L'IA multimodale désigne des programmes informatiques capables de comprendre et de traiter simultanément différents types d'informations, par exemple des images, des textes et des sons.
Imagine qu'un ordinateur peut voir une image, lire une description et entendre un mot prononcé – et utiliser toutes ces informations ensemble pour résoudre une tâche.
Ainsi, l'IA peut par exemple reconnaître une image et en même temps fournir une explication appropriée ou répondre à une question liée à l'image.
L'IA multimodale aide les ordinateurs à mieux comprendre le monde, car elle combine des informations provenant de différentes sources, de manière similaire à ce que font les humains.