Edition 06 - Solutions d’IA
Bon retour à Supercharged : Perspectives de Keywords Studios, notre infolettre trimestrielle.
Cette édition explore comment les studios de jeux vidéo ont tous les atouts nécessaires pour mener dans l’ère de l’IA en tirant parti des outils et du personnel dont ils disposent déjà . En reconnaissant que les compétences fondamentales utilisées dans le développement de jeux sont les mêmes que celles requises pour les opérations d’IA de haute qualité, les studios peuvent arrêter de courir après les moments « wow » et commencer à concevoir des flux des travaux fiables et utiles, ainsi que de meilleurs systèmes d’IA.
Les capacités cachées en matière d’IA que chaque studio possède déjÃ
Par Quentin Staes-Polet, Directeur général - Keywords Studios Solutions d’IA
Une grande partie des conversations portant sur l’IA dans l’industrie du jeu vidéo se concentrent sur les risques.
L’IA changera-t-elle la façon dont nous développons des jeux? Aura-t-elle des conséquences sur l’emploi? Modifiera-t-elle les pipelines de production?
Ce sont des questions importantes, mais je crois qu’elles risquent de cacher une opportunité bien plus grande.
L’an dernier, j’ai collaboré avec certaines des plus grandes organisations mondiales d’IA. Ce qui m’a le plus surpris, ce n’est pas la différence entre leurs défis et les nôtres, mais plutôt à quel point ils se ressemblaient.
Les capacités nécessaires pour créer, tester, évaluer et améliorer les systèmes d’IA avancés ressemblent de plus en plus à celles que l’industrie du jeu vidéo a développées et appliquées pendant des décennies aux expériences de divertissement, et deviennent rapidement parmi les intrants les plus précieux pour l’IA.
Ce qui compte
Au fur et à mesure que les modèles d’IA se perfectionnent, la course se transforme.
Le facteur limitant n’est plus simplement l’accès à l’architecture de calcul ou de modélisation. Il s’agit de plus en plus de l’accès à des données humaines de haute qualité, au jugement humain et à des processus d’évaluation robustes.
Les entreprises d’IA ont besoin de spécialistes capables d’identifier les erreurs, d’évaluer la qualité, d’analyser les résultats, de tester les cas limites et d’améliorer les performances au fil du temps.
Ce ne sont pas des exigences abstraites.
Ce sont des capacités opérationnelles.
Et ce sont des capacités que possèdent déjà de nombreuses entreprises de jeux vidéo.
L’IA en pratique
Je pense qu’il existe deux atouts que bon nombre de studios continuent de sous-estimer.
Le premier, ce sont leur personnel : les artistes, les spécialistes en assurance qualité, les experts en localisation, les équipes communautaires et les agents de services en direct apportent tous des formes de jugement dont les systèmes d’IA dépendent de plus en plus. De nombreux rôles qui soutiennent actuellement la production de jeux vidéo ont des applications directes dans l’évaluation, la sécurité, les tests d’intrusion et l’amélioration des modèles d’IA.
La deuxième est la discipline de production : pour créer et exploiter des jeux à succès, il faut des processus, un contrôle de la qualité et une coordination mondiale rigoureux, ainsi que la capacité à travailler sous pression. Ces mêmes disciplines deviennent essentielles pour les sociétés qui cherchent à développer des systèmes d’IA fiables.
Durant mon expérience comme gestionnaire d’initiatives de contenu généré par les utilisateurs et alimentées par l’IA, une leçon s’est vite imposée : le défi résidait rarement dans le modèle lui-même. Le défi était plutôt de créer les boucles de rétroaction humaine nécessaires à l’amélioration continue des résultats.
Cela demeure vrai aujourd’hui.
Au sein de Keywords Studios
Nous constatons déjà cette transformation.
Au cours de la dernière année, Keywords Studios a soutenu l’une des plus grandes entreprise mondiales d’IA grâce à des équipes spécialisées dans la création, l’évaluation et l’assurance qualité des données. Ce qui avait commencé comme une implication relativement modeste s’est rapidement transformé en une opération d’envergure impliquant des centaines de spécialistes soutenant des millions d’interactions et contribuant à l’amélioration des systèmes d’IA avancés.
Le projet a renforcé quelque chose que nous savons depuis des années : les résultats exceptionnels dépendent de personnes talentueuses, d’une excellence opérationnelle et d’un souci constant de la qualité.
Les mêmes fondements qui sous-tendent le développement réussi de jeux vidéo s’avèrent tout aussi précieux lorsque nous parlons d’IA.
Pourquoi la localisation est plus importante que jamais
L’un des défis les plus négligés en IA est la qualité multilingue.
Créer de modèles qui fonctionnent dans plusieurs langues n’est pas un simple exercice de traduction. Il faut un contexte culturel, des nuances linguistiques et un jugement humain.
L’industrie du jeu vidéo a consacré des décennies à maîtriser ces compétences. Ainsi, alors que l’IA se mondialise de plus en plus, l’expertise en localisation pourrait devenir l’une des capacités les plus précieuses de tout l’écosystème de l’IA.
Depuis des années, les studios considèrent bon nombre de ces capacités comme des fonctions de production essentielles.
Les entreprises qui prospéreront lors de la prochaine vague d’IA pourraient être celles qui reconnaîtront que ces mêmes capacités deviennent des ressources stratégiques.
La question n’est pas de savoir si l’IA va transformer notre industrie. C’est plutôt de savoir si nous reconnaissons pleinement la valeur de ce que nous avons déjà construit.
Les dernières nouvelles de nos experts
Cliquez ci-dessous pour en savoir plus sur les plus de 25 ans d’expérience de Quentin dans les secteurs de la technologie, des médias et de l’IA, ou communiquez avec lui via LinkedIn
Quentin Staes-Polet
La grande inversion des données
Par JC Langley, responsable des opérations et des partenariats stratégiques : Keywords Studios Solutions d’IA
Pourquoi les entreprises de services les plus en difficulté de l’industrie du divertissement sont ses ressources d’IA les plus précieuses.
CuriosityStream perdait de l’argent. Une plateforme de diffusion en continu, de documentaires, rien à voir avec Netflix. Puis quelqu’un s’est rendu compte que cette bibliothèque de 210 000 heures valait plus comme données d’entraînement pour l’IA que comme service de diffusion en continu. Une perte nette à 8,2 millions de dollars de BAIIA. Le contenu est resté le même. C’est l’acheteur qui a changé.
Le marché des données d’entraînement pour l’IA représente aujourd'hui 2,7 milliards de dollars et devrait atteindre 11 milliards de dollars d’ici 2030. Et les entreprises qui possèdent les ensembles de données les plus précieux ignorent qu’ils les possèdent. Elles pensent qu’elles sont dans le secteur de la traduction.
CuriosityStream a vu le contenu comme des données. Une bibliothèque que quelqu’un pourrait pointer du doigt et dire : « Obtenez une licence pour ceci. » La suite est encore plus étrange, parce que les ensembles de données les plus précieux de l’industrie du divertissement ne sont pas des bibliothèques du tout. Ce sont des données opérationnelles.
Reddit a sécurisé 60 millions de dollars par année de Google. Puis a renégocié parce que la première entente était insuffisante. Le total en licences d’IA : environ 130 millions de dollars par année. Dix pour cent du chiffre d’affaires de l’entreprise. Pour des textes que les utilisateurs écrivent gratuitement.
Shutterstock a réalisé 104 millions de dollars en octroyant des licences d’images à des entreprises d’IA in 2023. En 2025, ce montant s’élevait à 203 millions de dollars.
Puis, les choses sont devenues étranges. OpenAI a offert 500 million de dollars pour Medal.tv. Une plateforme où les joueurs mettent en ligne des extraits de leurs parties de jeux vidéo. Deux milliards de vidéos par an. Dix millions d’utilisateurs. La principale ressources : des ados qui enregistrent leurs éliminations sur Fortnite.
Medal a dit non, a créé un labo d’IA, a levé 134 millions de dollars auprès de Khosla et General Catalyst, et a conservé les données. Un demi-milliard de dollars sur la table et ils ont tourné le dos parce que les données valaient plus.
Textes, images, vidéos, audio. Tout faisant l’objet de licences. Et les entreprises de services de jeux, celles qui génèrent les données opérationnelles les plus structurées et les plus spécifiques à l’industrie du divertissement, valorisent cet actif à zéro.
Elles facturent la main-d’œuvre. Elles devraient facturer les données.
Cela s’est déjà produit. En 2016, Quintiles a fusionné avec IMS Health. Quintiles menait des essais cliniques pour des compagnies pharmaceutiques. IMS comptait les pilules dans différentes pharmacies. Rien de bien excitant. Ensemble, ils sont devenus IQVIA. La capitalisation boursière a culminé à plus de 45 milliards de dollars. Les services ont produit des données propriétaires. Ces données rendaient les services défendables. Aucune des deux parties n’aurait pu construire l’autre.
C’était en santé. La même structure existe aujourd’hui dans le monde du divertissement. Personne ne la construit.
Les données que personne ne facture
Alors, à qui appartiennent ces données?
La plupart des gens qui regardent les services de jeux vidéo s’arrêtent à la simple mention de « traduction ». Elles voient des entreprises de localisation et pensent à l’exploitation de main-d’œuvre. Mais une entreprise qui a localisé 5 000 jeux dans 60 langues n’est pas qu’un simple fournisseur de traduction. Elle détient un ensemble de données textuelles parallèles : le même contenu, traduit de manière professionnelle dans des dizaines de paires de langues. C’est précisément ce dont les modèles d’IA multilingues ont besoin pour leur entraînement. Et les entreprises qui produisent ceci tous les jours n’ont aucune idée de ce que ça vaut.
Une entreprise a déjà prouvé que ça fonctionne. Flitto, une plateforme de localisation coréenne a réorienté ses corpus parallèles multilingues vers l’octroi de licences de données d’entraînement pour l’IA. Son chiffre d’affaires a augmenté de 77 % sur un an. Plus de 65 % de ses revenus proviennent désormais des marchés de données internationaux. Cela lui a valu un prix à l’exportation de 7 millions de dollars. Lionbridge et RWS ont toutes les deux créé des divisions dédiées aux données d’entraînement pour l’IA. Le pipeline localisation-données n’est pas théorique : il est opérationnel.
Trois sur quatre sont prêtes maintenant. Les données de localisation sont déjà échangées. Les données de confiance et sécurité sont très en demande : 80 % des budgets de modération des plateformes va aux outils d’IA, et le marché croît à un TCAC de 26,6 % pour tendre vers les 10 milliards de dollars. La voix et le doublage sont liés au marché de l’IA vocale de 20 milliards de dollars. ElevenLabs vient de récolter 11 milliards de dollars pour un chiffre d’affaires de 330 millions. Ils ont besoin de données vocales. Ces entreprises les enregistrent depuis des années.
Super important. Un point crucial, alors je ne le passerai pas sous silence : la propriété. Les contrats de localisation standard confèrent au client la propriété de la mémoire de traduction. Le fournisseur ne fait que la conserver. Ce qui signifie que le corpus textuel d’une entreprise de localisation peut appartenir à ses clients.
Vous pouvez vérifier cela pendant l’audit. Et cela réoriente la thèse d’investissement vers les types de données dont la propriété est moins contestée. Les journaux de décisions de modération. Les modèles de tests d’assurance qualité. Les enregistrements vocaux. Ce sont des sous-produits opérationnels, pas des livrables. Personne n’a rédigé de clause contractuelle concernant les données internes de suivi des bogues d’une entreprise. Les données de localisation demeurent précieuses si le fournisseur en a conservé les droits. Mais c’est un scénario idéal, pas le fondement.
Le précédent de Publicis
Publicis a fait l’acquisition des données de première main d’Epsilon pour 4,4 milliards de dollars en 2019. Les analystes étaient sceptiques. CNBC a publié plusieurs titres qui ont retenu l’attention. En 2025, Publicis a largement surpassé WPP sur tous les indicateurs financiers. Rendement annuel sur dix ans : Publicis +7,4 %, WPP -9,2 %. La réévaluation n’a pas été immédiate. Elle s’est réalisée progressivement sur cinq ans, à mesure que les revenus de données augmentaient. Wall Street doutait de l’affaire, puis a passé cinq ans à regarder Publicis creuser l’écart avec tous les concurrents qui n’avaient pas fait le même pari.
Où nous nous situons dans le cycle
Chaque conversion de services en plateforme suit le même schéma en quatre phases. Je l’ai observé dans six secteurs différents. La séquence est remarquablement constante.
Phase 1 : Les pionniers prouvent souvent la validité du concept, mais se retirent avant d’occuper une part significative du marché. PhyMatrix en soins de santé. Les cabinets médicaux se sont regroupés dans les années 90, puis se sont effondrés. Hipgnosis dans les catalogues de musique. Ils ont démontré la validité de cette classe d’actifs, puis l’évaluation s’est effondrée. Ces deux éléments ont validé la thèse et ouvert la voie à de nouvelles hypothèses.
Phase 2 : Le vide. Les opérateurs avisés construisent discrètement pendant que tout le monde détourne le regard. US Physical Therapy a construit pendant la période suivant l’effondrement des entreprises de gestion de cabinets médicaux, de 2002 à 2010. Les fonds de capital-investissement avait fui les services de santé. Aucun concurrent. Bon nombre en difficulté. Huit ans de capitalisation sans surenchère.
Les services de jeux sont actuellement dans la Phase 2, mais Keywords a su se démarquer et faire figure d’exception dans une tendance autrement constante. Plus de 60 acquisitions, un modèle de consolidation éprouvé et une restructuration organisationnelle majeure, un engagement envers les solutions d’IA en tant que nouvelle offre de services, et la mise à profit de plus de 25 ans d’expérience dans le jeu vidéo pour se développer dans l’annotation de données, les mondes synthétiques et l’entraînement de modèles d’IA.
Cycle service-plateforme · Modèle à six secteurs
- Le pionnier : Prouve le concept, puis se retire ou s’éteint. PhyMatrix en soins de santé. Keywords Studios dans les jeux vidéo. Hipgnosis en musique. Chacun a validé la thèse.
- Le vide : Les opérateurs avisés se développent discrètement, gagnant du terrain avant que la concurrence ne s’implante. Cette phase marque la prochaine décennie, celle dans laquelle nous nous trouvons actuellement.
- Expansion de la plateforme : Les unités autonomes, valorisées à des multiples de 3 à 4 fois, deviennent des plateformes à des multiples de 10 à 15 fois. L’expansion multiple survient avant que la maturité du marché ne donne des résultats significatifs.
- Différenciation des données : Les plateformes disposant de données propriétaires se séparent définitivement des fournisseurs de services purs. L’écart se creuse. Publicis vs. WPP est l’équivalent.
La question n’est pas de savoir si cela se produira. Les équivalences sont trop constantes. La question est de savoir qui construit pendant cette période de vide.
Contactez-nous aujourd'hui
Contactez-nous
La stratégie
Les multiples d’entrée sur le marché des sociétés de services de jeux se situent actuellement entre 5 et 8. Selon les cycles économiques, il faudra de 3 à 5 ans avant qu’ils n’atteignent 8 à 13. On prévoit une période de 15 à 20 ans avant la pleine maturité. C’est le point où CrowdStrike s’est lancée dans la cybersécurité. Neuf ans après que SOX a créé la demande de conformité. Bien avant que la maturité du marché ne génère des résultats de 80 milliards de dollars.
Le plan est simple. Acquérir des entreprises de services de jeux fragmentées à des prix multiples. Structurer la capture de données dès le premier jour. Pas comme un ajout de dernière minute, pas comme une optimisation de la cinquième transaction, mais comme une infrastructure à part entière.
40% of P40 % de la variance du rendement du capital-investissement expliquée par le seul prix d’entrée – sur plus de 50 000 transactions
Ce que nous devons retenir de Publicis, c’est que la propriété des données n’est pas quelque chose que vous devez déterminer après coup. C’est quelque chose que vous devez construire dès le début.
Ensuite, il y a ce positionnement intersectoriel qu’aucun opérateur en place des services du jeu vidéo n’a réussi à réaliser. Les mêmes talents qui gèrent l’AQ d’un battle royale d’envergure peuvent aussi gérer l’AQ de la salle d’exposition virtuelle de BMW. Les mêmes artistes qui conçoivent des environnements de jeux peuvent créer des visualisations architecturales. Qualitest l’a prouvé. Leur positionnement transversal en AQ leur a permis d’être rachetés par Bridgepoint pour 200 millions de dollars de chiffre d’affaires. BISim, qui a fait le lien entre le jeu vidéo et la simulation de défense, avant d’être racheté par BAE Systems pour 200 millions de dollars. Même talent. Autre étiquette. Multiple doublé.
En ce moment, des entreprises de services informatiques comme Globant, Accenture et Capgemini embauchent des talents de l’industrie du jeu vidéo à prix d’or, appliquent une marge de 3 à 4 fois leur coût, et les revendent à des entreprises clientes. Il s’agit d’un arbitrage de talents exploité par le mauvais intermédiaire. Développez la version à 30 à 50 millions de dollars aux multiples d’entrée des services de jeux et vous obtiendrez des multiples de sortie d’entreprise, sans avoir besoin de réaliser soixante acquisitions pour y parvenir.
L’objection évidente, ce sont les données synthétiques. Si l’IA peut générer ses propres données d’entraînement, la prime de rareté sur les ensembles de données générées par l’humain s’effondre. Meta, Google et Nvidia investissent exactement dans cela. Pour les données normalisées, ils ont probablement raison. Mais les données opérationnelles, par définition, sont réfractaires à la synthèse. Vous ne pouvez pas synthétiser de véritables échecs de modération. Vous ne pouvez pas reproduire les schémas de défaillance du code réel sur 5 000 cycles d’AQ. Vous ne pouvez pas imiter la prononciation d’un locuteur coréen natif pour un dialogue de jeu en anglais. Les données synthétiques fonctionnent pour les cas standards. Elles ne fonctionnent pas dans les situations spécifiques où les modèles d’IA échouent.
Calendrier réglementaire
L’application de la Loi européenne sur l’IA débutera en août 2026. L’article 10 exige que les données d’entraînement de l’IA aient une provenance et une licence documentées. Les ensembles de données récupérés sur le Web sans chaîne de droits claire deviennent non conformes. Seules les entreprises disposant de données d’entraînement sous licence, générées par des humains (agences de localisation, studios de doublage, fournisseurs d’AQ) détiennent la seule offre conforme du marché.
En termes simples : les ensembles de données sous licence et traçables deviennent la seule option légale pour les entreprises d’IA opérant en Europe.
La fenêtre d’opportunité où ces entreprises sont tarifées comme des services en difficulté, alors qu’elles bénéficient d’actifs de données qui prennent de la valeur, est limitée dans le temps. Mêmes transactions. Mêmes talents. Même BAIIA. Un potentiel de valorisation de 50 à 110 millions de dollars de plus en valeur de revente grâce au positionnement. Cet écart se présente dès maintenant car personne dans le secteur des services de jeux vidéo ne s’y intéresse encore.
Vous avez envie d’en savoir plus?
Connectez-vous avec JC sur LinkedIn pour en apprendre plus sur les technologies, les jeux vidéo et l’IA, ou pour en savoir plus sur son travail chez Keywords Studios Solutions d’IA.
JC Langley
L’assistant que je n’ai jamais eu
Par Rich Tanksley, Gestionnaire principal du succès client, IA
Mon père avait un assistant. Parfois deux. Autrefois, le succès d’un responsable dépendait en partie de la capacité de ses assistants à résoudre les problèmes et à faire avancer les choses. Je n’ai jamais eu d'assistant. Mais ces six derniers mois, quelque chose de fondamental a changé dans ma façon de travailler : je résous désormais les problèmes et j’accomplis les projets beaucoup plus rapidement qu’avant.
Pendant trente ans, mon travail est resté sensiblement le même. J’accomplissais des choses, je parlais à des gens, je travaillais sur mon ordinateur, créais des choses et je finissais le travail. Ma valeur ajoutée pour l’entreprise résidait principalement dans ma propre contribution : les problèmes que je résolvais personnellement et les résultats que je produisais. C’est cette partie qui a changé.
Aujourd’hui, une grande partie de mon travail consiste à demander à mes assistants IA de réaliser des choses pour moi. C’est comme avoir un bras droit ultra-intelligent. Ou deux. Ou dix. Ça a commencé par les tâches fastidieuses : trouver tous les participants à cette conférence qui correspondent à notre profil de client idéal et les intégrer dans une feuille de calcul. Les choses sont ensuite devenues plus complexes : ajouter une colonne avec l’adresse courriel de chaque décideur ou décideuse, récupérée depuis Lusha en utilisant notre clé API. Puis c’est devenu encore plus complexe : rédiger un ébauche de courriel pour chacune de ces personnes, faisant référence à un élément de notre offre qui répond à un problème qu’eux ou leur entreprise ont récemment évoqué. Faire tout ça pour les deux cents contacts.
Je dispose maintenant d’une équipe d’assistants très compétents qui prennent en charge les tâches ingrates que je réalisais moi-même. Ils font des erreurs. Parfois, ils mentent carrément. Mais ils me permettent de produire deux à cinq fois plus vite qu’avant. Ce n’est pas négligeable. Presque tous les gains de productivité que j’ai réalisés au cours de ma carrière ont été progressifs. Même l’ordinateur a permis d’être seulement un peu plus rapide qu’avec une machine à écrire. Là , c’est différent.
Voici ce à quoi je ne m’attendais pas. Déléguer les tâches ingrates n’a pas diminué l’importance de mon discernement. Au contraire, ça en est devenu la seule fonction. L’assistant peut générer la liste, trouver les adresses courriel et rédiger l’approche, mais il ne peut pas décider quelle conférence est importante, quel prospect mérite une véritable relation, ni quel message va porter ses fruits parce que j’ai échangé avec la personne à l’autre bout du fil. Avant, le facteur limitant était ma rapidité d’exécution. Maintenant, c’est ma capacité à bien réfléchir.
Les assistants de mon père lui ont permis de se concentrer sur la gestion. Ces outils font la même chose pour nous tous, sans contrainte d’effectif ni limite de dix assistants. Les tâches ingrates sont réglées. Il ne reste que l’essentiel, ce qui a toujours été le plus précieux et le plus humain : savoir ce qui mérite d’être fait et avoir le goût et le discernement nécessaires pour reconnaître un travail bien fait. J’ai consacré trente ans à développer ce discernement. Pour la première fois, j’ai les moyens de l’exploiter pleinement.
Vous voulez en savoir plus?
Cliquez ci-dessous pour en savoir plus sur le parcours de Rich dans le domaine de l’IA et des technologies, ou connectez-vous avec lui sur LinkedIn pour découvrir d’autres analyses et avis d’experts de l’industrie.
Rich Tanksley
