Le nouveau modèle SenseNova U1 de SenseTime élimine le composant VAE central utilisé dans presque tous les grands systèmes de génération d'images, un changement architectural fondamental qui pourrait réduire les coûts et les artefacts visuels.
Avec la sortie de SenseNova U1, l'entreprise chinoise d'IA SenseTime (00020.HK) remet en question l'architecture fondamentale de la plupart des modèles modernes de génération d'images. La société a publié en open source une version préliminaire de son modèle à 2 milliards de paramètres, construite sur une architecture NEO-Unify qui travaille directement sur les pixels et se passe de l'auto-encodeur variationnel (VAE) utilisé par des systèmes allant de Stable Diffusion à Flux de Google. Cette approche pourrait réduire considérablement les coûts d'inférence et améliorer la fidélité des images en évitant l'étape de compression du VAE.
« Nous avons l'intention de facturer les futurs produits d'IA en fonction des résultats de résolution de problèmes plutôt que de la consommation de jetons », a déclaré Xu Li, président de SenseTime, en mars 2026, une philosophie qui s'aligne sur le potentiel d'économie de coûts de cette architecture plus efficace.
Le modèle préliminaire à 2 milliards de paramètres atteint un rapport signal sur bruit de crête (PSNR) de 31,56 sur la reconstruction d'image, selon la fiche du modèle, un score qui se rapproche des 32,65 PSNR du modèle Flux, beaucoup plus volumineux, mais sans nécessiter de VAE séparé. Le modèle a été développé conjointement avec le S-Lab de l'Université technologique de Nanyang et publié sur Hugging Face le 26 avril. Un modèle de base à 8 milliards de paramètres est également confirmé.
Pour les développeurs et les entreprises, cette sortie signale un passage vers des piles technologiques d'IA plus simples et plus efficaces. La suppression du VAE élimine une source majeure d'artefacts visuels et un composant qui nécessite un réglage important. Cela pourrait abaisser la barrière à l'entrée pour la création de pipelines de génération d'images de haute qualité et réduire les coûts opérationnels des systèmes de production, menaçant directement les modèles commerciaux basés sur les API des fournisseurs occidentaux comme Midjourney et OpenAI.
L'auto-encodeur variationnel est depuis longtemps une nécessité pratique, et non fondamentale. Il compresse les images haute résolution dans un espace latent plus petit et gérable informatiquement, là où se produit le processus de diffusion. Cependant, cette compression entraîne des pertes, supprimant des détails fins et introduisant des artefacts que les développeurs passent un temps considérable à corriger. L'architecture NEO-Unify de SenseNova contourne entièrement cette étape.
En traitant les données visuelles et linguistiques comme étant profondément corrélées dès le départ, le modèle apprend à générer directement sur les pixels. Une stratégie d'entraînement en deux étapes permet au modèle d'intégrer le raisonnement linguistique d'un grand modèle de langage pré-entraîné tout en construisant sa perception visuelle à partir de zéro. Cette voie unifiée pour la compréhension et la génération évite les compromis de performance qui ont souvent entravé l'entraînement des modèles multimodaux, où les gains dans un domaine peuvent dégrader les capacités dans un autre.
SenseNova U1 est le dernier d'une série de modèles compétitifs à poids ouverts émergeant de Chine, rejoignant des sorties notables d'entreprises comme DeepSeek, Qwen d'Alibaba et le projet InternVL. Ce modèle d'expérimentation architecturale rapide combiné à des sorties en open source renforce un écosystème de développeurs robuste qui constitue une alternative sérieuse aux modèles fermés et centrés sur les États-Unis d'OpenAI, Google et Anthropic, ou même aux modèles à poids ouverts de firmes occidentales comme Meta.
Pour les acheteurs en entreprise, particulièrement sur les marchés où la souveraineté des données et l'infrastructure locale sont essentielles, ces modèles deviennent de plus en plus viables. SenseTime a déjà approfondi son intégration avec les fournisseurs de puces nationaux, une démarche qui protège son pipeline de développement des contrôles à l'exportation américains affectant les chaînes d'approvisionnement en GPU de Nvidia. La combinaison de l'innovation architecturale, de la stratégie open source et de la résilience de la chaîne d'approvisionnement renforce la position du secteur chinois de l'IA sur un marché mondial fragmenté.
Cet article est fourni à titre informatif uniquement et ne constitue pas un conseil en investissement.
