Un modèle du monde, ou world model en anglais, est une architecture d’intelligence artificielle conçue pour simuler et prédire dynamiquement l’évolution d’un environnement en temps réel, en se basant sur des observations visuelles et des actions. Contrairement aux modèles de langage qui prédisent le mot suivant dans une phrase, un modèle du monde prédit ce qui va se passer dans un environnement — par exemple, comment la lumière se reflète sur un sol en bois, ce qu’il advient d’une balle quand on la touche, ou comment la pluie affecte une pièce — sans recourir à un moteur de jeu traditionnel. Project Genie, développé par Google avec la participation de Shlomi Fruchter et Jack Parker-Holder, illustre cette technologie. Il permet à un utilisateur de créer un monde personnalisé à partir d’une image et de texte, puis d’interagir avec lui en temps réel. Par exemple, on peut se promener dans une chambre similaire à une photo fournie, observer des réactions physiques réalistes — comme un miroir qui reflète correctement la lumière ou une balle qui roule après un choc — et même simuler des phénomènes comme la pluie ou des inondations. L’ensemble est généré par le modèle lui-même, qui apprend les lois physiques implicites de l’environnement à partir de données visuelles. L’idée de modèle du monde n’est pas nouvelle. Elle a été popularisée en 2018 par une étude menée par David Ha et Jürgen Schmidhuber, alors au sein de Google Brain (devenu aujourd’hui Google DeepMind). Cette recherche a montré pour la première fois qu’un modèle pouvait apprendre à simuler un monde à partir de séquences d’images, ouvrant la voie à des applications plus larges. La différence fondamentale avec un modèle de langage réside dans le domaine d’application : alors que les modèles de langage traitent des séquences textuelles, les modèles du monde manipulent des dynamiques spatiales et temporelles, en intégrant des observations visuelles, des interactions physiques et des conséquences causales. Leur objectif est de construire une représentation interne du monde, capable de prédire des états futurs à partir d’actions passées. Pour interagir avec Genie, l’utilisateur peut fournir une image (comme une photo d’un chien sur une plage) accompagnée d’un texte décrivant les dynamiques attendues — par exemple, une mer agitée. Le modèle combine ces éléments pour générer un monde vivant et réactif. Les applications potentielles sont nombreuses. En apprentissage automatique, ces modèles peuvent servir à entraîner des agents intelligents dans des environnements virtuels sûrs et peu coûteux, avant de les déployer dans le monde réel. En éducation, ils permettent des expériences immersives : explorer Rome antique, visiter les profondeurs océaniques ou simuler des phénomènes scientifiques, transformant les cours en interactions concrètes. En résumé, les modèles du monde représentent une avancée majeure vers des systèmes d’IA capables de comprendre, prédire et interagir avec un environnement de manière réaliste — une étape clé vers des intelligences artificielles plus autonomes et contextuelles. Expertise : Selon des chercheurs de Google DeepMind, les modèles du monde sont essentiels pour développer des IA générales capables de raisonner sur le monde physique. Leur capacité à simuler des scénarios complexes sans infrastructure lourde les rend particulièrement prometteurs pour l’avenir de l’IA. Des entreprises comme Google, OpenAI et NVIDIA investissent massivement dans ce domaine, qui pourrait bientôt transformer l’éducation, la robotique et la conception de jeux.