Créer une IA qui simule la réalité physique

Résumé

Les modèles de langage prédisent des mots. Les modèles du monde prédisent ce qui se passe ensuite dans la réalité. Cette différence architecturale explique pourquoi certains des noms les plus en vue de la recherche en IA se sont tournés vers les modèles du monde comme prochaine couche de capacité essentielle. En 2026, trois organisations mènent cette construction : Google DeepMind a publié un modèle du monde interactif en temps réel basé sur la diffusion vidéo ; World Labs de Fei-Fei Li a commercialisé Marble, un simulateur d'environnement 3D navigable ; et AMI Labs de Yann LeCun a clôturé un tour de table d'amorçage de 1,03 milliard de dollars — le plus important jamais réalisé en Europe — pour construire une IA basée sur JEPA qui apprend la compréhension physique à partir de premiers principes.

Ce que fait réellement un modèle du monde

Un modèle de langage est entraîné à prédire le prochain jeton dans une séquence. Étant donné un passage de texte, il estime quel mot, quelle phrase ou quel caractère vient ensuite — et à travers cela, apprend à raisonner sur le langage, les concepts et les motifs.

Un modèle du monde fait quelque chose de structurellement différent. Étant donné l'état actuel d'un environnement physique, il prédit ce qui se passe ensuite : comment les objets se comportent sous une force, à quoi ressemble un espace depuis un autre point de vue, quelles sont les conséquences d'une action particulière. Les données d'entraînement ne sont pas du texte — ce sont des vidéos, des relevés de capteurs et des simulations.

L'objectif est une IA capable de simuler avant d'agir. Plutôt que de décrire un plan avec des mots et d'espérer que la description soit exacte, une IA dotée d'un modèle du monde peut simuler en interne le résultat d'un plan, identifier ce qui échouera, et le réviser avant que quoi que ce soit ne soit exécuté dans le monde réel.

Trois organisations construisent cette capacité de manières sensiblement différentes.

Google DeepMind : de la vidéo à la simulation interactive

En août 2025, DeepMind a publié un modèle du monde interactif en temps réel qui convertit la vidéo en simulation jouable. L'entrée est une vidéo quelconque — des images d'une pièce, d'un environnement extérieur, d'un monde de jeu. La sortie est une version interactive de cette vidéo : l'utilisateur peut s'y déplacer, effectuer des actions, et le modèle génère l'image suivante physiquement plausible en temps réel.

L'approche de DeepMind évite entièrement les règles physiques codées à la main. Le modèle apprend la dynamique physique en s'entraînant sur d'immenses jeux de données vidéo — en déduisant efficacement comment le monde fonctionne en l'observant. Les simulations respectent la gravité, l'occlusion, la permanence des objets et la structure fondamentale de l'espace physique sans qu'aucune règle explicite n'encode ces propriétés.

Applications actuelles :

• Environnements d'entraînement en robotique : générer un nombre illimité de scénarios inédits à partir d'images de référence au lieu de collecter de nouvelles données physiques
• Développement de jeux vidéo : générer des environnements de prototype interactifs à partir de matériel de référence
• Ancrage des agents IA : tester des plans en simulation avant leur exécution dans le monde réel

Implication à plus long terme : le modèle du monde de DeepMind constitue une base pour des agents autonomes capables de raisonner sur les conséquences avant d'agir — plutôt que d'agir et d'observer les résultats.

World Labs : Marble, le monde 3D navigable

Fei-Fei Li — codirectrice du Stanford Human-Centered AI Institute et ancienne responsable de l'IA chez Google Cloud — a fondé World Labs pour commercialiser la modélisation du monde à grande échelle. Le lancement produit de l'entreprise en 2026 est Marble : un modèle génératif qui crée des environnements 3D navigables en temps réel, à partir de rien.

Là où DeepMind convertit une vidéo existante en simulation interactive, Marble génère des mondes 3D entièrement nouveaux à partir d'une description ou d'une esquisse sommaire. Ces environnements peuvent être explorés sous n'importe quel angle avec une géométrie spatiale et une physique cohérentes — une scène générée par Marble maintient une cohérence structurelle à mesure que l'on s'y déplace, ce que les systèmes génératifs précédents ne parvenaient pas à réaliser de manière fiable.

Où Marble est utilisé :

L'opportunité commerciale que vise World Labs concerne le coût du contenu 3D : actuellement mesuré en millions de dollars et en mois de production. La génération de type Marble compresse cela en quelques heures.

AMI Labs : le pari à 1,03 milliard de dollars sur JEPA

Advanced Machine Intelligence Labs, cofondée par Yann LeCun (Chief AI Scientist de Meta), a clôturé un tour de table d'amorçage de 1,03 milliard de dollars — le plus important tour de table d'amorçage jamais réalisé en Europe — auprès d'un consortium d'investisseurs technologiques européens.

AMI Labs ne construit pas un modèle de langage plus grand ou un meilleur système de diffusion vidéo. L'entreprise construit une IA fondée sur l'architecture de LeCun appelée Joint Embedding Predictive Architecture (JEPA), qui repose sur des principes fondamentalement différents de ceux des modèles du monde actuels.

Plutôt que de prédire des pixels bruts ou des jetons de texte, JEPA entraîne l'IA à prédire des représentations abstraites — la structure significative d'une scène plutôt que son apparence littérale. L'argument de LeCun : le bon sens humain ne se construit pas en mémorisant des observations du monde. Il se construit en apprenant des modèles abstraits de cause à effet, de dynamique physique et de comportement des objets à un niveau conceptuel. JEPA tente de reproduire ce processus d'apprentissage.

La différence pratique : les systèmes basés sur JEPA devraient généraliser plus efficacement à des situations physiques inédites que les modèles de diffusion vidéo, car ils ne cherchent pas à reconstruire chaque pixel — ils modélisent la structure conceptuelle qui génère ces pixels.

La thèse d'AMI Labs, selon la formulation de LeCun : mettre à l'échelle les modèles de langage ne peut pas produire d'IA générale. L'ingrédient manquant est un modèle du monde qui comprend la physique à partir de premiers principes, et non à partir de motifs statistiques dans le texte ou la vidéo.

Comparaison des trois approches

Pourquoi cela compte au-delà du laboratoire

Les modèles du monde constituent une infrastructure pour la prochaine génération de produits d'IA, et non des applications grand public à court terme. Mais les produits construits en 2026 et 2027 dépendront de plus en plus de capacités de modélisation du monde qui s'établissent dès maintenant :

La robotique à grande échelle : chaque entreprise construisant de l'IA physique — automatisation d'entrepôts, fabrication, livraison — doit entraîner des robots sur des scénarios variés. Les modèles du monde génèrent un nombre illimité d'environnements d'entraînement variés sans le coût de la collecte de données physiques. DeepMind et World Labs construisent la couche de génération d'environnements d'entraînement que toute l'industrie de la robotique utilisera.

Des agents IA avec ancrage physique : les agents IA actuels, y compris les systèmes basés sur des modèles de langage les plus performants, ont des hallucinations concernant les contraintes physiques parce qu'ils raisonnent sur le monde physique uniquement à partir de descriptions textuelles. Une IA dotée d'un modèle du monde peut simuler si un plan fonctionne physiquement avant de s'y engager.

La création de contenu 3D : les systèmes de la classe Marble compresseront les délais et les coûts de production de contenu 3D par ordres de grandeur — avec des implications directes pour le développement de jeux vidéo, la production cinématographique, l'architecture et les médias immersifs.

Questions fréquemment posées

Qu'est-ce qu'un modèle du monde en IA ? Un modèle du monde est un système d'IA qui construit une simulation interne de la réalité physique — encodant comment les objets se comportent, comment fonctionnent la cause et l'effet, et ce qui se passe après une action donnée. Contrairement aux modèles de langage qui prédisent le prochain jeton de texte, les modèles du monde prédisent le prochain état d'un environnement physique. Ils sont considérés comme fondamentaux pour la robotique, les véhicules autonomes et les agents d'IA physiques.

Que construit Yann LeCun chez AMI Labs ? AMI Labs, cofondée par LeCun et financée par un tour de table d'amorçage de 1,03 milliard de dollars (le plus important de l'histoire des startups européennes), développe une IA basée sur JEPA — Joint Embedding Predictive Architecture. JEPA prédit des représentations abstraites plutôt que des pixels bruts ou des jetons, dans le but de doter l'IA du type de bon sens physique que les humains développent par l'expérience plutôt que par l'observation. LeCun soutient que JEPA est l'architecture nécessaire pour une IA capable de véritablement raisonner sur le monde physique.

Qu'est-ce que le produit Marble de World Labs ? Marble est un grand modèle du monde de World Labs (fondée par Fei-Fei Li) qui génère des simulations 3D navigables en temps réel à partir de descriptions ou d'esquisses. Contrairement aux systèmes qui convertissent une vidéo existante en simulation, Marble crée de nouveaux environnements 3D avec une physique et une géométrie spatiale cohérentes. Les applications incluent les environnements d'entraînement en robotique, le prototypage de jeux et de RA/RV, ainsi que la visualisation architecturale.

Comment fonctionne le modèle du monde de Google DeepMind ? Le modèle du monde de DeepMind, publié en août 2025, prend une vidéo en entrée et la convertit en simulation interactive. L'utilisateur peut naviguer et agir dans l'environnement simulé, et le modèle génère des images suivantes physiquement plausibles en temps réel. Plutôt que de coder des règles physiques à la main, le modèle apprend la dynamique physique en s'entraînant sur de vastes jeux de données vidéo — déduisant le comportement du monde à partir de son observation.

Sources

• Google DeepMind — Publication du modèle du monde interactif en temps réel, août 2025
• World Labs — Lancement du produit Marble et documentation technique, 2026
• AMI Labs — Annonce du tour de table d'amorçage de 1,03 milliard de dollars et présentation de l'architecture JEPA, 2026
• Yann LeCun — Articles de recherche sur JEPA et présentations publiques, Meta AI, 2025–2026