivant des rails est repéré en deux tentatives. Synthesia n'a pas publié d'évaluation indépendante du comportement de ses partenaires de jeu de rôle selon les scénarios, et ses chiffres de déploiement décrivent un usage répété plutôt que des résultats d'apprentissage.

La deuxième concerne la conservation des traces. Une note associée à une tentative d'entraînement d'un employé est une donnée sur une personne, créée par une IA, stockée dans un système d'entreprise et potentiellement visible par un manager. Que 78 % des apprenants reviennent, cela a l'air sain dans un communiqué de presse. Cela signifie aussi que la plupart des participants ont produit une trace notée d'une conversation qu'ils ont mal gérée. Où réside cette trace, qui peut la voir et combien de temps elle est conservée sont autant de décisions de politique que chaque acheteur devra prendre, et les réponses diffèrent fortement entre, disons, une équipe d'accompagnement des ventes et un service RH.

La troisième est ce qu'il advient des spécialistes humains dont la rareté constitue toute la prémisse. Si Synthesia a raison de dire qu'un avatar entraîné peut absorber les conversations répétitives pour une fraction du coût d'un appel humain, alors le moment de coaching qui exige une vraie personne devient le plus coûteux. C'est un compromis raisonnable pour les clients de l'entreprise. C'est aussi, inévitablement, une histoire sur les parties d'un métier qui seront automatisées en premier.

Où cela laisse l'IA d'entreprise

Sessions est un marqueur utile parce qu'il fait passer un produit d'avatar de la génération de contenu au flux de travail. Une vidéo d'avatar à sens unique concurrence une caméra, un studio et une échéance. Un avatar bidirectionnel concurrence l'agenda d'un manager, et la comparaison ne porte plus sur le coût de production. Elle porte sur la capacité d'une organisation à mener mille conversations d'entraînement par jour et à en conserver les résultats.

Le pari de Synthesia est que la plupart des organisations en sont incapables, et que l'avatar qui répond est une solution moins chère que l'embauche. Savoir si le niveau de qualité d'interaction justifie cette substitution, c'est ce que montrera l'année prochaine de déploiements. Le chiffre de réutilisation est un signal de départ prometteur. Ce n'est pas encore la preuve que l'entraînement a rendu quiconque meilleur dans son travail.