Pegasus 1.5 by TwelveLabs

À propos de Pegasus 1.5 by TwelveLabs

Pegasus 1.5, lancé le 20 avril 2026 par TwelveLabs, marque une avancée significative dans le domaine du raisonnement vidéo par intelligence artificielle. Contrairement aux approches traditionnelles nécessitant un prétraitement lourd, une indexation préalable ou un pipeline complexe, ce modèle permet d’extraire directement des métadonnées structurées et horodatées — appelées Time-Based Metadata (TBM) — à partir de vidéos brutes pouvant atteindre deux heures de durée. Le tout via une seule et même API.

Ce système se distingue par sa capacité à raisonner sur l’ensemble du volume multidimensionnel de la vidéo en un seul passage, sans découpage ni étiquetage manuel. Selon les benchmarks publiés par TwelveLabs, Pegasus 1.5 surpasse même les modèles généralistes de pointe, notamment Gemini 3.1 Pro de Google, avec une amélioration de 13,1 % en précision de segmentation temporelle. De plus, il garantit une sortie JSON fiable, là où les modèles généralistes échouent dans près d’un cas sur trois (30,8 % d’échec) lorsqu’il s’agit de produire une structure cohérente sur des contenus complexes comme les bulletins d’actualités ou les retransmissions sportives.

Pegasus 1.5 s’inscrit dans la vision de TwelveLabs de transformer la vidéo en source de données interrogeables, exploitables et automatisables — une approche qui vise à dépasser la simple reconnaissance d’objets ou de paroles, pour accéder à une compréhension sémantique fine et contextualisée du contenu temporel.

Fonctionnalités principales

Time-Based Metadata (TBM) constitue le cœur de l’innovation de Pegasus 1.5. L’utilisateur définit un schéma JSON personnalisé décrivant les éléments d’intérêt — par exemple, des segments éditoriaux, des actions sportives précises, des apparitions de marques, des changements de locuteurs ou des types de plans — et le modèle produit une sortie conforme, avec horodatage précis. La précision des frontières temporelles est estimée à environ 350 millisecondes, ce qui permet une synchronisation quasi parfaite avec les événements visuels.

Le prompting multimodal renforce cette capacité : il est possible de fournir une image de référence — une personne, un produit, un logo — et le modèle localisera automatiquement toutes les occurrences correspondantes dans la vidéo, avec leurs timestamps respectifs. Cette fonctionnalité s’avère particulièrement utile pour les marques cherchant à mesurer leur exposition visuelle ou pour les diffuseurs sportifs voulant repérer les actions d’un joueur spécifique.

Pegasus 1.5 supporte l’analyse de vidéos longues, jusqu’à deux heures, sans perte de contexte ni besoin de segmentation préalable. Cela couvre une grande variété de formats : films, conférences, matchs complets, émissions de télévision ou archives institutionnelles.

La sortie structurée fiable est un autre atout majeur. Contrairement aux modèles généralistes, souvent instables sur des tâches de structuration, Pegasus 1.5 garantit une conformité rigoureuse au schéma défini, ce qui le rend immédiatement intégrable dans des workflows de production. Enfin, son approche « on-the-fly » élimine les étapes habituelles d’ingestion, d’indexation ou de tagging manuel, réduisant ainsi les délais et la complexité opérationnelle.

Tarification

À ce jour, aucune information détaillée concernant la tarification de Pegasus 1.5 n’a été publiée par TwelveLabs. Les communications officielles se concentrent exclusivement sur les performances techniques, les cas d’usage et les comparaisons avec la concurrence, sans mentionner de plans d’abonnement, de seuils d’utilisation ou de modèles de facturation (à la minute, à l’appel API, etc.).

Cette absence de transparence tarifaire complique l’évaluation du coût total d’adoption, notamment pour les entreprises souhaitant intégrer Pegasus 1.5 à grande échelle. Il est donc fortement recommandé de consulter directement le site officiel de TwelveLabs (https://twelvelabs.io) ou de contacter leur équipe commerciale pour obtenir les dernières mises à jour post-lancement concernant les options de licence, les forfaits ou les programmes pilotes.

Cas d'utilisation

Pegasus 1.5 s’adresse à des secteurs où la vidéo est à la fois volumineuse et stratégique. Dans le domaine des médias et de la diffusion, il permet d’automatiser la segmentation d’émissions ou de bulletins d’actualités, en détectant précisément les changements de locuteurs, les transitions entre sujets ou les types de plans (gros plan, plan large, etc.), facilitant ainsi le montage ou la création de résumés.

Dans le sport, le modèle excelle à identifier des actions spécifiques — par exemple, tous les dunks d’un joueur dans un match complet — ou à générer automatiquement des highlights. Ces données peuvent alimenter des plateformes de diffusion, des analyses tactiques ou des campagnes de monétisation.

Pour les marques et les équipes marketing, Pegasus 1.5 offre un moyen précis de mesurer le temps d’écran de leurs produits ou logos dans des milliers d’heures de contenu, qu’il s’agisse de vidéos générées par les utilisateurs (UGC) ou de retransmissions télévisées.

Les archives audiovisuelles — qu’elles appartiennent à des chaînes historiques, des institutions publiques ou des studios — peuvent être transformées en bases de données interrogeables, facilitant la recherche, la réutilisation ou la valorisation de contenus anciens. Enfin, les plateformes technologiques (notamment celles hébergées sur des infrastructures comme AWS) peuvent intégrer Pegasus 1.5 pour offrir des fonctionnalités avancées de recherche sémantique, d’analyse ou d’automatisation à leurs clients.

Notre avis

Pegasus 1.5 représente une rupture technologique notable dans le traitement de la vidéo par intelligence artificielle. Son approche centrée sur la Time-Based Metadata répond à un besoin réel des industries médiatiques, sportives et publicitaires : transformer des flux vidéo non structurés en données exploitables, sans dépendre de pipelines complexes ou de modèles instables.

Les chiffres avancés par TwelveLabs — notamment la supériorité de 13,1 % sur Gemini 3.1 Pro en segmentation temporelle et la quasi-absence d’échecs en sortie JSON — sont convaincants, surtout lorsqu’on les confronte aux limitations connues des modèles généralistes sur des contenus riches en contexte (comme les actualités). La possibilité d’analyser des vidéos de deux heures en un seul appel API, sans prétraitement, constitue un gain d’efficacité considérable.

Cependant, deux bémols majeurs tempèrent l’enthousiasme. D’une part, l’absence totale d’informations sur la tarification rend difficile toute évaluation économique sérieuse. D’autre part, le lancement récent (avril 2026) signifie qu’il n’existe encore ni retours d’utilisateurs indépendants, ni benchmarks tiers vérifiables. La dépendance à des schémas JSON personnalisés, bien que puissante, pourrait également représenter une barrière pour les équipes non techniques.

Malgré ces réserves, Pegasus 1.5 s’impose comme un outil de pointe pour toute organisation cherchant à industrialiser l’exploitation de ses contenus vidéo. Son orientation spécialisée — par opposition aux modèles généralistes — en fait une solution potentiellement incontournable dans les workflows de production, d’analyse et de monétisation. À surveiller de près, surtout lorsque les premiers retours concrets et les détails commerciaux seront rendus publics.