Un seul modèle là où il en fallait quatre
World Labs a publié Atlas le 1er septembre en le décrivant comme un modèle du monde omni, pré-entraîné à partir de zéro pour fonctionner nativement sur le texte, les images, la vidéo et la 3D. L’entreprise indique que le système est un transformeur de diffusion autorégressif multimodal, et que chaque entrée est intégrée dans un contexte spatial partagé unique au lieu d’être traitée par un composant distinct.
C’est là tout l’enjeu de cette sortie. Reconstruire une scène, générer une vidéo le long d’une trajectoire de caméra choisie et simuler ce que verrait un robot ont généralement relevé de trois systèmes différents. World Labs soutient qu’il s’agit d’un seul et même problème.
Ce qu’il accepte et ce qu’il produit
Atlas accepte du texte, des images, des poses de caméra et des cartes de profondeur 3D. La vidéo est traitée comme une séquence d’images, chacune portant une position de caméra explicite. En sortie, l’entreprise annonce de la vidéo jusqu’à une minute en 1440p au maximum, des nuages de points et des splats gaussiens 3D, ainsi que des panoramas à 360 degrés générés à partir d’une invite textuelle ou visuelle.
C’est sur la reconstruction que les chiffres sont les plus précis. World Labs affirme qu’Atlas produit des reconstructions fidèles d’une scène à partir, le plus souvent, de deux ou trois images seulement, et qu’il peut aussi exploiter plus d’une centaine d’images d’entrée lorsqu’elles sont disponibles.
Quatre capacités dans un même système
L’entreprise range le travail du modèle en quatre fonctions : la génération pilotée par la caméra, qu’elle qualifie de précise au pixel près ; la reconstruction spatiale à partir d’entrées éparses ; la simulation espace-temps, utilisée pour recadrer la vidéo et pour la robotique ; et la génération d’images à partir de texte avec suivi d’instructions complexes.
Le cas robotique est le plus concret des quatre. Comme le modèle représente conjointement l’espace et le temps, il peut reconstruire un environnement réel puis produire des observations RGB et de profondeur depuis des points de vue de robot simulés, l’étape Real-to-Sim qui suppose autrement de bâtir la scène à la main.
Les comparaisons viennent de l’entreprise
World Labs affirme qu’Atlas dépasse les modèles de pointe spécialisés dans la reconstruction 3D et devance les modèles vidéo récents sur la génération pilotée par la caméra. Aucune de ces deux affirmations ne s’accompagne d’une place publiée dans un classement, d’un concurrent nommé ou d’une évaluation indépendante, et les poids ne sont pas diffusés.
L’accès reste limité. Le modèle est en accès anticipé auprès de partenaires sélectionnés et les candidats passent par un formulaire de demande ; World Labs n’a pas indiqué quand il serait disponible pour tous, ni à quel prix.
Où cela se situe
World Labs a été fondée par Fei-Fei Li, ancienne directrice du laboratoire d’IA de Stanford, et a levé environ 1,2 milliard de dollars auprès d’investisseurs dont Nvidia, AMD et Autodesk lors d’un tour annoncé en février 2026, selon SiliconANGLE. Atlas succède à Marble, le produit commercial de modèle du monde de l’entreprise.
Ce qu’il faut surveiller
Trois éléments diront si le cadrage omni tient. La capacité de chercheurs extérieurs à reproduire le résultat de reconstruction éparse sur leurs propres scènes, dès que d’autres que les partenaires pourront l’exécuter. L’adoption effective, par les équipes de robotique, de la voie Real-to-Sim à la place de la simulation construite à la main. Et la publication par World Labs d’une date et d’un prix pour la disponibilité générale, ce qu’elle n’a pas fait jusqu’ici.
