World model, l'IA qui comprend le monde physique

World model : quelle est la définition exacte ?

Un world model est un système d'intelligence artificielle qui construit une représentation interne du monde physique, puis prédit comment ce monde va évoluer en réponse à une action. Google DeepMind en donne la définition suivante dans son annonce de Genie 3, publiée le 5 août 2025 : un modèle capable « d'utiliser sa compréhension du monde pour en simuler des aspects, permettant à des agents de prédire comment un environnement va évoluer et comment leurs actions vont l'affecter ».

Trois propriétés distinguent un world model d'un modèle de langage classique :

• Il est conditionné par l'action : vous appuyez sur une touche, le monde généré réagit. Un LLM, lui, produit une suite de mots sans notion d'action physique.
• Il raisonne dans l'espace, pas seulement dans le texte : objets, distances, occlusions et permanence des objets font partie de ce qu'il modélise.
• Il vise la cohérence dans la durée : l'objectif est de tenir plusieurs minutes de simulation cohérente, pas seulement de prédire le mot suivant.

Le terme « world model » se traduit en français par « modèle du monde ». On croise aussi l'expression « IA physique » (physical AI), portée notamment par NVIDIA, et « intelligence spatiale » (spatial intelligence), utilisée par Fei-Fei Li chez World Labs. Ces trois formulations désignent la même ambition : donner à une machine une intuition du réel qui ne passe pas par les mots.

Pourquoi les LLM ne suffisent pas à comprendre le monde physique

Les LLM échouent sur le monde physique parce qu'ils n'ont jamais appris que du texte, une représentation appauvrie du réel. Yann LeCun résume la limite ainsi : « Le langage est un espace de faible dimensionnalité. C'est une version sérialisée de nos pensées. » Il ajoute que des systèmes d'IA atteindront un jour une intelligence de niveau humain, « mais ils ne seront pas construits sur les LLM ».

Le constat est mesurable. Le benchmark Physics-IQ, conçu pour tester si les modèles vidéo génératifs respectent les lois physiques, aboutit à une conclusion nette : « le réalisme visuel n'implique pas la compréhension physique ». Autrement dit, une vidéo peut être superbe et montrer une balle qui traverse un mur. Les chercheurs relèvent d'ailleurs que la dynamique des fluides est mieux restituée que la mécanique des solides.

Cette faiblesse rejoint un problème que nous documentons régulièrement sur Horizon GEO : les hallucinations des modèles d'IA. Un modèle qui ne dispose d'aucun ancrage dans le réel invente avec la même assurance qu'il décrit. Un world model cherche précisément à remplacer cette assurance par une contrainte physique.

Meta a chiffré cette approche avec V-JEPA 2, publié le 11 juin 2025 : 1,2 milliard de paramètres, plus d'un million d'heures de vidéo en pré-entraînement, puis seulement 62 heures de données robotiques pour l'entraînement conditionné par l'action. Résultat, un taux de réussite de 65 à 80 % sur des tâches de saisie et de dépose d'objets jamais vus auparavant. Meta a publié dans la foulée trois jeux d'évaluation dédiés au raisonnement physique : IntPhys 2, MVPBench et CausalVQA.

Qui construit les world models en 2026 ?

Sept acteurs structurent aujourd'hui la course aux world models : Google DeepMind, NVIDIA, World Labs, AMI Labs, Meta, Mistral AI et 1X. Voici l'état des lieux au 11 août 2026.

Google DeepMind : de Genie 1 à Project Genie

La lignée Genie illustre bien la vitesse de progression des world models. Genie 1, en mars 2024, générait des environnements en deux dimensions à une image par seconde. Genie 2, en décembre 2024, passait en 3D avec une résolution de 360p et des séquences de 10 à 20 secondes. Genie 3, annoncé le 5 août 2025, atteint 720p à 24 images par seconde, avec une mémoire visuelle d'environ une minute qui lui permet de se souvenir d'un objet sorti du champ.

Le 29 janvier 2026, Google a ouvert Project Genie, une interface web reposant sur Genie 3, Nano Banana Pro et Gemini. Elle permet de dessiner un monde à partir d'un texte ou d'une image, de s'y déplacer au clavier et de le remixer. L'accès est réservé aux abonnés Google AI Ultra, facturé à partir de 99,99 € par mois, d'abord aux États-Unis et pour les utilisateurs majeurs. En mai 2026, l'intégration de Street View a permis de générer des mondes ancrés dans des lieux réels.

Un point d'attention pour la suite : le 5 août 2026, Demis Hassabis a quitté la direction opérationnelle de Google DeepMind pour un rôle de président et scientifique en chef, Koray Kavukcuoglu prenant les opérations. Jeff Dean, après 27 ans chez Google, est parti cofonder Discovery Loop. Ces mouvements pourraient influencer le rythme des prochaines versions de Genie.

NVIDIA Cosmos 3 : l'option ouverte

Annoncé le 31 mai 2026 au GTC de Taipei, Cosmos 3 est présenté par NVIDIA comme un modèle de fondation ouvert pour l'IA physique. Il combine raisonnement visuel, génération de mondes et prédiction d'actions dans une architecture dite mixture-of-transformers, c'est-à-dire un assemblage de sous-modèles spécialisés activés selon le type de donnée traitée. Trois déclinaisons existent : Super pour la précision physique, Nano pour l'inférence rapide, Edge pour le temps réel embarqué.

Le point décisif est la licence : les poids du modèle, c'est-à-dire les paramètres appris pendant l'entraînement, sont publiés sur la plateforme Hugging Face et donc téléchargeables par n'importe qui. C'est la logique que nous détaillons dans notre article sur les LLM open-weights. Samsung, LG Electronics, Li Auto et Doosan Robotics figurent parmi les utilisateurs cités, Runway et Skild AI parmi les partenaires de la Cosmos Coalition.

La France dans la course

Deux acteurs français comptent parmi les plus visibles sur les world models. AMI Labs, créée en décembre 2025 par Yann LeCun après son départ de Meta, a levé 1,03 milliard de dollars (environ 890 millions d'euros au taux du 10 août 2026) sur une valorisation pre-money de 3,5 milliards de dollars, soit près de 3 milliards d'euros. Le tour réunit Bezos Expeditions, NVIDIA, Samsung, Toyota Ventures, Xavier Niel, Eric Schmidt et Tim Berners-Lee. Le siège est à Paris, avec des bureaux à New York, Montréal et Singapour. Alexandre LeBrun en est le directeur général.

Mistral AI a de son côté lancé Robostral Navigate le 8 juillet 2026, un modèle de 8 milliards de paramètres qui permet à un robot de naviguer dans un entrepôt ou un bâtiment avec une simple caméra couleur, sans LiDAR (un capteur laser qui mesure les distances, coûteux) ni multiplication de capteurs. Airbus et BMW sont cités comme partenaires industriels. Mistral avait levé 830 millions de dollars de dette en mars 2026, soit environ 719 millions d'euros, pour construire un centre de données près de Paris équipé de 13 800 GPU NVIDIA GB300.

À quoi servent concrètement les world models ?

Les world models servent d'abord à entraîner des machines qui agissent dans l'espace, sans les user sur le terrain. Cinq usages sont déjà documentés :

• La robotique : le 4 juin 2026, la société norvégienne 1X a créé un World Model Lab dédié à son robot humanoïde NEO. Son responsable des world models, Sam Sinha, justifie l'investissement d'une phrase : « l'IA incarnée est un sujet trop important pour être traité comme un problème de fine-tuning ». Le fine-tuning désigne le réglage fin d'un modèle existant sur des données spécifiques.
• La conduite autonome : simuler des millions de kilomètres et des situations rares coûte moins cher, et comporte moins de risques, que de les rencontrer sur route.
• La génération de données synthétiques : c'est la vocation première de Cosmos chez NVIDIA, produire des scénarios d'entraînement crédibles quand les données réelles manquent.
• La création 3D : Marble, lancé le 12 novembre 2025 par World Labs, transforme un texte, une photo ou une vidéo en environnement 3D exportable, avec une offre gratuite limitée à 4 générations par mois et des formules payantes allant jusqu'à 75 générations mensuelles. Jeu vidéo, effets spéciaux et architecture sont les premiers concernés.
• La formation et la simulation métier : un monde généré et rejouable permet d'entraîner des opérateurs sur des situations dangereuses ou coûteuses à reproduire.

Ces usages recoupent ce que nous observons du côté de l'IA agentique, ces systèmes qui exécutent des tâches en plusieurs étapes. Un agent logiciel agit dans un navigateur, un agent équipé d'un world model agit dans une pièce.

Le marché suit. Selon un rapport de Research and Markets publié le 1er juillet 2026, l'IA physique devrait dépasser 430 milliards de dollars en 2030, soit environ 372 milliards d'euros, et approcher 1 600 milliards de dollars en 2040. Ces projections restent des estimations de cabinet, à prendre pour ce qu'elles sont.

Quelles sont les limites des world models en 2026 ?

Les world models restent, en août 2026, des prototypes de recherche et non des produits matures. Cinq limites méritent d'être connues avant de s'enthousiasmer.

• La durée : une session Project Genie est plafonnée à 60 secondes d'exploration. Google qualifie lui-même l'outil de prototype de recherche expérimental.
• La disponibilité : Project Genie est réservé aux abonnés Google AI Ultra aux États-Unis. La France attend, comme elle a attendu pour d'autres déploiements.
• Le coût de calcul : générer un monde interactif mobilise nettement plus de ressources graphiques qu'une réponse textuelle, ce qui limite le passage à l'échelle grand public.
• La fidélité physique : les benchmarks dédiés montrent des écarts importants entre le rendu visuel et le respect des lois de la physique.
• Le temps long : AMI Labs annonce elle-même n'attendre aucun produit commercialisable avant environ cinq ans. Son directeur général Alexandre LeBrun prévient d'ailleurs : « dans six mois, toutes les entreprises se diront world model pour lever des fonds ».

Cette dernière remarque est la meilleure grille de lecture disponible. Quand un terme technique devient un argument de levée de fonds, la vigilance s'impose sur les promesses associées.

Faut-il s'intéresser aux world models quand on dirige une PME ?

Non, pas pour votre activité de demain matin. Aucun world model ne va aujourd'hui optimiser votre site, gérer votre stock ou répondre à vos clients. Les modèles de langage restent l'outil pertinent pour ces usages, et c'est sur eux qu'il faut concentrer votre budget et votre temps de formation.

Trois raisons justifient néanmoins de suivre le sujet de loin :

• Le vocabulaire arrive dans les argumentaires commerciaux : savoir ce qu'est un world model vous évitera de payer pour une promesse mal définie.
• Les métiers physiques seront touchés en premier : logistique, entrepôt, maintenance, bâtiment, agriculture, ce sont les secteurs cités dans les projections d'IA physique, plus que les services numériques.
• Les briques circulent vite : Cosmos 3 est ouvert, Robostral Navigate vise le matériel bon marché. Ce qui relève de la recherche en 2026 devient parfois une fonctionnalité d'outil grand public en 2028.

Chez Digital-m, nous suivons ces évolutions dans Horizon GEO parce qu'elles éclairent la direction que prend l'IA générative dans son ensemble. Nos explications sur la génération d'images par IA ou sur l'architecture Transformer répondent à la même logique : comprendre les mécanismes avant de subir les discours. Notre formation GEO certifiée Qualiopi est construite sur ce principe, avec des cas concrets plutôt que des concepts abstraits.

Ce qu'il faut retenir

Un world model apprend le monde physique par la vidéo, les capteurs et l'espace 3D, là où un LLM apprend le langage par le texte. En août 2026, la technologie mobilise Google DeepMind avec Genie 3, NVIDIA avec Cosmos 3, Meta avec V-JEPA 2, World Labs avec Marble, Mistral AI avec Robostral Navigate, et attire des financements records comme le 1,03 milliard de dollars levé par AMI Labs. Ses applications concrètes sont la robotique, la conduite autonome, les données synthétiques et la création 3D. Ses limites sont réelles : sessions de 60 secondes, coûts de calcul élevés, fidélité physique imparfaite, horizon commercial à cinq ans pour certains acteurs.

Pour une entreprise française, la bonne posture consiste à comprendre le sujet sans y investir prématurément, et à concentrer ses efforts sur ce qui produit des résultats aujourd'hui : la visibilité dans les moteurs de recherche et dans les réponses générées par l'IA. C'est le terrain de notre agence GEO, qui accompagne les PME sur la structuration éditoriale et le suivi des citations. Vous voulez savoir où se situe votre marque dans ChatGPT, Gemini, Perplexity ou Le Chat de Mistral ? Parlons-en.