World models IA : Genie, Odyssey, Cosmos et V-JEPA décryptés

👁 120 lectures

Un modèle de monde (world model) est une IA qui ne se contente pas d’écrire un texte ou de générer une vidéo figée : elle prédit en temps réel l’évolution d’un environnement en réponse à une action. Vous pouvez ainsi vous déplacer dans un monde virtuel comme dans un jeu vidéo, ou permettre à un robot de s’entraîner virtuellement avant d’agir dans le réel. Dans ce guide, nous détaillons les modèles incontournables - Genie, Odyssey, Cosmos, V-JEPA et Atlas -, leurs coûts, leur disponibilité et nos résultats d’essais.

Qu’est-ce qu’un modèle de monde ?

Un grand modèle de langage prédit le mot suivant. Un modèle de monde prédit l’état suivant de son environnement : l’image suivante, la position des objets, l’angle de vue. L’élément central réside dans le signal de contrôle. Le modèle reçoit une commande telle que « le joueur avance » ou « le bras robotique referme sa pince », puis calcule immédiatement ce qui doit se produire.

La différence avec un générateur vidéo conventionnel comme Veo est nette :

• un générateur vidéo calcule l’intégralité du clip en une fois, que vous regardez passivement ;
• un modèle de monde génère l’image image par image, en continu, en réaction à vos commandes ;
• un modèle de monde doit conserver la mémoire de ce qu’il a produit : si vous faites demi-tour, les objets doivent rester au même endroit (ce qui demeure son point faible actuel).

Pour approfondir la raison pour laquelle les chercheurs considèrent ces architectures comme la relève des LLM, consultez notre analyse : les modèles de monde et la compréhension de la physique.

Comment fonctionne un world model en pratique

La plupart des modèles actuels générant un flux visuel reposent sur des principes communs :

• Apprentissage sur la vidéo : ingestion de millions d’heures de captured de jeux vidéo et de caméras embarquées, associées aux données d’action (touches de clavier, angle de volant, trajectoire d’un bras).
• Prédiction autorégressive : à partir des dernières images et de la commande appliquée, le système déduit l’image suivante, transposant le principe des LLM au domaine visuel.
• Diffusion : chaque nouvelle image est débruitée comme dans un générateur d’images. Pour atteindre le temps réel, les équipes distillent le modèle afin de réduire ce processus à quelques étapes seulement.
• Fenêtre de mémoire : l’IA ne dispose que d’un historique limité. Dès qu’un élément quitte cette fenêtre d’attention, le modèle doit le réinventer, ce qui explique pourquoi certains décors se métamorphosent quand on se retourne.

V-JEPA emprunte une tout autre voie : au lieu de manipuler des pixels, il prédit l’état du monde dans un espace d’abstractions conceptuelles. On ne peut pas s’y promener visuellement, mais le coût de calcul est bien plus faible, ce qui le rend idéal pour la planification de trajectoires en robotique.

Les limites réelles de la technologie

• Permanence de l’objet : dès que la caméra pivote, les éléments ont tendance à muter. Nous avons constaté ce décrochage dans Odyssey-3 après seulement 10 secondes.
• Durée des sessions : les démonstrations gratuites se limitent à quelques minutes, et Genie 3 conserve la cohérence d’un environnement durant une poignée de minutes selon Google.
• Résolution : plafonnée entre 480p et 720p, encore très loin du rendu 4K des générateurs vidéo hors ligne.
• Manque de spécificité régionale : les modèles maîtrisent la notion générique de « ville européenne », mais échouent sur les monuments historiques locaux précis.
• Mesures fournies par les laboratoires : les évaluations indépendantes restent rares, chaque acteur choisissant les variantes de benchmarks qui valorisent son système.

Quels sont les cas d’usage concrets ?

• Robotique et conduite autonome : entraînement intensif en simulation sans immobiliser de véhicules réels ni risquer de casse. C’est la cible principale de NVIDIA et d’Odyssey.
• Agents autonomes : création d’environnements d’entraînement infinis, notamment dans les jeux.
• Jeu vidéo et cinéma : prévisualisation rapide d’ambiances, prototypage express de décors.
• Recherche : évaluation de la compréhension intuitive de la physique par l’IA via des protocoles comme Physics-IQ.

Comparatif des principaux modèles de monde (octobre 2026)

Genie 3 et Project Genie

Dévoilé par Google DeepMind en août 2025, Genie 3 produit un monde explorable en 720p à 24 images par seconde. En janvier 2026, Google l’a intégré dans Labs sous le nom de Project Genie, initialement réservé aux membres Google AI Ultra aux États-Unis, avant d’élargir l’accès en mai 2026 sans toutefois officialiser la liste complète des pays éligibles. Le système associe Genie 3 à Nano Banana et Gemini. Nous détaillions son positionnement stratégique dans notre article sur les world models comme frontière post-LLM.

Odyssey-3

L’entreprise californienne Odyssey a lancé Odyssey-3 le 8 octobre 2026. Ce transformeur à diffusion autorégressif calcule chaque image en tenant compte des précédentes et des actions de l’utilisateur. Optimisé pour ne nécessiter que quelques étapes de calcul par image, il fonctionne en temps réel. Cette base technique vise aussi bien le guidage de drones et de robots que l’apprentissage d’agents virtuels. Retrouvez notre prise en main complète dans notre article dédié à Odyssey-3.

NVIDIA Cosmos

Cosmos regroupe les modèles ouverts de NVIDIA conçus pour l’IA physique. Il génère avant tout des données synthétiques pour entraîner robots et véhicules autonomes. La déclinaison Edge est allégée pour tourner directement sur des puces embarquées sans dépendre du cloud. Consultez notre tutoriel pour débuter avec NVIDIA Cosmos 3 ainsi que notre présentation de Cosmos 3 Edge.

V-JEPA 2 et Yann LeCun

Lancé par Meta en juin 2025, V-JEPA 2 se distingue radicalement : il ne dessine pas de pixels mais modélise les dynamiques futures dans un espace conceptuel abstrait. Une approche ardemment défendue par Yann LeCun, pour qui le rendu pixel par pixel représente un gaspillage de ressources. Les poids sont publics. Yann LeCun a par la suite quitté Meta pour poursuivre cette voie avec sa propre structure, un parcours retracé dans notre dossier Yann LeCun et les modèles de monde.

World Labs : Marble et Atlas

Fondée par Fei-Fei Li, la jeune pousse se consacre à l’intelligence spatiale. Si Marble génère des scènes 3D, Atlas (présenté le 1er septembre 2026) produit jusqu’à une minute de vidéo en 1440p à partir d’un simple cliché, avec un contrôle précis de la caméra et un export vers des nuages de points. Tous les détails figurent dans notre analyse de World Labs et du modèle Atlas.

Résultats au banc d’essai Physics-IQ

Le test Physics-IQ évalue la capacité d’un modèle à anticiper la suite logique d’une séquence selon les lois de la physique : chutes, collisions, écoulements fluides. Voici les données communiquées par Odyssey lors de son lancement. Les protocoles variant fortement d’un éditeur à l’autre, ces chiffres ne sont pas fusionnés avec d’autres sources.

Notre banc d’essai : Odyssey-3 à l’épreuve

Odyssey-3 était le seul modèle de grande taille accessible librement sans inscription au 9 octobre 2026. Nous l’avons testé avec des requêtes en anglais et nous l’avons également testé en polonais pour éprouver sa robustesse linguistique et géographique, en demandant des paysages précis : les alpages des Bieszczady (połonina w Bieszczadach) puis la place du Marché de Cracovie (Rynek Główny w Krakowie) sous la neige.

Notre constat : si le modèle excelle à poser une tonalité visuelle cohérente, il ignore la topographie régionale fine et peine sur la persistance spatiotemporelle. L’outil convient pour concevoir des ambiances, mais pas pour de la reconstitution fidèle.

Trois méthodes pour tester ces outils

1. Gratuitement en quelques clics : rendez-vous sur experience.odyssey.systems, saisissez votre description et naviguez au clavier avec les touches ZQSD/WASD et les flèches.
2. Avec l’écosystème Google : accédez à Project Genie via l’abonnement Google AI Ultra, sous réserve d’éligibilité visible dans Google Labs.
3. En local : téléchargez les dépôts de NVIDIA Cosmos ou de V-JEPA 2 sur Hugging Face. Une carte graphique puissante et un environnement Python opérationnel sont indispensables.

Modèles de monde et création de jeux vidéo

Il convient de ne pas confondre ces modèles avec des environnements de développement assistés par IA. Une plateforme comme Google Labs Playground produit un véritable jeu intégrant règles, points et logique de progression. Le modèle de monde, lui, se limite à générer un décor explorable en temps réel, sans règles de jeu sous-jacentes. Pour mémoire, Playground n’est pour l’heure déployé qu’aux États-Unis - découvrez les détails dans notre guide pour créer un jeu avec Google Playground.

Foire aux questions

En quoi un modèle de monde diffère-t-il d’un générateur vidéo classique ?

Un générateur calcule un fichier vidéo figé et linéaire. Un modèle de monde calcule chaque image à la volée en réagissant directement à vos déplacements, tout en essayant de mémoriser les éléments déjà explorés.

Existe-t-il une solution gratuite ?

Oui. Odyssey-3 met à disposition une démonstration directe dans le navigateur, tandis que NVIDIA Cosmos et Meta V-JEPA 2 proposent leurs poids en libre accès.

Genie 3 est-il accessible depuis l’Europe ?

Project Genie fait partie de la formule Google AI Ultra. Google n’ayant pas publié de liste exhaustive des pays ouverts, il convient de vérifier son statut directement sur votre espace Google Labs.

Ces modèles maîtrisent-ils réellement les lois de la physique ?

Seulement en partie. Le meilleur score relevé sur Physics-IQ tourne autour de 66 points, ce qui montre d’importantes marges de progression. Lors de nos manipulations, la gestion de la marche, de la lumière et du brouillard s’est avérée crédible.

Peut-on exécuter un world model sur sa propre machine ?

Oui pour Cosmos et V-JEPA 2, à condition de posséder un GPU NVIDIA performant. En revanche, Odyssey-3 et Genie 3 s’exécutent exclusivement sur les serveurs de leurs concepteurs.

Quel est l’intérêt pour un créateur de contenu aujourd’hui ?

Ces technologies servent surtout à explorer rapidement des concepts d’environnements, poser des ambiances de tournage ou prototyper des décors 3D, mais ne permettent pas encore de générer des productions finalisées.

Sources et date de vérification

• Odyssey - Meet Odyssey-3
• Google - Project Genie
• 9to5Google sur Project Genie
• Wikipédia - Genie (world model)
• Banc d’essai de la rédaction sur Odyssey-3 réalisé le 9 octobre 2026. Données vérifiées le 9 octobre 2026.

// lire la suiteWorld models : Genie 3 et Marble dépassent les LLMÉtat de l'IAAMD rachète World Labs de Fei-Fei Li pour 8,2 milliards de dollarsMagazineTeach My Little Sister How To Drive : 1000 $ par jour d’API IAÉtat de l'IA

Kinetyra