Les casques de réalité mixte s'améliorent, les puces graphiques aussi, et les réseaux sans fil gagnent en débit. Pourtant, un rapport tout juste rendu public par des chercheurs américains soutient que cette course aux composants rate l'essentiel : c'est l'architecture même de l'Internet qui n'a pas été pensée pour ce qu'on lui demande désormais.
Un constat posé par la communauté scientifique américaine
Le document, déposé sur la plateforme de prépublications arXiv, résume les conclusions d'un atelier parrainé par la National Science Foundation (NSF), l'agence fédérale américaine de financement de la recherche. Il est signé par Bo Han et douze coauteurs, parmi lesquels Amitabh Varshney, Klara Nahrstedt et Sarita Adve, des noms bien connus des communautés du multimédia, des réseaux et des architectures informatiques. L'atelier s'intitulait « Networking and Systems Challenges in Immersive Computing », soit les défis de réseautique et de systèmes de l'informatique immersive.
La thèse tient en une phrase, que l'on retrouve dans le résumé : l'Internet et l'infrastructure informatique actuels n'ont pas été conçus pour des applications immersives en temps réel, multiutilisateurs, riches en capteurs et sensibles sur le plan de la vie privée. Les auteurs y voient pourtant un futur paradigme majeur de l'interaction humain-machine, avec des applications en éducation, en santé, en fabrication, en intervention d'urgence et en découverte scientifique.
Un réseau pensé pour l'écran, pas pour le corps
Le rapport insiste sur un point de conception. Selon ses auteurs, l'Internet et la pile informatique ont été bâtis surtout pour l'interaction par écran et l'informatique centrée sur l'appareil. Or les systèmes immersifs exigent une coordination en temps réel entre plusieurs utilisateurs, une détection continue des personnes et de leur environnement, une interaction ancrée dans l'espace, ainsi qu'une meilleure protection des données sociales et comportementales sensibles.
Autrement dit, le réseau d'aujourd'hui excelle à acheminer des fichiers et des vidéos que l'on regarde passivement. Le rapport le formule ainsi : l'Internet a été conçu pour déplacer des bits rapidement, pas pour répondre aux exigences contextuelles et temps réel de l'interaction immersive. Les architectures de distribution médiatique actuelles, pensées pour la consommation passive, peinent donc à répondre aux besoins adaptatifs et multiutilisateurs de l'immersion.
Un exemple permet de saisir l'écart. Regarder un film en continu tolère une mémoire tampon de plusieurs secondes. Manipuler avec une autre personne, à distance, un modèle 3D ancré dans une pièce réelle ne tolère presque aucun délai : chaque geste, chaque regard doit être capté, transmis, interprété et rendu avant que l'utilisateur ne perçoive un décalage.
Pas une affaire de bande passante seule
La conclusion la plus nette du rapport est sans doute celle-ci : l'informatique immersive ne peut pas être rendue possible par des avancées isolées en bande passante, en capacité des appareils, en modèles d'IA ou en rendu. Elle suppose une coordination entre la détection, la représentation, la compression, le réseau, l'informatique en périphérie et dans le nuage, le rendu, la sécurité et la vie privée, et l'expérience humaine.
Pour sortir des silos, les participants proposent une vision en trois couches : le contenu immersif et les modèles d'IA, les systèmes et infrastructures réseau, puis les applications et l'interaction humaine. Le rapport relève aussi que l'informatique immersive réunit plusieurs communautés de recherche qui travaillent souvent chacune de leur côté. C'est là, selon les auteurs, que se situe le véritable goulot d'étranglement, bien au-delà du réseau ou de l'affichage.
Le texte consacre notamment une section à l'orchestration en temps réel entre la périphérie du réseau et le nuage, c'est-à-dire la répartition dynamique des calculs entre l'appareil de l'utilisateur, les serveurs proches et les centres de données distants. Les discussions de l'atelier soulignent que l'infrastructure immersive doit s'adapter dynamiquement à des expériences multiutilisateurs à grande échelle.
Ce que disaient déjà les ingénieurs des réseaux
Le constat n'est pas isolé. Une littérature technique abondante sur le « métavers » et la 6G arrive à des conclusions voisines, avec des chiffres à l'appui. Une étude sur les réseaux 6G en périphérie rappelle que l'expérience immersive repose sur une haute qualité visuelle, une faible latence entre le mouvement et l'image affichée, et un retour tactile en temps réel, et que les technologies actuelles peinent à satisfaire ces exigences. Selon cette même étude, un délai trop long envoie des signaux contradictoires au système vestibulo-oculaire et peut provoquer le mal des transports ; elle cite un seuil de l'ordre de 20 millisecondes pour des mouvements fluides.
Une synthèse sur la normalisation des réseaux pour le métavers va dans le même sens : la réalité augmentée et la réalité virtuelle se situent à la limite de ce que la 5G peut soutenir, tant pour la latence que pour la bande passante. Elle précise que ces applications auront besoin d'un appui du réseau, que ce soit par des nœuds en périphérie, une mise en œuvre distribuée ou d'autres améliorations. De son côté, l'équipementier Huawei estime, dans une publication technique, que les réseaux devraient offrir plus de 10 Gbit/s de bande passante et une latence de l'ordre de la milliseconde. Il rappelle que les jeux en ligne exigent déjà moins de 100 ms ; il s'agit toutefois du point de vue d'un fabricant qui a intérêt à promouvoir la prochaine génération de réseaux.
La nuance du rapport de la NSF tient justement à ce qu'il refuse de réduire le problème à ces seuls chiffres. Promettre de la 6G ou des fibres plus rapides ne règle ni la synchronisation de plusieurs utilisateurs, ni la compression de scènes volumétriques, ni la gestion des données captées sur le corps et l'environnement.
Un vieux rêve, un vieux diagnostic
L'idée que le réseau freine l'immersion a une longue histoire. Dès juin 1999, un atelier conjoint de la Commission européenne et de la NSF consacré aux environnements virtuels et à l'informatique centrée sur l'humain, tenu en France, évoquait déjà la téléimmersion : des sessions audio, vidéo et haptiques partagées, qui supposaient des commutateurs optiques multigigabits à faible latence. En 2018, la communauté américaine organisait encore un atelier sur les communications de réalité virtuelle et augmentée en réseau, en reconnaissant des « défis considérables » liés aux limites technologiques et aux coûts d'infrastructure.
Ce qui change en 2026, c'est la convergence. Les casques sont grand public, l'IA générative et la reconstruction 3D progressent vite, et la demande ne se limite plus aux jeux. Les prépublications du jour en témoignent : on y trouve des outils de jumeaux numériques déclenchés par le regard pour la collaboration à distance, des systèmes d'avertissement de conducteur en réalité mixte, ou encore des travaux sur la compréhension de vidéos longues sur des lunettes de réalité augmentée aux ressources limitées. Chacun de ces projets suppose un réseau et une informatique qui suivent, en temps réel, un utilisateur en mouvement.
Ce que le rapport recommande, et ses limites
Les auteurs plaident pour une conception conjointe entre capteurs, IA, réseau et rendu, et pour des programmes de financement interdisciplinaires. C'est une feuille de route de recherche, non une norme ni un produit : le texte est une prépublication, soumise le 23 septembre 2026 et classée en réseautique, mais aussi en cryptographie et sécurité, en interaction humain-machine et en multimédia. Elle n'a pas encore franchi l'étape de la révision par les pairs, et les « constats » d'un atelier reflètent le point de vue des participants invités, pas une mesure indépendante de l'état du réseau.
Il faut aussi garder la mesure. Le métavers a connu un enthousiasme commercial marqué en 2021-2022, suivi d'un reflux, et les prévisions sur la 6G relèvent encore largement de la prospective. Le jeu de stratégie en réalité mixte The Great Flood, lancé le 9 novembre sur Meta Quest selon Mixed News, rappelle que les usages grand public actuels reposent surtout sur des expériences locales, où la pièce de l'utilisateur sert de plateau, plutôt que sur des mondes partagés massivement. C'est précisément cette marche, du local au partagé, que le rapport juge hors de portée de l'Internet tel qu'il existe.
L'enjeu de la vie privée
Un dernier point mérite d'être souligné. Les systèmes immersifs captent en continu le regard, les gestes, la voix et l'espace autour de l'utilisateur. Le rapport range ces informations parmi les données sociales et comportementales sensibles et réclame des protections renforcées dès la conception. C'est un angle moins spectaculaire que la latence, mais il pourrait peser autant sur l'adoption : un réseau capable de transporter ces flux sans les exposer reste, pour l'instant, à inventer.
Le message de l'atelier est donc moins un avertissement qu'un changement de cadrage : pour que l'immersion devienne un véritable mode d'interaction avec les machines, il faudra traiter le réseau, le calcul, l'IA et l'humain comme un seul système. Les prochaines années diront si les financeurs et les industriels acceptent de le bâtir ainsi.