Le géant chinois des moteurs de recherche publie le premier modèle DiT-MoE du secteur, avec une efficacité multipliée par 11

fr.wedoany.com Rapport : Lors de la Conférence mondiale de l'économie numérique 2026, Ocean Engine a officiellement dévoilé son modèle d'IA de gouvernance des contenus publicitaires, Mamoda 2.5, développé en interne. Ce modèle est le premier à combiner l'architecture MoE (Mixture of Experts) avec le modèle de diffusion DiT (Diffusion Transformer), devenant ainsi la première base de génération vidéo DiT-MoE du secteur.

Auparavant, les petites et moyennes entreprises rencontraient souvent le problème suivant lors de l'examen de leurs publicités : la plateforme rejetait leurs contenus sans préciser les points de non-conformité ni les axes de correction. Mamoda 2.5, développé par Ocean Engine, vise à résoudre cette difficulté du secteur en offrant à la plateforme une capacité de gouvernance publicitaire efficace, tout en fournissant aux entreprises un service complet allant du diagnostic des risques, à la localisation des non-conformités, jusqu'à la réparation automatique des contenus. Cela permet aux entreprises de réduire leurs coûts de conformité et d'augmenter leur taux d'approbation des contenus.

D'après des cas d'utilisation réels par des entreprises clientes, Mamoda 2.5 peut effectuer des corrections automatisées pour différents types de contenus publicitaires non conformes. Par exemple, un contenu publicitaire montrait une personne tenant une cigarette, ce qui enfreignait les règles de la plateforme interdisant la présence de tabac ou de scènes de fumée. Après traitement, la cigarette a été précisément supprimée, tandis que l'effet visuel original de l'image a été intégralement restauré.

Dans une autre courte vidéo, le texte à la 9e seconde contenait une expression exagérée suggérant une supériorité similaire, risquant de violer les dispositions de la Loi sur la publicité. Le système a rapidement localisé le texte problématique et l'a automatiquement corrigé. Une fois la réparation terminée, le contenu pouvait être directement soumis à l'annonceur pour confirmation et diffusion.

Dans les trois principaux benchmarks d'évaluation de l'édition vidéo par IA à commande vocale, à savoir OpenVE-Bench, FiVE-Bench et ReCo-Bench, Mamoda 2.5 a obtenu d'excellents résultats. Son efficacité d'inférence T2V est 11 à 15 fois supérieure à celle des modèles open source dominants du secteur. Le modèle compte 25 milliards de paramètres au total, mais n'en active qu'environ 3 milliards à chaque fois, avec un taux de parcimonie d'environ 12 %. Il intègre 128 experts fins (dont 1 expert partagé) et adopte une stratégie de routage token-level Top-8. Grâce à l'apprentissage par renforcement combiné à l'auto-distillation, l'équipe a réduit le nombre d'étapes d'inférence de 50 à 4, faisant passer la latence d'édition vidéo 480p de 69 secondes à 9 secondes, soit une amélioration de l'efficacité de près de 8 fois.

L'équipe Mamoda n'a pas simplement adapté un modèle généraliste existant, mais a développé de manière autonome et de bout en bout, de la conception architecturale aux stratégies de données et d'entraînement, en se concentrant sur le scénario de gouvernance publicitaire. L'équipe a ajouté un expert partagé dans l'architecture, chargé de l'expression des connaissances visuelles générales. Après trois ans et quatre itérations, Mamoda 2.5 est passé de la détection ponctuelle des risques dans les publicités textuelles (version 1.0) à une percée complète de la chaîne avec la version 2.5 publiée en juillet 2026, couvrant toutes les formes de vidéos. L'équipe prévoit que la version 3.0, attendue dans le courant de l'année 2026, approfondira encore les capacités de compréhension et d'édition audio, réalisant une gouvernance multimodale complète. Pour les petites et moyennes entreprises, l'équipe Mamoda espère que ce modèle fera de la conformité non plus un « ralentisseur » sur la voie de la diffusion, mais un « accélérateur » pour les aider à créer et à améliorer leurs contenus. En ce qui concerne les limites de la réparation, Mamoda 2.5 ne corrige que les contenus définitivement non conformes, en localisant le problème à l'unité la plus petite : quelle image, quelle phrase, quel segment audio présente un risque, puis en effectuant un diagnostic et une réparation précis sur cette base. L'équipe compare Mamoda à une « équipe de conformité externe » pour les petits annonceurs. Au cours de l'année écoulée, les capacités de gouvernance de la plateforme soutenues par Mamoda ont permis d'intercepter en amont des dizaines de milliards de contenus publicitaires non conformes, de fermer plus de 4 millions de comptes frauduleux, et d'atteindre un pic de traitement quotidien de plus de 200 000 comptes liés à des activités illicites. Le CCR (taux de conformité des contenus) de la plateforme a diminué de 56,2 % sur un an, et le CCR d'exécution a baissé de 67,1 %. L'équipe souligne qu'actuellement, en matière de vérification des autorisations de portrait, les portraits et les voix moins connus sont plus facilement usurpés par des commerçants malhonnêtes à l'aide de l'IA, ce qui rend la vérification de l'authenticité par la plateforme plus difficile. L'équipe a révélé que la prochaine étape consiste à développer un système de contrôle des risques adaptatif et intelligent, utilisant la capacité de génération pour renforcer la capacité de compréhension, permettant au système de s'auto-améliorer continuellement dans un contexte d'opposition.