World models : l'IA qui apprend comment le monde fonctionne

Demandez à un modèle de langage ce qui arrive à un verre posé au bord d'une table qu'on bouscule, il vous répondra correctement : le verre tombe et se brise sans doute. Mais il le sait parce qu'il a lu des milliers de phrases qui le décrivent, pas parce qu'il se représente la table, le verre et la gravité. Pour écrire un e-mail, ce n'est pas un problème. Pour piloter un robot, conduire un véhicule ou simuler une usine, ça en devient un.

C'est tout l'enjeu des world models, ou modèles du monde, l'un des sujets de recherche les plus actifs en intelligence artificielle depuis deux ans.

Une idée ancienne qui revient en force

Un world model est un système qui apprend comment un environnement évolue. On lui montre une situation et une action, il prédit ce qui va se passer ensuite. L'idée n'est pas neuve : nous faisons tous cela en permanence, sans y penser. Avant de traverser la rue, on imagine la trajectoire de la voiture qui arrive. Avant de poser une tasse, on sait qu'elle tiendra sur la table et pas sur le bord incliné d'un livre.

En IA, le terme a été popularisé en 2018 par des travaux où un agent apprenait à jouer dans une version « rêvée » d'un jeu vidéo, simulée par son propre modèle. Depuis, plusieurs chercheurs, dont Yann LeCun, défendent l'idée que les modèles de langage seuls ne mèneront pas à une intelligence capable d'agir dans le monde réel, et qu'il faut des systèmes qui apprennent d'abord en observant, comme un enfant regarde avant de parler.

Ce qui a changé récemment

Le sujet est sorti des laboratoires en 2025. Plusieurs grands acteurs ont présenté des modèles entraînés sur d'énormes quantités de vidéo pour apprendre la dynamique du monde. Certains génèrent des environnements interactifs en temps réel, dans lesquels on se déplace et où les objets réagissent de façon cohérente. D'autres sont conçus pour la robotique et la conduite autonome : ils servent à produire des situations d'entraînement réalistes ou à aider un robot à planifier ses gestes avant de les exécuter.

Il existe deux grandes familles. Les premiers prédisent directement les images suivantes, ce qui donne des démonstrations spectaculaires mais coûte cher en calcul. Les seconds prédisent dans un espace plus abstrait, en ignorant les détails inutiles, comme la forme exacte des feuilles d'un arbre, pour se concentrer sur ce qui compte : où vont les objets, ce qui est stable, ce qui va tomber.

À quoi ça sert concrètement

• Robotique : un robot qui peut simuler les conséquences d'un geste avant de le faire apprend plus vite et casse moins de choses.
• Véhicules et drones : on génère des milliers de situations rares, comme une route enneigée ou un piéton qui surgit, sans avoir à les filmer.
• Industrie : un modèle qui a appris la dynamique d'une ligne de production peut anticiper une dérive ou tester un réglage avant de l'appliquer.
• Simulation et formation : des environnements qui réagissent de façon crédible aux actions de l'utilisateur, pour s'entraîner à des situations difficiles à reproduire.

Le lien avec nos sujets

Cette approche rejoint des travaux que nous menons déjà. En maintenance prédictive, nous utilisons des modèles qui apprennent la dynamique d'une machine pour repérer le moment où elle commence à dériver. C'est une forme de modèle du monde, à l'échelle d'un équipement. Le jumeau numérique va dans le même sens : une copie virtuelle n'a de vraie valeur que si elle se comporte comme l'original.

Pour les serious games et la réalité virtuelle, les world models promettent à terme des scénarios moins figés, où l'environnement réagit de façon plausible à ce que fait l'apprenant au lieu de suivre un arbre de choix écrit à l'avance. Nous n'y sommes pas encore pour des projets de production, mais c'est une direction que nous suivons de près.

Ce qu'il faut garder en tête

Les world models restent une technologie jeune. Les démonstrations publiques tiennent quelques minutes avant que la cohérence se dégrade, les modèles coûtent très cher à entraîner et la question de leur fiabilité, essentielle dès qu'on parle de robots ou de véhicules, est loin d'être réglée. Comme toujours, une simulation ne vaut que si l'on sait mesurer à quel point elle colle au réel.

En résumé

Un world model apprend comment le monde évolue pour prédire la suite d'une situation et planifier une action. Après les modèles de langage, c'est l'une des pistes les plus sérieuses pour donner à l'IA une compréhension du monde physique. Les premières applications concernent la robotique, la conduite autonome et la simulation industrielle, et elles annoncent des jumeaux numériques et des expériences immersives plus réalistes dans les années qui viennent.