Les world models : fin du règne exclusif des LLM ?

En avril 2026, Roblox a présenté « Roblox Reality », une architecture hybride censée faire cohabiter, pour la première fois à cette échelle, la simulation multijoueur classique et le photoréalisme génératif. Anupam Singh, VP Engineering de la plateforme, décrit un système qui combine le moteur de jeu structuré historique avec des « video world models » exécutés en périphérie du réseau (edge computing) pour la supersamplification visuelle. L’ambition affichée : démocratiser des mondes photoréalistes, persistants et interactifs, pour les plus de 100 millions d’utilisateurs quotidiens de la plateforme, sans faire exploser les coûts de développement.

C’est le signe qu’un nouveau paradigme, les world models, sort du laboratoire pour s’installer dans des produits grand public. Prenons le temps de comprendre ce qui le distingue de l’IA générative.

Ce qui différencie un world model d’un LLM

Un grand modèle de langage prédit le mot suivant à partir de ce qui précède. Un modèle de diffusion prédit un pixel plausible à partir d’un bruit initial. Dans les deux cas, la logique est statistique et non interactive : le modèle produit un contenu figé (texte, image, courte vidéo) qui ne réagit pas à ce que fait l’utilisateur une fois généré.

Un world model change la nature du problème. Il apprend à prédire comment un environnement évolue en réponse à une action : si je tourne à gauche, si je pousse cet objet, si j’avance d’un pas, que devient l’état du monde l’instant d’après ? Cette prédiction « conditionnée par l’action » est ce qui permet de générer des environnements navigables, persistants et cohérents dans le temps, et pas seulement de belles images statiques.

Concrètement, cela ouvre trois usages que les LLM ne couvrent pas : la simulation d’environnements pour entraîner des agents physiques (robots, véhicules autonomes) sans les exposer au monde réel, la génération de mondes 3D explorables pour la création de contenu et le divertissement, et la planification, un agent qui « imagine » les conséquences de plusieurs actions avant d’en choisir une, plutôt que d’agir en aveugle.

Quatre initiatives, quatre paris différents

La course aux world models s’est structurée très vite depuis fin 2025, et les acteurs qui la mènent ne font pas tous le même pari technologique.

AMI Labs (Yann LeCun). Après son départ de Meta en novembre 2025, Yann LeCun a lancé AMI Labs en mars 2026 avec un tour de table initial de 1,03 milliard de dollars. Son approche, fondée sur l’architecture JEPA (Joint Embedding Predictive Architecture) qu’il défend depuis des années, rompt volontairement avec la génération pixel par pixel. L’objectif n’est pas de produire de belles vidéos, mais de doter des systèmes physiques (robots, machines autonomes) d’une représentation abstraite et prédictive du monde, jugée plus sobre en calcul et plus fiable pour l’action réelle que les approches génératives pures.

Google DeepMind (Genie). Genie 3, présenté en août 2025, génère des mondes 3D navigables à 24 images par seconde, une rupture par rapport aux versions précédentes qui produisaient des environnements statiques ou nécessitaient un temps de calcul important. Project Genie, ouvert aux abonnés Google Ultra fin janvier 2026, rend cette capacité accessible au grand public via Google Labs. L’approche reste résolument générative : on demande un monde, le modèle le crée à la volée.

World Labs (Fei-Fei Li). Avec près de 1,2 milliard de dollars levés, dont un tour d’un milliard soutenu par Autodesk, Nvidia et AMD, World Labs a lancé Marble, un produit de génération de mondes 3D pensé pour les créateurs, l’architecture et la simulation. La proposition de valeur ici est celle de « l’intelligence spatiale » : comprendre et générer l’espace tridimensionnel comme les LLM comprennent et génèrent le langage.

Roblox. L’approche est plus pragmatique que ses trois concurrents. Plutôt que de tout reconstruire sur une architecture générative, Roblox superpose des world models vidéo à son moteur de jeu existant, qui reste responsable de la structure et de la persistance. Le modèle de fondation « Cube », lancé en février 2026, génère des mondes en 4D (espace et temps) pour accélérer la création par les développeurs de la plateforme. Roblox a également intégré les équipes de Morpheus AI, ainsi que des talents de Dynamics Lab et Lucid AI, pour accélérer cette feuille de route.

Quatre paris, donc, quatre philosophies. LeCun mise sur la sobriété prédictive pour le monde physique. DeepMind et World Labs misent sur la génération pure pour la création de contenu et la simulation. Roblox mise sur l’hybridation pragmatique, au service d’une base d’utilisateurs et d’un écosystème de créateurs déjà massifs, avec une contrainte de coût que les purs laboratoires de recherche n’ont pas.

Pourquoi cela concerne les directions générales, pas seulement les équipes techniques

Chacune à sa manière, ces quatre initiatives construisent une couche d’infrastructure qui va progressivement s’intercaler entre les grands modèles de langage et l’action dans le monde réel : la capacité, pour un agent IA, de simuler avant d’agir.

Dans le cadre de la maturité IA d’une organisation, cette couche touche directement au référentiel Systèmes : elle conditionne la capacité future à tester des agents en environnement synthétique avant de les exposer à des décisions réelles, qu’il s’agisse de robotique industrielle, de logistique, de véhicules autonomes ou, plus près des métiers tertiaires, de simulation de parcours client avant déploiement d’un agent conversationnel. C’est un sujet de gouvernance autant que de technologie : un agent qui peut « répéter » son action dans un monde simulé avant de l’exécuter réellement est, par construction, plus facile à auditer et à sécuriser qu’un agent qui agit directement en production.

Pour les entreprises qui investissent aujourd’hui dans leur couche agentique, la question à se poser n’est donc pas « allons-nous utiliser des world models ? » mais « dans quels cas d’usage la simulation d’environnement deviendra-t-elle un prérequis de gouvernance avant l’autonomie d’un agent ? ». La réponse, sectorielle par nature, arrivera plus vite qu’on ne le pense : entre un LeCun qui vise directement la robotique industrielle et un Roblox qui prouve, à l’échelle de 100 millions d’utilisateurs, que l’hybridation entre simulation structurée et génération est déjà opérationnelle, la fenêtre entre recherche et déploiement s’est spectaculairement raccourcie en moins d’un an.

La leçon à retenir, c’est que la prochaine génération d’IA ne se contentera pas de répondre à des questions ou de produire du texte : elle simulera des mondes pour mieux y agir. Les organisations qui commencent dès maintenant à cartographier où cette capacité pourrait s’insérer dans leurs propres processus prendront une avance qui ne se rattrapera pas facilement.

Sources : Roblox Newsroom (« Introducing the Roblox Hybrid Architecture », avril 2026 ; « Accelerating Creation, Powered by Roblox’s Cube Foundation Model », février 2026) ; blog.google (Project Genie, DeepMind) ; couverture presse spécialisée sur AMI Labs (Yann LeCun) et World Labs (Fei-Fei Li).