En décembre 2025, lors de la conférence IA Pulse à Paris, le laboratoire de recherche en intelligence artificielle (IA) Kyutai annonçait une collaboration en science ouverte avec la start-up suisse General Intuition. Récemment, le 20 mai 2026, il a dévoilé une initiative similaire avec l’Institut ELLIS de Tübingen, structure allemande d’un réseau européen de centres de recherche en IA. Cette collaboration se concrétise par un laboratoire commun, KE :SAI. Le point commun entre ces deux partenariats ? Le thème des travaux : les « world models », ou « modèles du monde ».
Cette formulation désigne une catégorie d’algorithmes d’IA capables d’acquérir une compréhension du monde réel, de ses lois physiques, des chaînes de conséquences d’une action dans le temps et l’espace, en tenant compte des textures, des reflets et même des points de vue. « Avec la caméra d’une voiture, l’enjeu est de prévoir ce qu’elle verra au terme de telle séquence d’actions, explique Alexandre Défossez, co-fondateur de Kyutai. Mais pour comprendre ce qui se passe entre le début et la fin de ce que voit la caméra, il faut comprendre le monde sous-jacent et la physique du monde sous-jacent. » Mais le « world model » d’une caméra de voiture aura appris des choses très différentes d’un modèle entraîné sur des vues aériennes, pour un drone volant par exemple.
Une brique technique pour « l’IA physique »
Les modèles du monde sont destinées à gérer des interactions avec un environnement réel. Dans des voitures autonomes et des drones donc, mais aussi dans des robots, des machines industrielles ou médicales. D’où la notion « d’IA physique », qui se confond parfois avec celle de « world model ». « L’IA physique, c’est l’objectif, là où le ‘world model’ est plus une brique technique, un outil », estime Alexandre Défossez.
En l’occurrence, KE:SAI va travailler sur les véhicules autonomes, l’Institut ELLIS de Tübingen ayant une expertise en la matière. Les algorithmes seront testés sur des véhicules mais peuvent aussi servir à construire des environnements simulés. « Plutôt que de coder un simulateur, à la main, en devant penser tous les cas de figure, on va entraîner un ‘world model’ qui sera capable de dire que si on appuie sur telle et telle commande d’une voiture, cette dernière se retrouvera dans telle situation, les capteurs verront telle et telle chose. »
Cet entraînement utilise plusieurs types de données. D’une part, des flux dits « perceptifs » : vidéo, son, signaux radars ou lidar. D’autre part, des données relatives aux décisions ou actions prises par une voiture, un drone, un robot… En fait, à chaque donnée de perception est associée une donnée d’action. Toutes viennent par paires. Il reste que trouver ou bâtir des corpus utilisables sera l’un des nerfs de la guerre, comme souvent en apprentissage automatique.
Les données, le nerf de la guerre
L’apprentissage sur bases de données ne fait cependant pas tout, il faut ensuite en passer par une phase d’apprentissage par renforcement. Cela consiste à donner un signal qui récompense ou sanctionne la sortie d’un algorithme. « On renforce la bonne séquence d’actions, si tant est que le modèle l’ait trouvée, et on lui dit de ne plus faire la mauvaise », résume le cofondateur de Kyutai.
Les modèles du monde sont loin d’être une nouveauté : le concept remonte aux années 1990. Mais ils font beaucoup parler d’eux depuis peu. C’est le thème des recherches de AMI Labs, la start up lancée par Yann LeCun après qu’il a quitté la direction de FAIR, le laboratoire de recherche en IA de Meta. C’est aussi celui de World Labs, société montée en 2024 par une autre figure du deep learning, la spécialiste en vision par ordinateur Fei Fei Li. DeepMind, la division IA de Google, a dévoilé en janvier Genie, sa famille de « world models ». Les robotaxis de Waymo (autre division de Google) s’en sert déjà. « Si les ‘world models’ connaissent un regain d’intérêt, c’est que les modèles de texte et les modèles génératifs fonctionnent très bien, même s’il reste encore plein de choses à améliorer, donc on se tourne vers de nouveaux enjeux, à savoir faire évoluer des entités dans le monde réel de manière autonome », analyse Alexandre Défossez.
Manière de signaler que les grands modèles de langage, aussi performants soient-ils, en sont incapables. Pour la simple et bonne raison que leur connaissance du monde se fait uniquement par le texte.
Source:
www.sciencesetavenir.fr
