La fluidité visuelle a longtemps représenté le Graal des constructeurs, mais les technologies actuelles de duplication artificielle d’images traînent un défaut majeur : le retard à l’affichage. Alors que les joueurs sur console composent encore avec des modes graphiques bridés à trente images par seconde ou des compromis visuels sévères, Sony Interactive Entertainment explore une piste radicalement différente. Repéré par le cabinet spécialisé Patentlyze, un brevet récemment enregistré par la firme japonaise dévoile une architecture d’intelligence artificielle capable de prédire l’image suivante avant même que la puce graphique ne commence son calcul. Une approche inédite pensée pour offrir une fluidité accrue sans dégrader la réactivité manette en main.
L’extrapolation contre l’interpolation : la fin du compromis technique
Pour comprendre la portée de cette initiative, il convient de regarder le fonctionnement des solutions actuelles sur le marché du jeu vidéo. Les systèmes comme le DLSS de NVIDIA ou le FSR d’AMD reposent majoritairement sur le principe de l’interpolation. Pour insérer une image artificielle, le processeur graphique doit obligatoirement calculer deux images réelles, la précédente et la suivante, puis glisser une étape intermédiaire entre les deux. Ce mécanisme impose une mise en mémoire tampon qui retarde inévitablement l’affichage à l’écran, un handicap lourd dans les jeux exigeant des réflexes immédiats.
La méthode brevetée par PlayStation fait le choix inverse en misant sur l’extrapolation pure. Au lieu d’attendre que l’image du futur soit rendue pour en déduire le passé immédiat, l’algorithme tente de deviner la suite directe de l’action en temps réel. En projetant cette image anticipée directement à l’écran pendant que le matériel calcule la véritable scène suivante, Sony contourne le temps de retenue habituel des pipelines graphiques. La promesse est limpide : doubler visuellement le nombre d’images par seconde tout en conservant une réactivité brute proche du signal natif.
Sous le capot : un auto-encodeur dopé aux commandes du joueur
Au cœur de ce dispositif se trouve un modèle d’apprentissage profond articulé autour d’un auto-encodeur. Le système fonctionne en deux temps bien distincts. Dans un premier volet, un réseau encodeur analyse la dernière image affichée, les vecteurs de mouvement décrivant la trajectoire des objets, mais surtout les actions concrètes envoyées par la manette, qu’il s’agisse de la pression sur une gâchette ou de l’orientation d’un joystick. Ces données hétérogènes sont compressées sous la forme d’une empreinte visuelle dense résumant les forces en jeu dans la scène.
Dans un second volet, le réseau décodeur prend le relais pour reconstituer une image synthétique cohérente à partir de cette empreinte vectorielle. Si la charge de calcul machine s’avère trop lourde ou si le temps imparti par le taux de rafraîchissement menace d’être dépassé, le brevet prévoit une porte de sortie de secours sans intelligence artificielle. Cette sécurité consiste en un simple décalage géométrique des blocs de pixels le long de leur axe de mouvement, garantissant ainsi qu’aucune saccade ne vienne perturber la progression du joueur.
Le défi de l’imprévu : dompter l’inconnu à l’écran
Prédire l’avenir reste toutefois l’exercice le plus complexe du traitement d’image en temps réel. Dans le cadre d’une interpolation classique, l’algorithme travaille entre deux bornes fixes et connues. Dans une extrapolation prédictive, le système navigue à l’aveugle face aux aléas du joueur. Un coup de caméra brusque à quatre-vingt-dix degrés, une explosion imprévue ou un élément de décor qui surgit soudainement du hors-champ posent un défi majeur appelé le phénomène de désoxydation ou masquage visuel.
Les croquis déposés dans le brevet illustrent d’ailleurs cette contrainte technique en affichant des marges d’erreur perceptibles entre la trame projetée par anticipation et la réalité finale du rendu matériel. L’introduction directe des signaux de commande du joueur constitue la clé de voûte de cette architecture. En captant l’intention motrice quelques millisecondes avant la fin du tracé géométrique de la scène, l’intelligence artificielle peut orienter son estimation visuelle dans la bonne direction et limiter les artéfacts de déformation.
Un positionnement stratégique pour l’écosystème console
Cette démarche technique s’inscrit en droite ligne avec les orientations industrielles de Sony Interactive Entertainment. Plus tôt cette année, l’architecte en chef de la marque, Mark Cerny, rappelait au micro de Digital Foundry l’étroite collaboration menée entre les ingénieurs de PlayStation et les équipes d’AMD autour du développement de solutions d’apprentissage automatique appliquées au jeu vidéo. Ce partenariat, déjà au centre du suréchantillonnage spectral PSSR, trouve dans cette technologie prédictive une évolution logique pour les prochaines générations de machines.
Sur console de salon, où le seuil de base oscille régulièrement entre trente et quarante images par seconde sur les productions visuellement très lourdes, l’interpolation classique demeure difficilement praticable en raison d’une lourdeur insupportable aux commandes. Si Sony parvient à fiabiliser son modèle prédictif d’extrapolation, le constructeur pourrait bien résoudre l’équation la plus frustrante du jeu moderne : préserver une fidélité graphique maximale sans jamais sacrifier la nervosité du gameplay.
