Au cours de la dernière année, « modèle du monde » est devenu l’un des termes les plus surutilisés de l’industrie de l’IA. Générer des vidéos continues ? On l’appelle modèle du monde. Permettre à un joueur de faire quelques pas dans l’image ? On l’appelle aussi modèle du monde. Les robots, la génération vidéo, le 3D et l’intelligence incarnée — des pistes complètement distinctes — s’attribuent toutes cette étiquette. Le terme devient de plus en plus grand, mais son sens devient de plus en plus flou. World Labs a fait quelque chose qui a un peu dérangé ses concurrents : ils ont d’abord établi une norme pour le « modèle du monde ». Il ne suffit pas de générer ce que vous verrez ensuite ; un système doit au moins savoir où se trouvent les objets, quelles sont les relations entre eux et comment leurs états évoluent, pour commencer à simuler un monde. C’est précisément la raison pour laquelle j’ai écrit cet article. La prochaine frontière des modèles du monde ne sera peut-être pas la fidélité des images générées, mais la présence d’un monde interne que la machine puisse lire, mesurer et manipuler. Atlas n’a pas encore résolu cette question, mais elle l’a au moins correctement posée. Et beaucoup de choses aujourd’hui appelées modèles du monde pourraient, à terme, ne s’avérer être que des générateurs vidéo plus avancés.