Qu'est-ce que le MLVC (Machine Learning Video Codec) ?

MLVC est l'acronyme de Machine Learning Video Codec. Microsoft l'a publié en open source en juillet 2026 sous licence MIT. C'est la version produit de la lignée de recherche DCVC (Deep Contextual Video Compression) que Microsoft Research publie depuis 2021.

Un codec classique comme H.264 ou H.265 est assemblé à partir de briques conçues à la main : estimation de mouvement, transformée, modèle entropique et une longue série d'heuristiques d'encodage. MLVC remplace tout cela par un seul réseau de neurones entraîné de bout en bout sur un objectif débit-distorsion.

Cela a une conséquence inhabituelle. Il n'existe aucune spécification de flux à implémenter, car les poids entraînés sont le format. L'encodeur et le décodeur doivent exécuter le même modèle et s'accorder sur son arithmétique presque bit à bit, ce qui est le problème auquel l'article MLVC consacre l'essentiel de ses pages.

Où il tourne. MLVC vise les NPU déjà présents dans les ordinateurs portables et les téléphones, à savoir l'Apple Neural Engine et les NPU d'Intel et de Qualcomm, plutôt que du silicium dédié au codec. Le modèle complet compte 18,3 millions de paramètres, et une variante allégée MLVC-S en compte 5,4 millions. Microsoft annonce du 540p à 30 images par seconde en temps réel chez les trois fondeurs, en utilisant au plus la moitié du NPU.

Ce qu'il économise. Sur le jeu de test de visioconférence de Microsoft, noté par des spectateurs humains selon l'ITU-T P.910, MLVC demande 87,8 % de débit en moins que H.264 et 75,5 % de moins que le H.265 matériel en 360p. En 540p, les chiffres sont de 82,7 % et 65,4 %. Concrètement, une vidéo 360p qui coûte 1 Mbps en H.264 coûte environ 122 kbps en MLVC à qualité équivalente.

La réserve. Ces résultats viennent de contenus de type buste parlant en basse résolution, mesurés face à des encodeurs matériels, et la lecture exige un appareil capable d'exécuter le modèle. Aucun téléviseur, décodeur ni navigateur ne décode le MLVC aujourd'hui. Microsoft le déploie dans Microsoft Teams pour les appels en pair à pair, précisément le cas où l'entreprise contrôle les deux extrémités du lien. Pour la diffusion en streaming, c'est un signal à surveiller plutôt qu'une option livrable.

Nous avons détaillé l'article scientifique, les mesures et le dépôt ici : Microsoft publie en open source un codec vidéo neuronal, et ce que cela signifie vraiment pour le streaming.