La chercheuse en intelligence artificielle Fei-Fei Li publie un article pour clarifier l'usage ambigu du terme modèle de monde. Cette appellation, largement revendiquée en 2025 par des studios de génération vidéo, des entreprises de robotique et des géants des infrastructures, désigne pourtant des technologies très différentes. Pour rétablir la précision technique, l'autrice s'appuie sur la boucle fondamentale de l'apprentissage par renforcement : un agent agit, modifie l'état du monde et reçoit une observation. Selon elle, les systèmes actuels ne sont que des projections distinctes de ce circuit. Cette approche définit trois catégories fonctionnelles. Les générateurs de rendu produisent des pixels à l'intention humaine, privilégiant la fidélité visuelle. Bien que commercialisés massivement, ils restent limités par leur manque de rigueur physique. Les planificateurs déterminent les actions à effectuer en réponse à des observations. Bien qu'ils suscitent un fort engouement pour la robotique, ils demeurent éloignés des déploiements industriels, laissant un fossé important entre les démonstrations en laboratoire et les conditions réelles. Entre les deux, le simulateur constitue le maillon essentiel. Il modélise la géométrie, la physique et la dynamique des systèmes. Bien sous-estimé, il offre une structure fiable capable de générer à la fois des visuels pour les créateurs et des données pour l'entraînement des agents autonomes. Cette réflexion sous-tend la stratégie de World Labs, la société cofondée par l'autrice. Son nouveau modèle, Marble, unifie déjà le rendu et la simulation en générant simultanément des scènes explorables et des maillages de collision physiques. L'objectif est un modèle de base unique, capable de basculer dynamiquement entre la génération d'images, la prédiction physique et la planification d'actions selon le besoin en aval. Cette convergence marque une étape majeure, bien que des défis subsistent, notamment le manque de données tridimensionnelles de qualité et la difficulté d'équilibrer esthétique visuelle et précision scientifique. En structurant le débat autour de cette tripartition, la chercheuse propose un cadre analytique capable de filtrer le bruit médiatique. La fusion progressive du rendu, de la simulation et de la planification pourrait bien redéfinir la manière dont les machines perçoivent, anticipent et interagissent avec l'environnement physique, ouvrant la voie à une intelligence spatiale véritablement opérationnelle.