World models : Genie 3 et Marble dépassent les LLM
Après les LLM, les world models arrivent. Découvrez comment Genie 3 de DeepMind et Marble de World Labs apprennent les lois physiques du monde réel.
👁 117 lectures
L’année 2026 pourrait marquer le moment où l’intelligence artificielle franchit une nouvelle frontière fondamentale. Alors que les grands modèles de langage continuent de fasciner par leur maîtrise du texte et de la conversation, les figures majeures du secteur regardent déjà bien au-delà des LLM. Leur objectif : les world models, des systèmes capables de comprendre et de simuler le monde physique avec une fidélité inédite. Pour un tour d’horizon avec Odyssey-3, Cosmos et V-JEPA, consultez notre guide les modèles du monde : qu’est-ce que c’est et pourquoi.
DeepMind a dévoilé en janvier 2026 son projet phare, Genie 3, incarnant un basculement méthodologique complet. Au même moment, World Labs, startup fondée par Fei-Fei Li, a présenté Marble, une architecture pensée pour bouleverser l’interaction entre l’IA et l’espace tridimensionnel. Les deux initiatives partagent une ambition : bâtir une IA qui ne se contente pas de commenter le monde, mais le comprend réellement.
Genie 3 : quand l’IA apprend la physique par l’observation
La troisième génération de Genie conçue par DeepMind dépasse largement la simple mise à jour incrémentale. Lors de sa présentation à la conférence AI Frontiers à Londres, Demis Hassabis a précisé que Genie 3 repose sur une approche inédite de l’apprentissage automatique, fondée sur l’observation directe et l’interaction avec l’environnement.
« Genie 3 est le premier système d’IA qui comprend véritablement les lois de la physique non pas en mémorisant des règles, mais par l’observation et l’expérimentation. C’est comparable à un enfant découvrant son environnement par le jeu », a expliqué Demis Hassabis lors de la conférence AI Frontiers en janvier 2026.
Le modèle repose sur une architecture neuronale baptisée Physics-Aware Transformer (PAT), combinant les mécanismes d’attention classiques à des modules dédiés à la géométrie spatiale, au temps et à la causalité. Contrairement aux LLM, cantonnés aux symboles et aux récurrences lexicales, Genie 3 forge des représentations internes précises de la réalité physique.
Les démonstrations publiées par DeepMind mettent en valeur ses capacités : Genie 3 anticipe des interactions complexes, de la chute de corps solides aux fluides sous différentes gravités. Plus encore, le système génère des simulations réalistes d’environnements jamais vus durant l’entraînement, par simple extrapolation des principes physiques fondamentaux assimilés.
World Labs et la vision de l’intelligence spatiale
Tandis que DeepMind s’attaque aux fondements théoriques de la physique, World Labs privilégie une perspective immédiatement orientée vers l’action. Fondée par Fei-Fei Li, ancienne directrice du Stanford AI Lab, l’entreprise a dévoilé en février 2026 le système Marble, un modèle centré sur la compréhension et la manipulation de l’espace 3D.
Fei-Fei Li, pionnière d’ImageNet et de la vision par ordinateur, défend depuis longtemps l’importance de ce qu’elle nomme la « spatial intelligence » - l’aptitude d’une machine à appréhender et parcourir un univers en trois dimensions. Marble concrétise directement cette ligne directrice.
« L’avenir de l’IA n’appartient pas aux systèmes qui comprennent uniquement les mots, mais à ceux qui comprennent le monde. L’intelligence spatiale constitue le prochain grand saut qualitatif », a souligné Fei-Fei Li sur LinkedIn lors de l’annonce de Marble en février 2026.
Marble associe vision par ordinateur, robotique et génération synthétique. Son entraînement s’appuie sur des volumes massifs de flux vidéo multicaméras, de numérisations 3D et de données issues de capteurs robotiques. Sa force réside dans sa capacité à produire des scènes 3D interactives et cohérentes à partir de données d’entrée partielles.
Concrètement, quelques photographies d’une pièce suffisent à Marble pour modéliser le lieu en 3D, prévoir la cinématique des objets présents et tracer la trajectoire optimale d’un robot mobile. Le système résout aussi des problèmes physiques concrets, anticipant la disposition finale d’objets après une série de manipulations définies.
Les fondations techniques des world models
Pour mesurer la portée des world models, il faut analyser leur socle technique. Les LLM traitent des séquences linéaires de tokens, alors que les modèles du monde doivent gérer des représentations multidimensionnelles imbriquant l’espace et la continuité temporelle.
Le recours aux champs de radiance neuronaux (NeRF), couplés à des mécanismes d’attention temporelle, s’avère ici déterminant. Les NeRF structurent des scènes 3D continues, tandis que l’attention temporelle capture leurs déformations au fil des secondes. Les itérations récentes, à l’image de Genie 3, mobilisent également des modèles de diffusion pour synthétiser les états futurs de l’environnement.
Selon le rapport technique de DeepMind, Genie 3 adopte une organisation hiérarchique : les couches profondes traitent les constantes de base comme la friction ou la gravité, les couches intermédiaires calculent les collisions et interactions, et les couches supérieures pilotent la planification à long terme.
De son côté, World Labs détaille dans son document « Spatial Intelligence: The Next Frontier » une architecture de transformers multimodaux optimisée pour la géométrie spatiale. La brique centrale, nommée « geometric attention », focalise les calculs sur les relations critiques entre les volumes et les distances relatives.
Applications concrètes et premières retombées industrielles
Les world models sortent déjà des laboratoires. Nvidia a annoncé dès décembre 2025 que ses processeurs graphiques RTX 6000 intègrent des optimisations matérielles dédiées à l’exécution de ces architectures, favorisant un déploiement rapide.
L’industrie vidéoludique teste également ces avancées. Epic Games s’est associé à World Labs pour connecter la technologie Marble au moteur Unreal Engine 6. Cette intégration vise la création procédurale d’univers interactifs complets à partir de descriptions textuelles ou d’esquisses conceptuelles.
C’est toutefois la robotique qui pourrait connaître la transformation la plus profonde. Boston Dynamics a rapporté, dans son bilan trimestriel, des expérimentations associant des world models à son robot humanoïde Atlas. Les retours préliminaires indiquent une nette amélioration de la navigation en zone inconnue et de la manipulation d’objets aux propriétés variables.
« Les world models représentent une rupture majeure pour la robotique. Pour la première fois, nous disposons d’une IA capable d’anticiper les conséquences physiques de ses gestes avec une précision proche de l’intuition humaine », déclarait Marc Raibert, fondateur de Boston Dynamics, dans un entretien accordé au MIT Technology Review en janvier 2026.
L’industrie automobile s’empare également du sujet. En mars 2026, Tesla a confirmé tester l’intégration de world models dans sa suite logicielle Full Self-Driving. Elon Musk a souligné publiquement que ces modèles pourraient débloquer l’autonomie intégrale, en particulier pour gérer les cas limites rares qui déstabilisent les approches classiques.
Défis matériels, dérive et verrous techniques
Ces avancées se heurtent néanmoins à de sérieux obstacles. Le principal verrou reste la puissance de calcul requise. D’après les mesures du MIT CSAIL, l’entraînement d’un world model du calibre de Genie 3 réclame près de 50 fois plus de ressources de calcul que celui d’un LLM de taille similaire.
La collecte de données pèse tout autant sur l’équation. Alors que le web fournit d’immenses corpus de textes bruts, les world models réclament des jeux de données volumétriques 3D, des prises de vue synchronisées sous de multiples angles et des flux sensoriels physiques. La constitution de tels jeux de données se chiffre en centaines de millions de dollars.
La fiabilité opérationnelle soulève un autre problème majeur. Dans un cadre physique, la moindre erreur entraîne des collisions ou des défaillances réelles. Comme l’a rappelé Yann LeCun (Meta AI) lors d’une table ronde à la conférence NeurIPS 2025, les architectures actuelles restent sujettes au phénomène de dérive (« drift »), où la simulation s’écarte progressivement des règles réelles au fil du temps.
« Les world models sont fascinants, mais nous faisons face à un compromis permanent entre fidélité et efficacité algorithmique. Tenter de simuler un monde complet revient à exiger une puissance qui croît de façon exponentielle avec le niveau de précision recherché », a rappelé Yann LeCun lors du panel ‘Future of AI’ à NeurIPS 2025.
Des considérations de sûreté émergent également. Un système capable de prédire des interactions mécaniques réelles pourrait être détourné pour concevoir des scénarios malveillants ou simuler des failles d’infrastructures physiques, imposant des garde-fous stricts avant toute diffusion massive.
La course des géants de la tech
Les investissements se multiplient autour de ce nouvel axe de recherche. Derrière DeepMind et World Labs, Meta, Microsoft et Amazon déploient des stratégies ciblées, esquissant des écosystèmes techniques distincts.
Meta concentre ses efforts sur la réalité virtuelle et augmentée, développant des modèles aptes à générer des environnements photoréalistes en temps réel. Lors de la conférence Connect 2025, Mark Zuckerberg a réaffirmé que ces simulateurs constituaient la clé de voûte de son infrastructure immersive.
Microsoft capitalise sur l’intégration à sa plateforme Azure pour proposer les world models sous forme de services cloud destinés aux entreprises. Les cas d’usage visent principalement l’industrie, de l’optimisation des chaînes de production à la planification logistique prédictive.
Amazon dédie ses travaux, sous la bannière « WorldSim », à la robotique d’entrepôt et à la logistique de livraison, cherchant à optimiser la circulation de ses flottes autonomes au sein de ses centres de tri.
L’ampleur financière reflète cette accélération. Un rapport publié par CB Insights indique que les startups spécialisées dans les world models ont levé plus de 15 milliards de dollars au total en 2025, dépassant l’ensemble des financements levés par l’écosystème de l’IA en 2020.
Quels impacts pour la société et l’ingénierie ?
Nombre d’observateurs estiment que la portée des world models dépassera celle des modèles de langage. Les LLM ont profondément modifié le traitement de texte et la communication ; les world models visent la conception, la construction et la modification du monde matériel.
L’enseignement et la recherche scientifique en tirent déjà des bénéfices directs. Grâce à des simulations interactives détaillées, les étudiants visualisent aussi bien des dynamiques galactiques que des interactions subatomiques. Le Massachusetts Institute of Technology a officialisé son intention d’intégrer ces simulations dans ses cursus de physique et d’ingénierie.
En architecture et en urbanisme, ces outils remplacent les rendus statiques par des maquettes vivantes, soumises aux contraintes climatiques, acoustiques et mécaniques avant le premier coup de pioche.
Le secteur médical explore quant à lui la modélisation dynamique de principes actifs au sein des tissus biologiques et la répétition d’interventions chirurgicales complexes sur des répliques anatomiques précises, réduisant les aléas en salle d’opération.
Ces perspectives s’accompagnent de risques documentés. Des simulateurs d’environnements hyperréalistes pourraient servir à concevoir des deepfakes contextuels complets, ne falsifiant plus seulement un visage ou une voix, mais l’intégralité d’un lieu et de ses interactions physiques, rendant indispensable l’émergence de nouveaux outils d’authentification.
Google · Vos sourcesPromptif plus haut dans Google - en un clicAjouter aux sources préférées →En résumé
Les world models amorcent une évolution majeure de l’intelligence artificielle. Les travaux de DeepMind avec Genie 3 et de World Labs avec Marble illustrent comment les algorithmes s’émancipent du langage textuel pour intégrer les contraintes de notre environnement. L’IA quitte le statut d’observatrice discursive pour devenir un moteur d’anticipation physique.
Bien que les contraintes d’entraînement, de coût et de fidélité temporelle restent prégnantes, les débouchés industriels s’étendent de la robotique industrielle au jeu vidéo en passant par la santé. L’enjeu des années à venir consistera à encadrer ces modèles tout en maîtrisant leur charge de calcul, ouvrant la voie à des systèmes capables d’interagir intelligemment avec la réalité.
More on this from PROMPTIF
