Midjourneys Körperscanner est un problème de calcul

Midjourney présente un scanner corporel qui fonctionne sans rayonnement ni champ magnétique. La photo prise dans un bain d’eau traverse chaque chronologie. La machine réelle est située ailleurs : dans un cluster de calcul qui convertit les ondes sonores en une image tridimensionnelle. La question passionnante pour les responsables du cloud n’est pas de savoir comment se déroule le scan, mais où la charge de calcul atterrit et à qui appartiennent les données.

Les points clés en bref

• Le scanner est l’enveloppe, la reconstruction est le système : Midjourney appelle cette méthode Ultrasonic CT. Un cluster de calcul transforme les données brutes ultrasonores en images de coupe. C’est précisément ici que se pose la question de l’infrastructure, et non dans le matériel sur le corps.
• Les grands nombres sont l’objectif, pas la norme : Selon Midjourney, un scan doit durer moins de 60 secondes. Le prototype prendrait plutôt 20 minutes, selon les premiers rapports, avec 40 puces ultrasonores et sans réseau neuronal dans le calcul de l’image.
• Un milliard de scans par mois est une question de données : L’objectif déclaré transforme l’imagerie médicale en un problème de pipeline, de stockage et de conformité. Les données de santé en cette quantité obligent chaque plateforme à prendre une décision sur le lieu et la souveraineté.

Lié :Apple divise l’inférence de l’IA : appareil contre cloud  /  CADA : Quand la souveraineté du cloud devient une obligation d’achat

Qu’est-ce que l’Ultrasonic CT ? L’Ultrasonic CT, ainsi nommé par Midjourney, est une méthode d’imagerie qui consiste à entourer le corps d’un anneau d’émetteurs ultrasonores qui enregistrent les ondes sonores réfléchies. Un cluster de calcul assemble ces signaux bruts en images de coupe tridimensionnelles. Contrairement au CT classique, l’image est créée via un logiciel au lieu de rayons X.

David Holz, fondateur de Midjourney, a présenté la nouvelle division à la mi-juin et l’a qualifiée de première imagerie corporelle complète depuis 50 ans. Pour une entreprise qui a jusqu’à présent généré des images, le passage à du matériel physique est une rupture. Mais il est intéressant pour ce public à un autre endroit. L’image ne vient pas du capteur, elle est calculée. Et ce calcul est la véritable pari.

1. L’image se forme dans le cluster de calcul, pas sur le corps

Un signal ultrasonore seul ne donne pas d’image de coupe. Il fournit une énorme quantité de données de réflexion qui doivent être calculées ensemble. Le scanner Midjourney confie cela à un cluster de calcul dédié qui reconstruit un modèle de volume à partir de muscle, de graisse, d’os et d’organes à partir des ondes. Le matériel sur le corps collecte. La véritable performance se produit dans la couche de calcul derrière.

Ce qui est remarquable, c’est ce qui ne se passe pas encore là. Selon les premiers rapports, le prototype ne contient pas encore de réseau neuronal dans la reconstruction. L’image est créée via des procédures classiques basées sur la physique et non via le modèle d’IA pour lequel Midjourney est connu. Le nom évoque l’attente d’une magie générative. Derrière cela se cache un traitement du signal avec une faim de calcul, une physique classique à grande échelle.

Cela déplace immédiatement la question du goulet d’étranglement. Ce ne sont pas les capteurs qui décident de la vitesse et du coût, mais la capacité de calcul par scan et la question de savoir comment cette pipeline peut être scalée efficacement plus tard.

2. Edge ou Cloud : où la reconstruction doit-elle avoir lieu ?

Ceci devient intéressant pour tous ceux qui planifient une infrastructure. Un cluster de calcul par site est la variante la plus évidente. Les données brutes restent locales, l’image est disponible immédiatement, la latence est faible. Le prix à payer est le matériel dans chaque succursale, la maintenance sur place et la capacité inutilisée pendant les pauses.

La variante opposée centralise. Les données brutes sont envoyées dans une pipeline Cloud, où la capacité partagée est calculée, et le résultat est renvoyé. Cela évolue de manière plus propre et utilise mieux la puissance de calcul coûteuse. Cependant, cela déplace l’ensemble de données le plus sensible qu’un être humain possède, à travers le réseau, vers un centre de données.

C’est exactement le conflit d’objectifs que l’industrie connaît déjà avec l’inférence de l’IA : appareil ou Cloud, souveraineté ou évolutivité. Midjourney doit prendre cette décision pour un processus qui produit des quantités considérables de données brutes à chaque passage. Pour douze personnes testées scannées, c’est une note de bas de page. Pour l’objectif déclaré, c’est la question architecturale centrale.

3. Un milliard de scans par mois, un pari sur la conformité

Calculons cela de manière sobre. Un modèle de volume corporel complet est un ensemble de données dense, pas un instantané. Multiplié par la quantité cible, cela crée un volume de stockage et de transmission qui nécessite une architecture bien pensée. C’est d’abord un problème de capacité et immédiatement après un problème juridique.

Les données de santé font partie des catégories les plus strictement réglementées. Dans le RGPD, elles tombent sous des catégories particulières de données à caractère personnel. Où les calculs et les stockages ont lieu, cela touche à la souveraineté des données, et bien plus qu’à la performance. Pour le marché allemand, cela est encore aggravé par le débat en cours sur la souveraineté numérique et sur les exigences pour le lieu des données sensibles.

Un fournisseur américain qui vise un milliard de scans corporels par mois est inévitablement confronté à la réalité européenne. L’architecture de la pipeline décide ici si une telle offre est compatible avec la région DACH.

4. Démo contre prototype : ce qui est fiable et ce qui ne l’est pas

Maintenant, parlons des chiffres qui font la une. Selon Midjourney, le scan doit être environ dix fois moins cher et nettement plus rapide qu’une IRM. Ce sont des déclarations marketing sur un prototype, pas des valeurs de produit mesurées. La comparaison suivante sépare l’état établi de l’ambition actuelle.

L’écart entre la démo et l’appareil n’est pas un détail, c’est l’histoire. Un chiffre en secondes sur scène et une durée de 20 minutes en laboratoire décrivent deux machines différentes. Les deux peuvent être vraies. Seule la seconde est réelle aujourd’hui.

5. Bootstrapped finance la pari, mais ne le prouve pas

Un point mérite d’être nuancé, sans être surestimé. Midjourney se décrit comme autofinancé et profitable et justifie ainsi de pouvoir se permettre un pari que laboratoire financé uniquement de l’extérieur aurait du mal à justifier. La technologie de base est licenciée par Midjourney du spécialiste des ultrasons coté en bourse Butterfly Network, elle ne vient donc pas de leur propre maison. La notification obligatoire de ce dernier chiffre les paiements attendus à environ 68 millions d’Euro sur cinq ans.

L’indépendance permet des paris à long terme. Mais elle ne remplace pas la validation. Pour les responsables du cloud et des plateformes, ce qui compte à la fin n’est pas la structure de financement. Ce qui est décisif, c’est si la reconstruction tient sous charge réelle, où elle fonctionne et comment les données sont protégées. Exactement ces trois questions sont encore ouvertes.

Qui observe le sujet devrait donc prendre les images matérielles avec calme. La substance se trouve dans la couche de calcul.

Foire aux questions

Source de l’image : générée par IA (Juli 2026)