NVIDIA Omniverse Labs, dans le cadre de l'Alliance for OpenUSD, a lancé nanousd-labs, une initiative expérimentale permettant de générer des exécutables Universal Scene Description (USD) légers à l'aide d'agents d'intelligence artificielle. Jusqu'à présent, créer une implémentation USD nécessitait l'adaptation de bases de code existantes et lourdes, même pour des projets aux besoins spécifiques en mémoire ou en performances. Cette nouvelle approche inverse le processus en utilisant directement la spécification officielle du noyau USD comme contrat machine-lisible. La méthodologie repose sur l'idée que la spécification définit le comportement attendu d'un runtime, sans imposer d'architecture. Les agents IA analysent le document standard, génèrent le code correspondant et le valident automatiquement contre une suite de tests dérivée du même standard. Cette boucle itérative garantit la conformité sans dépendre d'une implémentation unique. L'approche ne vise pas une automatisation totale, mais délègue le travail mécanique de génération et de vérification aux agents, tandis que les ingénieurs conservent la maîtrise des compromis architecturaux et des performances. Le projet concret issu de cette méthode, nanousd, est un moteur de données écrit en C++ et exposé via une interface binaire C stable. Il se concentre sur l'analyse, la composition et l'interrogation des scènes sans inclure de moteur de rendu. Cette architecture modulaire permet aux développeurs de changer le backend à la volée sans modifier le code client, facilitant les tests comparatifs et l'intégration dans des environnements variés. Idéal pour l'intelligence artificielle physique et la robotique, le runtime peut être ajusté précisément aux contraintes de déploiement. Les développeurs disposent de deux voies pour exploiter ces avancées. La première consiste à compiler directement nanousd et à utiliser son package Python, fonctionnant sans GPU et en mode sans affichage. La seconde, plus orientée méthodologie, utilise un graphe de compétences structuré où les instructions humaines sont transformées en recettes réutilisables pour former et guider les agents IA vers des générations conformes. Cette approche ouverte est disponible sur GitHub, invitant la communauté à enrichir les capacités de génération et à participer aux travaux de normalisation de l'Alliance for OpenUSD. Cette initiative marque un tournant vers une ingénierie logicielle guidée par les spécifications formelles et accélérée par l'IA.