World model et IA physique : définition et enjeux pour l’industrie

Comment fonctionne un world model ?

Un world model apprend, sur des vidéos ou des données de capteurs, comment un environnement change. Il prédit ensuite son état suivant quand un agent agit. En mars 2018, David Ha et Jürgen Schmidhuber entraînent ainsi un agent entièrement dans le monde que leur modèle simule, puis le transfèrent dans l’environnement d’origine.

Les éditeurs en tirent trois usages.

1. Générer des mondes interactifs. Genie 3, que Google DeepMind présente le 5 août 2025, produit en temps réel des environnements navigables, cohérents pendant quelques minutes.

2. Produire des données d’entraînement. NVIDIA lance Cosmos le 6 janvier 2025 : des modèles d’IA générative qui produisent des vidéos fondées sur la physique, pour entraîner robots et véhicules autonomes. En février 2026, Waymo adapte Genie 3 pour simuler des événements trop rares sur la route, comme une tornade.

3. Planifier les gestes d’un robot. Meta pré-entraîne V-JEPA 2 sur plus d’un million d’heures de vidéo, puis l’adapte avec 62 heures de données de robot (juin 2025). Meta annonce de 65 à 80 % de réussite pour saisir et déposer des objets nouveaux dans des lieux inconnus.

Qu’est-ce que l’IA physique ?

L’IA physique désigne les systèmes d’IA qui perçoivent le monde réel et y agissent : robots, véhicules autonomes, machines d’usine. Un robot classique répète une trajectoire programmée ; un robot doté d’IA physique ajuste son geste à ce qu’il perçoit. Les world models fournissent à ces systèmes des scénarios variés, dont les cas rares que les données réelles peuvent manquer.

World model, LLM, jumeau numérique ou simulation : quelle différence ?

Le world model prédit l’état suivant d’un environnement ; les outils voisins font autre chose.

• Un LLM calcule une suite probable de texte. Meta assigne aux world models un autre but : permettre à des agents d’IA de planifier et de raisonner dans le monde physique.

• Un jumeau numérique représente une machine ou un site réel précis, et en montre les états successifs (NIST, février 2025). Le world model apprend des régularités générales. Vous pouvez l’affiner sur vos propres vidéos, mais il ne suit pas l’état réel de votre ligne.

• Une simulation classique résout les équations physiques que des ingénieurs ont écrites. Le world model apprend ces régularités dans les données, sans garantie de les respecter. NVIDIA reconnaît qu’il peut produire un résultat visuellement convaincant mais physiquement incomplet.

• L’IA prédictive estime une valeur, comme une probabilité de panne. Le world model simule la scène entière et ses suites.

Que change l’IA physique pour votre décision ?

Avec l’IA physique, une erreur du modèle devient un geste : elle peut casser une pièce ou blesser une personne.

• La simulation ne remplace pas l’essai réel. L’écart entre simulation et réalité dégrade les performances des robots, selon une revue de la recherche publiée en 2020 (Zhao et al.). NVIDIA recommande elle-même de confronter la simulation à des essais réels avant tout déploiement.

• Vos données réelles restent la matière première. Les données de synthèse doivent refléter les lieux où vos machines travailleront, rappelle NVIDIA. Collectez dès maintenant vidéos, journaux de capteurs et rapports d’incident, avec des règles de gouvernance des données.

• L’AI Act regarde la fonction, pas la technologie. L’AI Act classe à haut risque l’IA qui sert de composant de sécurité à un produit de son annexe I, si un tiers évalue la conformité de ce produit (article 6, paragraphe 1). Ces obligations s’appliquent au 2 août 2028 aux produits de la section A de l’annexe I (règlement 2026/1744). Les machines et les véhicules relèvent de la section B : leurs propres règlements reprendront ces exigences. Une IA qui sert seulement au contrôle de la qualité ou à l’optimisation des performances n’est pas un composant de sécurité. Elle le devient si sa défaillance met en danger la santé et la sécurité (paragraphes 1 bis et 1 ter).

• Les machines suivent aussi leur propre règlement. Le règlement Machines (UE) 2023/1230 s’applique à partir du 20 janvier 2027. Selon la Commission européenne, il couvre les machines dont des fonctions de sécurité reposent sur l’IA. Le règlement 2026/1744 y renvoie les exigences de l’AI Act sur l’IA des machines : des actes délégués les ajouteront, applicables au plus tard le 2 août 2028 (article 3).

• Une annonce prouve une offre, pas un gain. Meta et NVIDIA diffusent des modèles ouverts : ils limitent la dépendance, à condition de lire leur licence. Choisissez un partenaire sur un pilote mesuré dans votre atelier, pas sur une démonstration.

Exemple illustratif

Ce cas est fictif. Une ETI de mécanique veut qu’un robot saisisse des pièces en vrac pour charger une machine. Son intégrateur entraîne le modèle en simulation, sur des images de synthèse. L’ETI exige d’abord 2 000 saisies réelles, sous l’éclairage de l’atelier. Le robot, presque infaillible en simulation, échoue sur les pièces huilées qui reflètent la lumière. L’ETI traite à part la caméra de contrôle qualité et le robot qui travaille près des opérateurs : seul le second engage la sécurité des machines.