La bourde d'OpenAI

Hello,

Sam Altman entre en concurrence avec Musk sur un nouveau terrain, et OpenAI retourne en arrière après la polémique GPT-5.

Entre temps, Nvidia a dévoilé des robots qui comprennent le monde physique.

Spoiler : ce n’est pas de la magie, mais l’oeuvre d’un certain type d’IA.
Et c’est le futur de la robotique.

Théo

Nvidia a dévoilé des robots construits avec Cosmos, une famille de modèles mondes capables de comprendre la physique.

Objectif : entraîner des IA dans des univers 3D réalistes, puis les utiliser dans le monde réel via les robots.

L’essentiel :

Dans le Focus, on vous explique comment un modèle monde apprend la physique et pourquoi Nvidia a autant d’avance.

Sam Altman serait en train de créer une nouvelle entreprise : Merge Labs, une start-up d’interface cerveau-ordinateur (BCI)

Sauf que le terrain est occupé par Neuralink d’Elon Musk.

L’essentiel :

Si Merge Labs se confirme, la course effrénée de Sam Altman contre Elon Musk se déplace sur le terrain de la biotechnologie.

Après un tollé des utilisateurs qui trouvaient GPT-5 moins chaleureux et mieux adapté à certains usages créatifs, OpenAI a décidé de rendre 4o à nouveau disponible.

L’essentiel :

OpenAI navigue entre un moteur unifié et la liberté de choisir, un équilibre délicat quand 700 millions d’utilisateurs ont des attentes différentes.

Un robot plie parfaitement des vêtements.
Une voiture intelligente anticipe qu’un sol mouillé glisse et ajusté sa vitesse.

Bref, la machine comprend maintenant la physique de notre environnement.
Et ça vient d’une nouvelle technologie puissante : le modèle monde.

Au lieu d’apprendre seulement des textes et des images, l’IA comprend une représentation dynamique du monde.

À suivre :

Avec Cosmos, Nvidia donne un outil complet pour faire passer l’IA du monde virtuel au physique.

D’abord, Cosmos Reason, un modèle vision-langage de 7 milliards de paramètres qui ingère images, vidéo et texte, et garde en mémoire ce qu’il s’est passé.

C’est un traducteur permettant à une IA de comprendre notre monde, simplement en regardant une vidéo.

Ensuite, Cosmos Predict va encore plus loin en permettant à un robot de prédire ce qui va se passer s’il effectue telle ou telle action.

Enfin, Cosmos Transfer-2 génère des données synthétiques depuis des scènes 3D photoréalistes.

On peut créer en quelques heures des milliers de variantes du même geste en fonction de la lumière de la pièce, de la texture de l’objet, du poids, de la friction.

Et pour passer de l’entraînement aux applications réelles, on utilise des outils de reconstruction 3D de lieus rééls, comme des usines, pour que l’IA s’y entraîne.

Le tout, avant même qu’elle soit vraiment déployée.
Résultat : une chaîne industrielle qui va de la simulation à l’atelier.

Sauf que créer des modèles monde s’avère extrêmement complexe.

Ce type d’IA ingère des millions d’heures de séquences vidéo ainsi que des données informatiques issues de capteurs (caméras, LiDAR, IMU.)

Puis, on lui demande de prédire la suite.

Pour réussir, il doit coder dans ce même univers informatique, correspondant au monde réel, des actions comme la profondeur, la masse apparente, la friction ou la déformation.

On ajoute souvent un plannificateur qui traduit un but en séquence d’actions.

Et pour être certain de la robustesse, on génère des scénarios rares dans des mondes 3D réalistes, (une caisse qui tombe de travers, un sol instable, un objet mou).

Cosmos Transfer-2 pousse cette logique : il crée des vidéos synthétiques photoréalistes et des trajectoires d’agent prêtes à l’emploi.

De quoi nourrir l’entraînement sans multiplier les collectes de données sur le terrain.

Mais il reste une dernière étape pour être certain que le modèle s’adapte à l’écart entre la simulation et le monde réel.

Une fois entraîné virtuellement, on répartis les textures et l’éclairages aléatoirement dans un autre modèle, et on le calibre sur de petites sessions réelles.

À la fin, le robot n’a pas seulement vu des images, il a appris une physique implicite.
Si je pousse ici, ça glisse, si j’attrape là, ça se déforme, si je tourne trop vite, l’objet part.

Une fois l’IA créée et calibrée, les possiblités dans le monde réel sont folles.

Dans un entrepôt, on manipule des objets inconnus tous les jours.

Un modèle monde peut simuler des milliers de scénarios avant la première prise réelle, puis adapter la force appliquée.

Une voiture automatique peut comprendre les conséquences d’une météo capricieuse.

En industrie, on bâtit des jumeaux numériques d’une ligne, on essaie des variantes de cadence, puis on pousse le bon paramétrage côté réel.

Même à la maison, un robot de service peut inférer qu’une tasse pleine n’a pas la même inertie qu’une tasse vide et ajuster sa trajectoire.

Côté coût, l’équation change parce que le plus cher, c’était les données réelles (collecte, annotation, casse, temps d’arrêt).

En déplaçant 70–90 % des essais vers la simulation, on accélère et on sécurise.

Et dès qu’un incident arrive dans la vraie vie, on l’intègre en simulation pour éviter sa répétition.

Donc les modèles monde sont essentiels à la prochaine révolution robotique.
C’est pourquoi Nvidia se positionne en avance.

Ils ont été la première entreprise à bénéficier de l’IA.
Maintenant, ils veulent reproduire ce succès pour les robots.

Grâce à ses puces ultra performantes et ses suites d’outils, Nvidia a tout sous la main pour se positionner une nouvelle fois comme moteur du changement.

Ils vendent la meilleure puissance de calcul pour l’IA, et ils vendront sans doute la meilleure infrastructure pour entraîner des robots performants.

Mais Google DeepMind s’y intéresse aussi, tout en maitrisant le développement de modèles d’IA.

De son côté, OpenAI investit dans la robotique via des partenaires.

Tous les acteurs de l’industrie se postionnenent déjà pour essayer d’être autonome au maximum sur le front robotique.

Le but ?

Éviter une nouvelle hégémonie d’Nvidia.

Mais seront-ils à la hauteur du défi que représente la création d’un modèle monde ?

Surtout que la simulation n’est jamais équivalente à la réalité : il faut mesurer l’écart en continu et enregistrer les incidents réels pour corriger.

Et à l’échelle, l’enjeu n’est pas seulement technique, mais aussi juridique.
Les conséquences d’un modèle monde mal entraîné pourrait être désastreuse.

Parce que cette fois, on ne parle pas que d’une fuite de données, mais d’implications physique.