Fei-Fei Li souhaite résoudre un débat qui persiste dans la communauté de l'IA depuis un moment : qu'est-ce qui constitue réellement un « modèle du monde » et ce qui n'est qu'un générateur de vidéos sophistiqué vêtu d'une blouse de laboratoire.
Le professeur de Stanford et PDG de World Labs a publié « A Functional Taxonomy of World Models » le 3 juin 2026, présentant un cadre qui classe les modèles du monde en trois fonctions distinctes : rendu, simulation et planification. L'article soutient que ces trois rôles forment une boucle interconnectée qui sous-tend ce que Li appelle « l'intelligence spatiale », ce type d'IA capable de comprendre et d'interagir réellement avec des environnements physiques.
Trois emplois, un modèle
La fonction de rendu gère la génération visuelle. Elle crée des représentations visuelles de haute fidélité à partir d'entrées de données. C'est ce que font réellement la plupart des « modèles mondiaux » actuels, et Li avance l'argument selon lequel les systèmes bloqués à ce niveau ne sont pas de véritables modèles mondiaux.
La fonction de simulateur va plus loin. Elle ne se contente pas de vous montrer à quoi ressemble quelque chose. Elle modélise la physique, les causes et effets, ainsi que la manière dont les objets interagissent dans le temps. Un rendu peut vous montrer une balle roulant vers le bord d'une falaise. Un simulateur sait que la balle va tomber.
La fonction de planification utilise la compréhension du simulateur du fonctionnement du monde pour établir des plans d'action. C'est la différence entre une IA qui observe une cuisine et une autre qui peut déterminer comment vous préparer un sandwich sans casser tous les plats de l'armoire.
Ces trois fonctions ne fonctionnent pas de manière isolée. L’article de Li les décrit comme formant une boucle continue, où chaque capacité alimente et renforce les autres. Un moteur de rendu informe le simulateur sur le contexte visuel, le simulateur fournit au planificateur des prédictions ancrées dans la physique, et les objectifs du planificateur déterminent ce que le moteur de rendu et le simulateur doivent prioriser.
Pourquoi la robotique en a besoin si fort
Li a soutenu, y compris dans un manifeste antérieur de novembre 2025, que les modèles mondiaux peuvent combler l'écart entre la simulation et la réalité. Si vous pouvez créer une réplique numérique suffisamment précise du monde physique, les robots peuvent s'entraîner là-bas en premier.
World Labs a déjà commencé à mettre cette théorie en pratique. L'entreprise a lancé Marble, son premier produit commercial, en novembre 2025. Marble génère des mondes 3D persistants et haute fidélité à partir de prompts multimodaux, ce qui signifie que vous pouvez décrire un environnement à l'aide de texte, d'images ou d'autres entrées, et Marble crée un espace 3D navigable à partir de cette description. Le système est déjà utilisé dans des environnements de simulation robotique.
Contrairement à une vidéo, qui est une séquence fixe d'images, les mondes de Marble conservent une géométrie et des lois physiques constantes à mesure que vous les explorez. Un robot entraîné dans un environnement Marble peut s'approcher de la même étagère sous différents angles et trouver les mêmes objets aux mêmes positions.
L'argent derrière la mission
World Labs a levé 1 milliard de dollars en février 2026, s'appuyant sur un précédent tour de financement de 230 millions de dollars. La liste des investisseurs comprend AMD, Autodesk, NVIDIA et Fidelity.
Les 1,23 milliard de dollars de financement total placent World Labs parmi les rares startups d'IA axées sur l'intelligence spatiale, plutôt que sur la course aux grands modèles linguistiques qui a dominé l'actualité.