Memories AI Révolutionne La Mémoire Visuelle Des IA

Imaginez un monde où vos lunettes intelligentes ne se contentent pas de filmer ce que vous voyez, mais se souviennent de chaque détail pour vous aider à retrouver un visage croisé il y a des semaines, ou à analyser une scène oubliée. Ou encore un robot domestique capable de se remémorer l’emplacement exact d’un objet déplacé il y a des mois. Cette vision n’est plus de la science-fiction : elle devient réalité grâce à une startup innovante qui s’attaque au défi majeur de l’intelligence artificielle dans le monde physique.

L’essor d’une mémoire visuelle pour l’IA incarnée

Dans un univers numérique où les modèles de langage excellent déjà à traiter des textes et des conversations, le passage au monde réel pose un problème fondamental. Comment une intelligence artificielle peut-elle interagir efficacement avec son environnement si elle ne peut pas conserver et rappeler ses expériences visuelles ? C’est précisément cette lacune que Memories AI ambitionne de combler en construisant une véritable couche de mémoire visuelle dédiée aux wearables et à la robotique.

Fondée en 2024, cette jeune entreprise californienne a rapidement attiré l’attention avec une approche audacieuse. Ses fondateurs, forts d’une expérience chez Meta sur les systèmes d’intelligence artificielle pour lunettes connectées, ont identifié un manque crucial : les dispositifs enregistrent des flux vidéo, mais sans moyen efficace de les transformer en souvenirs exploitables. Ils ont donc décidé de créer cette infrastructure manquante.

Leur solution repose sur un modèle large de mémoire visuelle, ou LVMM, capable d’encoder, d’indexer et de retrouver des informations issues de vidéos continues. Contrairement aux mémoires textuelles classiques, qui structurent facilement les données, la mémoire visuelle doit gérer des flux complexes, riches en nuances spatiales et temporelles. Ce défi technique explique pourquoi peu d’acteurs s’y étaient attaqués jusqu’à présent.

« L’IA réussit déjà très bien dans le monde numérique. Mais qu’en est-il du monde physique ? Les wearables et la robotique ont aussi besoin de mémoires. Au final, il faut que l’IA dispose de souvenirs visuels. Nous croyons en cet avenir. »

– Shawn Shen, co-fondateur et CEO de Memories AI

Cette conviction a poussé l’équipe à développer des technologies avancées. En mars 2026, lors de la conférence GTC de Nvidia, Memories AI a officialisé une collaboration stratégique avec le géant des semi-conducteurs. Cette alliance permet d’intégrer des outils puissants comme Nvidia Cosmos-Reason 2, un modèle de langage visuel capable de raisonner, et Nvidia Metropolis, une architecture de référence pour la recherche et le résumé vidéo.

Des origines inspirées par les lunettes connectées de Meta

L’histoire de Memories AI commence au sein de Reality Labs, la division de Meta dédiée à la réalité augmentée et virtuelle. Shawn Shen et son co-fondateur Ben Zhou, respectivement CEO et CTO, travaillaient sur le système d’intelligence artificielle des fameuses Ray-Ban Meta. Ils ont rapidement constaté une limitation pratique : les utilisateurs pouvaient enregistrer des vidéos, mais l’IA ne savait pas les exploiter comme de véritables souvenirs.

Face à l’absence de solutions existantes sur le marché, les deux ingénieurs ont choisi de quitter Meta pour lancer leur propre aventure. Leur objectif ? Créer l’infrastructure qui permettra aux dispositifs physiques d’IA de conserver une mémoire persistante de leurs perceptions visuelles. Cette mémoire doit être non seulement stockée, mais aussi indexée de manière à permettre des recherches rapides et contextuelles.

Le parcours des fondateurs renforce la crédibilité du projet. Shawn Shen, docteur en informatique de l’Université de Cambridge, apporte une expertise pointue en interaction homme-machine et en environnements immersifs. Ben Zhou, quant à lui, excelle dans le développement de systèmes d’apprentissage automatique scalables. Ensemble, ils combinent vision stratégique et maîtrise technique.

Depuis sa création, la startup a levé 16 millions de dollars. Un premier tour de seed de 8 millions en juillet 2025, suivi d’une extension du même montant, a été mené par Susa Ventures. Parmi les investisseurs figurent également Seedcamp, Fusion Fund et Crane Venture Partners. Ces fonds soutiennent le développement de l’infrastructure d’embedding et d’indexation vidéo, ainsi que la collecte de données nécessaires à l’entraînement des modèles.

Le rôle clé de Nvidia dans l’accélération technologique

La collaboration annoncée avec Nvidia marque une étape décisive. Memories AI utilise désormais Cosmos-Reason 2 pour doter ses systèmes d’une capacité de raisonnement visuel avancé. Ce modèle intègre des connaissances préalables, une compréhension de la physique et du sens commun, permettant aux agents IA d’analyser des scènes complexes en temps réel.

Nvidia Metropolis complète cette approche en offrant une architecture optimisée pour la recherche et le résumé de vidéos. Ensemble, ces technologies permettent de transformer des flux vidéo bruts en souvenirs structurés, compressés et consultables en moins d’une seconde. Cette performance est essentielle pour des applications embarquées où la puissance de calcul et la consommation énergétique sont limitées.

Grâce à cette alliance, le modèle de mémoire visuelle de seconde génération de Memories AI gagne en efficacité. La startup a également signé un partenariat avec Qualcomm pour faire tourner ses algorithmes sur les processeurs mobiles du fabricant. Cette compatibilité ouvre la porte à une intégration dans des dispositifs grand public, des lunettes intelligentes aux robots collaboratifs.

« Nous nous concentrons sur le modèle et l’infrastructure, car nous pensons que le marché des wearables et de la robotique va arriver, mais il n’est probablement pas encore tout à fait mûr. »

– Shawn Shen

Cette stratégie prudente mais ambitieuse permet à Memories AI de préparer le terrain. En attendant l’explosion du marché, l’entreprise travaille déjà avec plusieurs grands acteurs des wearables, sans dévoiler leurs noms pour des raisons de confidentialité.

Comment fonctionne concrètement cette mémoire visuelle ?

Le cœur du système repose sur plusieurs briques technologiques complémentaires. Tout d’abord, l’encodage des vidéos en un format compact et indexable. Au lieu de stocker des fichiers lourds en haute définition, le LVMM transforme les images en embeddings vectoriels riches en informations sémantiques et spatio-temporelles.

Ensuite vient l’indexation intelligente. Grâce à des techniques avancées d’apprentissage, le modèle peut associer des événements visuels à des descriptions textuelles ou à des requêtes naturelles. Un utilisateur pourrait ainsi demander : « Montre-moi la personne que j’ai rencontrée lors de la conférence de la semaine dernière » et obtenir instantanément le passage pertinent.

La collecte de données constitue un autre pilier. Pour entraîner son modèle, Memories AI a développé LUCI, un dispositif hardware portable porté par des collecteurs de données. Contrairement aux caméras classiques qui privilégient la haute définition au détriment de l’autonomie, LUCI est optimisé pour capturer des vidéos adaptées à l’entraînement de l’IA. La startup insiste cependant sur le fait qu’elle ne deviendra pas un constructeur hardware : cet outil reste interne.

Le résultat ? Un système capable de gérer la « longue traîne » des scénarios du monde réel, où les conditions d’éclairage, les mouvements et les contextes varient constamment. Cette robustesse est cruciale pour des applications en robotique, où les machines doivent naviguer dans des environnements imprévisibles.

Des applications prometteuses dans le quotidien et l’industrie

Les perspectives ouvertes par cette technologie sont multiples. Dans le domaine des wearables, les lunettes ou montres intelligentes pourraient devenir de véritables assistants personnels dotés de mémoire. Elles aideraient à retrouver des objets perdus, à se remémorer des conversations visuelles ou à analyser des habitudes quotidiennes pour proposer des suggestions personnalisées.

En robotique, les implications sont encore plus profondes. Un robot assistant pourrait apprendre de ses expériences passées pour améliorer ses performances. Il saurait, par exemple, où il a déjà vu un outil ou comment il a résolu un problème similaire dans une pièce différente. Cette capacité d’apprentissage continu rapproche les machines de l’intelligence humaine.

Dans un contexte professionnel, imaginez des techniciens équipés de dispositifs qui enregistrent et analysent leurs interventions. La mémoire visuelle permettrait de créer des tutoriels automatiques, de détecter des anomalies ou de former de nouveaux collaborateurs en s’appuyant sur des cas réels archivés.

• Recherche instantanée dans des heures de vidéo enregistrée.
• Analyse contextuelle des scènes pour un raisonnement avancé.
• Apprentissage continu à partir d’expériences visuelles réelles.
• Intégration sur des processeurs embarqués à faible consommation.

Ces fonctionnalités pourraient transformer des secteurs entiers, de la santé à la logistique en passant par l’éducation et la maintenance industrielle. Pourtant, des défis persistent : la protection de la vie privée, la gestion des données massives et l’acceptabilité sociale des dispositifs toujours en train d’observer.

Les défis éthiques et techniques à surmonter

Construire une mémoire visuelle performante soulève des questions importantes. Comment garantir que ces souvenirs numériques restent privés et sécurisés ? Les utilisateurs accepteront-ils de confier à une IA des pans entiers de leur vie visuelle ? Memories AI semble consciente de ces enjeux et met l’accent sur une infrastructure qui respecte les principes de minimisation des données et de contrôle utilisateur.

Sur le plan technique, la compression efficace des vidéos sans perte d’information sémantique reste un exercice délicat. Le modèle doit également gérer le bruit, les occlusions et les variations rapides de perspective. Les avancées en matière de modèles de fondation visuels, comme ceux développés par Nvidia, aident à franchir ces obstacles.

Par ailleurs, la scalabilité constitue un enjeu majeur. Stocker et indexer des années de vidéo pour des millions d’utilisateurs exigera des infrastructures cloud et edge computing optimisées. La collaboration avec Nvidia et Qualcomm vise justement à rendre ces opérations économiquement viables et énergétiquement acceptables.

Vers un futur où l’IA possède une véritable expérience vécue

En donnant à l’intelligence artificielle la capacité de se souvenir visuellement, Memories AI participe à une évolution plus large : le passage d’une IA purement digitale à des systèmes incarnés et contextuels. Cette transition est essentielle pour que les robots et wearables deviennent de véritables partenaires plutôt que de simples outils.

Les progrès récents en matière de mémoire textuelle, comme ceux introduits par OpenAI, xAI ou Google, montrent que le concept de « souvenir » gagne du terrain. Mais la dimension visuelle représente un saut qualitatif. Elle permet à l’IA de comprendre le monde tel que nous le percevons : riche, dynamique et multidimensionnel.

À plus long terme, cette technologie pourrait influencer la conception même des assistants intelligents. Au lieu de répondre uniquement à des commandes explicites, ils anticiperaient les besoins en s’appuyant sur un historique visuel partagé avec l’utilisateur. L’IA deviendrait ainsi plus empathique et personnalisée.

Un écosystème en pleine maturation

Memories AI n’évolue pas dans un vide technologique. Le marché des wearables connaît une croissance soutenue, porté par des produits comme les lunettes intelligentes ou les montres connectées dotées de caméras. Parallèlement, la robotique collaborative et les agents autonomes progressent rapidement dans les entrepôts, les hôpitaux et les foyers.

La disponibilité de modèles de fondation ouverts ou semi-ouverts, combinée à la puissance de calcul des puces spécialisées, crée un environnement favorable. Memories AI positionne son LVMM comme une brique fondamentale, comparable à un « Gemini Embedding » mais spécialisé dans la vidéo et optimisé pour les usages physiques.

La startup insiste sur son rôle d’infrastructure : elle ne cherche pas nécessairement à commercialiser directement des produits finaux, mais à fournir les outils qui permettront à d’autres acteurs de bâtir la prochaine génération d’appareils intelligents.

Perspectives et enjeux pour l’industrie

Avec seulement quelques années d’existence, Memories AI a déjà accompli des progrès impressionnants. Le lancement de la seconde génération de son modèle et les partenariats industriels démontrent une maturité rapide. Pourtant, le vrai test viendra lorsque ces technologies seront déployées à grande échelle auprès du grand public.

Les investisseurs semblent convaincus du potentiel. Les 16 millions de dollars levés reflètent la confiance dans une thèse selon laquelle la mémoire visuelle constituera un avantage compétitif décisif pour les IA physiques. D’autres acteurs, tant startups que grands groupes, pourraient bientôt rejoindre la course.

Pour l’écosystème français et européen, ce type d’innovation rappelle l’importance de soutenir les talents en intelligence artificielle appliquée. Même si Memories AI est basée aux États-Unis, ses racines et ses technologies pourraient inspirer de nombreuses initiatives locales dans le domaine des systèmes embarqués et de la robotique.

Conclusion : une brique essentielle pour l’IA de demain

En construisant la couche de mémoire visuelle pour les wearables et la robotique, Memories AI adresse un besoin fondamental souvent négligé. Au-delà des performances brutes des modèles, c’est la capacité à apprendre de l’expérience vécue qui distinguera les systèmes véritablement intelligents.

Grâce à des partenariats solides avec Nvidia et Qualcomm, et à une vision claire portée par des fondateurs expérimentés, cette startup se positionne comme un acteur clé de la prochaine vague d’innovation en intelligence artificielle. Le chemin reste long, mais les premiers pas sont prometteurs.

Dans les années à venir, nous pourrions tous bénéficier d’assistants qui non seulement voient, mais se souviennent et raisonnent à partir de ce qu’ils ont vu. Cette mémoire collective entre humains et machines pourrait bien redéfinir notre relation à la technologie et ouvrir des perspectives inédites dans de nombreux domaines.

L’aventure de Memories AI illustre parfaitement comment une idée née d’un problème concret peut devenir le fondement d’une nouvelle génération d’IA. Reste à observer comment cette mémoire visuelle s’intégrera dans notre quotidien et quels nouveaux usages elle fera émerger. Une chose est certaine : l’IA physique ne sera plus jamais la même.