L’IA physique s’accélère : modèles mondiaux, robots et milliards en 2026
L’intelligence artificielle qui a appris à écrire des textes, à générer des logiciels et à produire des images entre dans une phase plus difficile : apprendre à agir dans le monde physique. Les robots, véhicules autonomes et autres systèmes doivent comprendre où ils se trouvent, prédire ce qui se passera après un mouvement et choisir une action en quelques instants. Une erreur ne produit pas seulement une mauvaise réponse à l’écran : elle peut signifier heurter un objet, laisser tomber une charge ou compromettre toute une séquence opérationnelle.
C’est sur cette frontière que convergent les investissements, les chercheurs et les nouvelles entreprises. Le 22 août 2026, le Journal de Wall Street a décrit l’accélération des modèles dits mondiaux, des modèles conçus pour représenter des environnements tridimensionnels et prédire comment ils changent suite à certaines actions. Parmi les sociétés évoquées figure General Intuition, un laboratoire né de l’écosystème de la plateforme de jeux vidéo Medal, qui selon le journal américain finalise un financement pour une valorisation de plus de 6 milliards de dollars.
La course concerne un enjeu économique plus large que la robotique. Si les grands modèles linguistiques ont transformé la relation entre les personnes et les logiciels, les modèles mondiaux pourraient devenir un élément de base de l’intelligence artificielle appliquée aux usines, à la logistique, aux véhicules, aux drones et aux machines autonomes.
Des grands modèles de langage aux modèles qui prédisent les actions
Les grands modèles linguistiques apprennent les relations statistiques à partir principalement d’énormes quantités de textes et, dans des versions multimodales, d’images, d’audio et de vidéo. Ils sont très efficaces lorsque le problème peut être représenté comme une séquence de jetons.
Le monde physique pose un problème différent. Une machine doit prendre en compte simultanément la géométrie, la profondeur, la vitesse, la permanence des objets, les frottements, les obstacles et les conséquences de ses actions.
Un modèle mondial construit une représentation de l’environnement et tente de prédire ses états futurs. Un modèle d’action, quant à lui, choisit l’action à effectuer. Les deux concepts sont liés mais ne coïncident pas : General Intuition elle-même distingue sur son site Internet les modèles qui « décident des actions à entreprendre » de ceux qui « prédisent les résultats des actions ».
L’objectif industriel est de combiner ces capacités. Un robot doit observer une scène, estimer ce qui pourrait se produire s’il se déplaçait dans une certaine direction et transformer la prédiction en commande.
La recherche ne part pas de zéro. Les systèmes robotiques utilisent depuis des années des simulateurs basés sur la physique. La différence est que ces environnements sont normalement conçus pour des machines et des tâches spécifiques. Les nouveaux modèles visent plutôt la généralisation : transférer des connaissances entre différents environnements et appareils sans recommencer la formation.
Une revue scientifique publiée en 2025 identifie la généralisation, la cohérence temporelle et la capacité de travailler suffisamment rapidement pour un contrôle en temps réel comme certains des problèmes centraux encore ouverts.
L’intuition générale parie sur les jeux vidéo
General Intuition utilise une source de données inhabituelle : des millions d’heures de jeux vidéo accompagnées de commandes émises par les joueurs.
Medal, le service lié à l’entreprise, a expliqué le 19 mars 2026 que les images de jeux acquièrent une valeur particulière lorsqu’elles peuvent être associées au comportement des joueurs. Le modèle n’observe pas seulement un personnage effectuant un virage à droite : il peut relier ce virage à la commande qui l’a provoqué et au résultat ultérieur.
C’est une différence importante par rapport à l’entraînement via vidéos passives. Une vidéo montre ce qui s’est passé. Une séquence composée d’images, de commandes et de conséquences permet d’apprendre une relation entre décision et résultat.
La richesse des données est également l’une des raisons de l’intérêt des investisseurs. En juin 2026, General Intuition a levé 320 millions de dollars dans le cadre d’un cycle de série A dirigé par Khosla Ventures, pour une valorisation post-monétaire de 2,3 milliards de dollars. Axios il a indiqué, entre autres investisseurs, General Catalyst, Hedosophia, Bezos Expeditions et Innovation Endeavours.
Deux mois plus tard Journal de Wall Street a rapporté que la société finalisait un nouvel investissement capable de porter sa valorisation au-dessus de 6 milliards. Si le cycle est conclu dans les délais annoncés, la réévaluation aurait lieu d’ici quelques semaines.
La technologie est également testée sur des robots quadrupèdes, des véhicules à roues et des drones pouvant être contrôlés via des interfaces similaires à celles utilisées dans les jeux vidéo. Pour ces machines, le passage du monde virtuel au monde réel est plus immédiat car l’espace d’action et le flux vidéo ressemblent aux données de départ.
La limitation, du moins pour l’instant, est importante : ce paramètre ne s’applique pas automatiquement aux robots humanoïdes, qui doivent coordonner les jambes, les bras, les mains, l’équilibre et le contact avec différents objets.
World Labs rachète Scenix et apporte la simulation aux robots
Une autre entreprise qui investit des capitaux dans l’intelligence spatiale est World Labs, fondée par Fei-Fei Li, professeur à Stanford et ancien cadre de Google.
World Labs a annoncé une nouvelle levée de fonds d’un milliard de dollars le 18 février 2026, avec des investisseurs tels qu’AMD, Autodesk, Fidelity, Nvidia, Emerson Collective et Sea.
L’entreprise développe Marble, un modèle capable de créer des environnements tridimensionnels persistants à partir d’images, de vidéos ou de texte.
Le 21 juillet, une nouvelle étape est franchie : World Labs acquiert SceniX, une société spécialisée dans la simulation pour robots. L’opération vise à connecter les mondes générés numériquement, la formation politique et les tests sur le matériel physique. Les conditions financières de l’acquisition n’ont pas été divulguées.
Une semaine plus tard, World Labs a décrit un système «du réel au sim au réel »: Un environnement ou une tâche réel est reconstruit en simulation, multiplié en de nombreuses variantes et utilisé pour entraîner et évaluer le robot avant de rapporter le comportement à la machine physique.
Le bénéfice économique est immédiat. La formation de robots dans le monde réel prend du temps, nécessite une supervision et implique une usure du matériel. Une simulation peut produire bien plus d’expériences et inclure des cas rares ou dangereux sans avoir à les reproduire physiquement.
Yann LeCun lève près d’un milliard pour AMI
Même Yann LeCun, scientifique en chef de l’IA chez Meta pendant des années et l’un des critiques les plus connus de l’idée selon laquelle les LLM seuls peuvent conduire à des systèmes intelligents au niveau humain, a orienté ses travaux vers des modèles capables de représenter le monde.
En mars 2026, sa startup Advanced Machine Intelligence, AMI, a levé environ 890 millions d’euros au premier tour, selon Le Mondeatteignant une valorisation indiquée par le journal français à environ 3 milliards d’euros. Les financiers comprennent des groupes et investisseurs européens, américains et asiatiques.
L’objectif déclaré comprend une mémoire persistante, une planification et des modèles mondiaux qui sont également applicables aux secteurs de la fabrication, de la robotique et de l’industrie.
La présence simultanée de World Labs, General Intuition et AMI montre comment le capital-risque commence à financer des architectures alternatives ou complémentaires aux grands modèles de langages traditionnels. Cela ne veut pas dire que les LLM sont voués à disparaître. L’une des hypothèses les plus étudiées est plutôt une structure hybride : le modèle linguistique interprète les objectifs et les instructions, tandis qu’un modèle mondial gère les prédictions spatiales et les conséquences physiques.
Google DeepMind transforme les mondes générés en environnements interactifs
Google DeepMind travaille dans le même sens depuis des années. En août 2025, elle a présenté Genie 3, un modèle mondial capable de générer des environnements interactifs dans lesquels il est possible de naviguer en temps réel à partir d’une description textuelle.
Selon les données publiées par DeepMind, Genie 3 produit des environnements à une résolution de 720p, fonctionne à environ 24 images par seconde et peut maintenir une certaine cohérence pendant quelques minutes. Le système peut également modifier les environnements en introduisant des événements via des invites, par exemple des changements de météo ou de nouveaux objets.
Ces fonctionnalités ont une fonction qui va au-delà de la génération de scénarios visuellement plausibles. Un agent peut être soumis à des milliers de conditions différentes et apprendre à réagir sans avoir à vivre chaque situation du monde réel.
Cependant, DeepMind reconnaît des limites précises : la durée des interactions reste courte, l’espace d’action encore limité et la simulation de multiples agents indépendants reste difficile.
Nvidia construit une infrastructure physique d’IA
La croissance des modèles mondiaux ouvre également un marché pour ceux qui vendent de la puissance de calcul, des simulateurs et des outils de formation. Nvidia utilise le terme IA physique pour désigner les systèmes intelligents pour robots et véhicules autonomes et a construit la plateforme Cosmos autour de cette stratégie.
Cosmos comprend des modèles de base mondiaux capables de générer des données synthétiques et des environnements utiles à la formation. Nvidia a indiqué parmi ses utilisateurs ou expérimentateurs des sociétés telles que 1X, Agility Robotics, Figure AI, Skild AI et Uber.
En août 2026, le groupe annonçait également que les modèles Cosmos avaient dépassé les 2 millions de téléchargements. La plateforme connecte la génération mondiale, la reconstruction tridimensionnelle et les infrastructures Omniverse pour produire des ensembles de données pour la robotique.
Pour Nvidia, la transition de l’IA générative à la robotique présente une caractéristique favorable : la formation et l’exécution de modèles mondiaux nécessitent d’importantes ressources de calcul, tandis que la simulation à grande échelle augmente encore la demande de GPU.
Le véritable obstacle est l’erreur dans le monde physique
L’enthousiasme financier n’élimine pas le problème principal. Un chatbot peut produire de fausses informations et être corrigées. Un robot industriel qui égare un objet peut interrompre une chaîne de production ou créer un risque pour les personnes et les machines.
George Konidaris, professeur de robotique à l’Université Brown et co-fondateur de Robotique en temps réela-t-il rappelé Journal de Wall Street que le monde réel contient un grand nombre de cas particuliers et de limites strictes : une machine ne peut pas se permettre de se tromper grossièrement en cas de collision.
C’est également le point indiqué par la recherche universitaire. La qualité visuelle d’une simulation ne suffit pas : il faut une cohérence physique, une stabilité sur de longues séquences et la capacité de vérifier que les prédictions du modèle correspondent aux effets réels.
Pour cette raison, la compétition sur les modèles mondiaux se jouera moins sur des démonstrations spectaculaires et davantage sur les résultats obtenus par les robots, les véhicules et les machines en conditions opérationnelles. Les investissements de 2026 montrent qu’une partie importante de l’industrie technologique considère désormais cette vérification suffisamment précise pour justifier des valorisations d’un milliard de dollars.
