Le jeu vidéo a compris comment calculer moins et voir plus. Nous apportons la même astuce au bureau à distance — un petit modèle sur votre appareil qui reconstruit une image 4K à partir d’un flux deux fois plus léger.
Le problème de bande passante dont personne ne parle
Le bureau à distance a un sale petit secret : il est gourmand en bande passante.
Diffuser un bureau à 60 fps demande environ 3 à 8 Mbps en 1080p et 8 à 15 Mbps en 4K avec les codecs modernes. C’est très bien sur de la fibre. C’est très bien sur un bon Wi-Fi domestique. Mais passez sur le Wi-Fi d’un hôtel, partagez la connexion de votre téléphone ou essayez de travailler depuis un café dans une grande ville — et tout s’effondre.
La solution actuelle est désespérément simple. Quand la bande passante baisse, on réduit la qualité. On baisse la résolution. On baisse la fréquence d’images. On accepte un texte flou et une vidéo saccadée jusqu’à ce que les conditions s’améliorent. Toutes les apps de bureau à distance font cela. C’est la seule option depuis vingt ans.
Et s’il y avait une meilleure façon de faire ?
Et si, au lieu d’envoyer un flux 1080p net puis de le dégrader quand les conditions deviennent difficiles, vous pouviez envoyer en permanence un petit flux 1080p — et lui faire ressembler à de la 4K à l’autre bout ?
C’est cela, la super-résolution par IA. Et ce n’est pas de la science-fiction. Le jeu vidéo le fait depuis des années.
Le pipeline de diffusion en super-résolution
La transposition du jeu vidéo au bureau à distance est étonnamment simple. Dans un jeu, on calcule en basse résolution et on agrandit. En diffusion, on encode en basse résolution et on agrandit. Quatre étapes, de gauche à droite, de bout en bout.
| Étape | Sortie | Mesure |
|---|---|---|
| 01 · Capture | Image en résolution native | 3840×2160 → 1920×1080 avant compression |
| 02 · Encodage | Flux H.265 en 1080p | Codec : HEVC · CBR 3 Mbps |
| 03 · Transmission | ~3 Mbps sur le WAN | Bande passante : 3 Mbps · latence ~20 ms |
| 04 · Agrandissement & rendu | Sortie 4K Metal / Vulkan | Modèle : 280 Ko · latence ajoutée <3 ms |
La même netteté perçue. À peu près un quart de la bande passante. Et comme l’hôte encode une image plus petite, il travaille aussi moins — moins de processeur, moins de chaleur, plus d’autonomie sur les portables.
| Approche | Bande passante requise |
|---|---|
| Aujourd’hui · flux 4K natif | ~12 Mbps |
| Aujourd’hui · flux 1080p | ~5 Mbps |
| Avec la super-résolution · 4K agrandie | ~3 Mbps |
L’industrie du jeu vidéo a déjà résolu ce problème
En 2018, NVIDIA a présenté le DLSS — Deep Learning Super Sampling. Le concept était presque trop beau pour être vrai : calculer un jeu à une résolution plus basse, puis utiliser un réseau de neurones pour l’agrandir afin qu’il ressemble à la résolution native. Moins de travail pour le GPU, la même qualité visuelle.
Les joueurs étaient sceptiques. Comment une image générée par IA pouvait-elle rivaliser avec des pixels calculés nativement ? Mais les résultats ont parlé d’eux-mêmes. En 2026, le DLSS 4.5 utilise des modèles à transformeurs qui produisent des images que de nombreux joueurs préfèrent au rendu natif — des contours plus nets, une meilleure stabilité temporelle, moins d’artefacts.
AMD a suivi avec le FSR. Apple a lancé MetalFX. Intel a livré XeSS. Toute l’industrie a convergé vers la même idée :
Le pixel le plus intelligent est celui que vous n’avez jamais besoin de calculer.
Il a fallu à l’industrie du jeu vidéo environ cinq ans pour passer de « c’est un gadget » à « c’est incontournable ». Le bureau à distance n’a même pas commencé.
L’IA sur l’appareil, confidentielle par conception
C’est ici que cela devient vraiment intéressant — et que nous nous écartons de la façon dont on pourrait s’attendre à ce que l’IA fonctionne.
Le modèle de super-résolution s’exécute entièrement sur votre appareil. Pas dans le cloud. Pas sur un serveur quelconque. Sur le téléphone ou l’ordinateur portable que vous avez en main.
Les appareils modernes sont d’une puissance absurde pour l’IA embarquée. Le Neural Engine d’Apple sur les puces de la série M gère 15,8 mille milliards d’opérations par seconde. Le NPU Hexagon de Qualcomm sur les puces Snapdragon récentes est dans la même catégorie. Ces processeurs d’IA dédiés restent inactifs la plupart du temps. Nous les mettons au travail.
L’inférence s’exécuterait dans le pipeline de rendu, entre le décodage et l’affichage. Le modèle reçoit une image 1080p et produit une image 4K. Le budget de latence est inférieur à 3 millisecondes — un prototype qui ne peut pas le tenir n’est pas livré.
Et comme tout s’exécute en local :
- Aucune donnée ne quitte votre appareil — le contenu de votre écran reste privé
- Aucun Internet requis pour l’IA — le modèle fonctionne hors ligne
- Aucun abonnement pour les fonctions d’IA — elles sont intégrées à l’app
- Aucun coût de serveur — passe à l’échelle à l’infini, car chaque utilisateur apporte sa propre puissance de calcul
Cela s’inscrit dans la philosophie de Remio, où la confidentialité passe en premier. Nous ne voulons pas de vos données. Nous ne voulons même pas voir le contenu de votre écran. L’IA sur l’appareil nous permet de proposer des fonctions de pointe tout en ne sachant littéralement rien de ce que vous faites.
Pourquoi cela ne fonctionne que sur des apps natives
Voici la partie qui relie tout — et la raison pour laquelle nous avons écrit tout un article sur le choix du natif.
Pour exécuter un réseau de neurones dans le pipeline de rendu sans ajouter de latence visible, il faut :
- Un accès au Neural Engine ou au NPU. Cela exige des API natives — CoreML sur Apple, NNAPI sur Android. Il n’existe aucune API web pour le Neural Engine. Les apps Electron ne peuvent pas l’atteindre.
- Une intégration au pipeline GPU. L’image agrandie doit aller directement à l’affichage sans copies supplémentaires. Metal et Vulkan le permettent. WebGL n’offre pas ce niveau de contrôle.
- Un timing inférieur à 3 ms. Chaque milliseconde supplémentaire compte dans un pipeline de diffusion en temps réel. Le ramasse-miettes de JavaScript peut à lui seul introduire des pauses imprévisibles. Le code natif offre un timing déterministe.
Une app Electron devrait décoder la vidéo dans le pipeline multimédia de Chromium, extraire l’image vers JavaScript, invoquer d’une manière ou d’une autre le Neural Engine (impossible sans liaisons natives), récupérer l’image agrandie et l’afficher via le compositeur de Chromium. Chaque étape ajoute de la latence et de la complexité. Le surcoût total se situerait probablement entre 15 et 25 ms — trop lent pour le temps réel.
La super-résolution dans le pipeline de diffusion n’est pas seulement un problème d’IA. C’est un problème d’ingénierie des systèmes. Et l’ingénierie des systèmes exige du code natif.
C’est pourquoi, deux ans après le début de la construction de Remio, aucun bureau à distance basé sur Electron n’a livré d’agrandissement par IA. Ce n’est pas qu’ils ne le veulent pas. L’architecture ne le leur permet pas.
Les défis techniques, et comment nous les relevons
Nous ne ferons pas semblant que ce soit facile. Il y a de vrais défis.
La latence du modèle. Le modèle doit s’exécuter en moins de 3 ms par image à 60 fps. Cela ne laisse aucune place aux architectures gonflées. Nous utilisons des modèles convolutifs optimisés — pas des transformeurs, trop lents pour l’inférence image par image — réglés spécifiquement pour les unités d’exécution du Neural Engine.
La diversité des contenus. Le contenu d’un bureau à distance est radicalement différent de celui d’un jeu. Texte, tableurs, éditeurs de code, lecture vidéo, outils de conception — le modèle doit tout gérer. Nous nous entraînons sur des jeux de données qui incluent spécifiquement des éléments d’interface de bureau, et pas seulement des images naturelles.
La stabilité temporelle. Un agrandissement image par image peut provoquer du scintillement. Le jeu vidéo a résolu cela par l’accumulation temporelle — en réutilisant l’information des images précédentes. Nous explorons des techniques similaires, en fournissant au modèle d’agrandissement les vecteurs de mouvement du codec vidéo.
L’efficacité énergétique. Exécuter un réseau de neurones 60 fois par seconde sur un téléphone paraît coûteux. Mais le Neural Engine est conçu exactement pour cela — il est plus économe en énergie que le GPU pour les opérations matricielles. Les premiers prototypes de laboratoire laissent entrevoir un coût de batterie de quelques pour cent seulement.
Le défi en toute honnêteté : pourquoi c’est plus difficile que dans le jeu vidéo
Nous avons évoqué le DLSS et la super-résolution du jeu vidéo comme sources d’inspiration — et elles le sont. Mais l’honnêteté intellectuelle exige que nous expliquions pourquoi l’agrandissement pour le bureau à distance est un problème fondamentalement plus difficile.
Le DLSS du jeu vidéo a des avantages déloyaux. Les moteurs de jeu fournissent à l’IA des données riches qui n’existent pas dans notre monde :
- Les vecteurs de mouvement. Le moteur sait exactement où chaque objet s’est déplacé entre deux images. Nous recevons de la vidéo compressée sans aucune donnée de mouvement au niveau de la scène.
- Les tampons de profondeur. Le DLSS sait quels pixels sont proches et lesquels sont loin. Nous voyons une image 2D plate.
- L’historique temporel. Le DLSS accumule le détail sur plusieurs images à l’aide des données du moteur. Nous travaillons à partir d’images compressées individuellement, qui peuvent porter à chaque fois des artefacts différents.
- Du matériel dédié. Les Tensor Cores de NVIDIA offrent plus de 384 TOPS, spécialement optimisés pour cette charge de travail. Les Neural Engines mobiles sont puissants mais servent un autre objectif.
Autrement dit, la super-résolution du jeu vidéo est une reconstruction guidée par de riches données auxiliaires. L’agrandissement pour le bureau à distance est une super-résolution aveugle à partir d’une vidéo compressée avec perte — un point de départ bien plus difficile.
Cela ne veut pas dire que l’approche est mauvaise. Même des améliorations modestes de la qualité visuelle à bas débit procurent de vraies économies de bande passante. Mais nous voulons être transparents : le plafond de qualité de l’agrandissement aveugle est inférieur à ce que le DLSS atteint avec une intégration complète au moteur. Nous construisons quelque chose de réellement utile, sans prétendre à la parité avec une autre technologie.
Ce que cela signifie pour vous
Quand la super-résolution par IA arrivera dans Remio, vous n’aurez pas à y penser. Pas de bouton, pas de réglage, pas de « mode IA ». L’app va automatiquement :
- Détecter la bande passante disponible
- Choisir la résolution d’encodage optimale
- Agrandir sur l’appareil pour s’adapter à votre écran
- S’adapter en temps réel quand les conditions changent
Sur les connexions rapides, il se peut qu’elle n’ait pas besoin d’agrandir du tout. Sur les connexions lentes, elle fera la différence entre « inutilisable » et « j’ai l’impression d’être assis devant mon ordinateur ».
Voilà l’objectif. Pas une IA à laquelle il faut penser. Une IA qui fait simplement que tout fonctionne mieux, en silence, en toute confidentialité, sur l’appareil que vous possédez déjà.
Nous l’explorons en ce moment — sans date promise — parallèlement à d’autres idées sur ce que l’IA pourrait apporter au bureau à distance. Elle ne sera livrée que si elle garde le texte plus net que le flux qu’elle remplace.
Diffuser moins. Voir plus. Voilà l’avenir.
