World Labs dévoile Atlas, un « modèle du monde » qui vise la robotique

Pendant que les grands laboratoires s'écharpent sur les scores de code et le prix du million de tokens, une autre bataille s'ouvre, plus discrète mais peut-être plus structurante : celle de l'intelligence spatiale. World Labs, la société cofondée par la chercheuse de Stanford Fei-Fei Li, a présenté le 1ᵉʳ septembre Atlas, qu'elle décrit comme un « modèle du monde » omni-modal. Là où un grand modèle de langage manipule du texte, Atlas génère, reconstruit et simule des espaces en trois dimensions — un déplacement de terrain qui vise moins les chatbots que les robots.

Un modèle entraîné nativement en 3D

La différence tient à l'architecture. Atlas est un « transformeur de diffusion autorégressif multimodal », pré-entraîné depuis zéro sur du texte, des images, de la vidéo et de la 3D de manière native. Ce n'est pas un modèle vidéo auquel on aurait greffé un module de reconstruction : les entrées sont ancrées dans un espace 3D commun, avec poses de caméra et cartes de profondeur, ce qui lui donne une cohérence géométrique que les générateurs vidéo classiques peinent à tenir. Concrètement, le modèle produit de la vidéo jusqu'à une minute en 1440p avec un contrôle de caméra au pixel près, reconstruit une scène à partir d'une à cent images pour en sortir des vues inédites, des nuages de points ou des « Gaussian splats », et génère des panoramas 360° à partir d'un texte ou d'une image.

Des résultats revendiqués au-dessus des rivaux

Sur le terrain de la génération contrôlée par caméra, World Labs affiche des comparaisons flatteuses : les évaluateurs humains auraient préféré Atlas à MiniMax H dans 75 % des cas, à Gemini Omni Flash dans 81 %, et à FLUX 3 dans 93 %. Sur la reconstruction 3D, le modèle revendique une erreur relative moyenne de 25,3 contre 28,7 pour un modèle spécialisé comme Pi3X. Ces chiffres viennent de l'entreprise elle-même et méritent la prudence d'usage — des observateurs ont déjà questionné l'équité des protocoles de comparaison — mais la direction est claire : un modèle unique qui couvre génération, reconstruction et simulation, là où il fallait jusqu'ici empiler des outils séparés.

La vraie cible : entraîner les robots

World Labs cite les effets spéciaux et le jeu vidéo — Atlas sait transformer des rushes multi-caméras en plans « bullet time » sans matériel professionnel — mais la finalité assumée est ailleurs. Le modèle prend en charge des flux « Real-to-Sim » : filmer un lieu physique avec un simple smartphone, puis le reconstruire en simulation où un robot peut naviguer et manipuler des objets. Il génère pour cela des données RGB et de profondeur du point de vue du robot simulé. C'est le chaînon manquant de la robotique moderne, où le coût et le risque de l'entraînement dans le monde réel freinent les progrès : un modèle du monde crédible permet de multiplier les essais en simulation avant de toucher au matériel.

L'enjeu dépasse la seule prouesse technique. Depuis deux ans, l'essentiel des capitaux et de l'attention se concentre sur les modèles de langage, dont les progrès sur le raisonnement et le code commencent à donner des signes de plateau. Le pari de World Labs — comme celui de plusieurs équipes concurrentes travaillant sur les « world models » — est que la prochaine marche se jouera dans la compréhension du monde physique : anticiper qu'un objet posé au bord d'une table peut tomber, qu'une porte s'ouvre dans un sens, qu'un robot doit contourner un obstacle. Ce sont précisément les intuitions qu'un modèle entraîné sur du texte ne possède pas, et qu'un modèle ancré dans l'espace 3D peut, en théorie, apprendre. Si le pari est juste, l'intelligence spatiale devient l'infrastructure invisible de la robotique, de la conduite autonome et des jumeaux numériques industriels.

Ce que l'Europe regarde de loin

Atlas est disponible en accès anticipé auprès de partenaires sélectionnés, sur candidature. Adossée à environ 1,2 milliard de dollars de financements, World Labs ajoute une brique là où l'écosystème américain concentre déjà l'avance : après le langage et le code, l'intelligence spatiale. Pour l'Europe, dont les forces se trouvent surtout dans la robotique industrielle et l'automobile, la dépendance se dessine en amont : les modèles du monde qui entraîneront demain les machines physiques risquent d'être, eux aussi, conçus outre-Atlantique. La niche est encore jeune, les acteurs peu nombreux — c'est peut-être la dernière frontière où un laboratoire européen pourrait encore prendre position avant que les standards ne se figent.