Odyssey ouvre l'aperçu d'Odyssey-3, un modèle de monde de 14 milliards de paramètres

Odyssey a ouvert l'aperçu de recherche public d'Odyssey-3, un modèle de monde génératif de 14 milliards de paramètres. Il construit des environnements interactifs en temps réel à partir d'une description textuelle et, selon les informations disponibles, il permettrait de piloter des robots, des drones, et même GTA V. Le modèle est gratuit à l'essai. L'entreprise affirme obtenir les meilleurs résultats sur des benchmarks de physique, mais, comme le souligne The Decoder, la méthodologie de ces tests présente des limites.

Un modèle de monde se distingue d'un générateur vidéo classique. Un modèle vidéo produit un clip fini ; ici, l'image se forme en continu et réagit aux actions de l'utilisateur. Vous saisissez un prompt, vous obtenez une scène et vous vous y déplacez, tandis que le modèle génère à la volée ce qui doit apparaître ensuite. Les questions clés pour ce type de système sont donc la latence, la stabilité de la scène dans le temps et la plausibilité de la physique qui s'y applique.

Ce que montre Odyssey-3

Les démos de l'entreprise réunissent quatre scènes : un chat dans la neige, un banc dans un parc, une cuisine et une descente en kayak en eaux vives. Ce choix n'a rien de fortuit. La neige, l'eau et les objets du quotidien sont les matières sur lesquelles les modèles génératifs cassent le plus souvent la physique : le liquide se comporte comme de la gelée, les objets se déforment et la scène « dérive » quand la caméra tourne.

Le point central de l'annonce d'Odyssey est la polyvalence. D'après l'entreprise, un seul et même modèle serait adapté non seulement à la création de mondes à partir de texte, mais aussi comme couche de contrôle pour des robots, des drones et le moteur de jeu de GTA V. Le matériel source ne détaille pas l'intégration : pour l'instant, ces scénarios ne peuvent donc être évalués que sur la base des démonstrations elles-mêmes.

Principaux paramètres de la version :

• taille du modèle : 14 milliards de paramètres ;
• entrée : prompt textuel ;
• sortie : environnement interactif en temps réel ;
• scénarios annoncés : pilotage de robots, de drones, de GTA V ;
• mode d'accès : aperçu de recherche public, gratuit ;
• affirmation de leadership sur des benchmarks de physique.

Où s'arrêtent les affirmations

Le point le plus délicat de cette histoire, ce sont les benchmarks. Odyssey met en avant de meilleurs résultats dans des tests de physique, mais selon The Decoder, la méthodologie est limitée. Le texte source ne précise pas quels jeux de tâches ont été utilisés, à quels modèles Odyssey-3 a été comparé, ni qui a réalisé les mesures. Tant qu'il n'existe pas d'évaluations indépendantes, ces chiffres sont à considérer comme un repère marketing, et non comme une preuve.

Il en va de même pour les robots et les drones. La formule « selon certaines informations » signifie qu'il existe encore peu de données publiques convaincantes sur le comportement du modèle avec du matériel réel. Piloter en simulation et piloter une machine physique sont deux problèmes de difficulté différente. Dans le monde réel, une erreur de prédiction ne se traduit pas par un artefact à l'écran, mais par une collision.

Autre inconnue : la configuration matérielle requise. Le matériel source ne donne ni la résolution, ni la fréquence d'images, ni le type de machine sur lequel le « temps réel » est atteint. Pour juger de l'intérêt pratique du modèle, ces paramètres comptent davantage que le nombre de paramètres.

Pourquoi le marché s'intéresse aux modèles de monde

Le segment gagne en visibilité : de grands laboratoires présentent leurs propres générateurs d'environnements interactifs, comme Genie 3 de Google DeepMind. La raison est pratique. Les robots et les agents ont besoin de données et d'environnements pour s'entraîner, et les collecter dans le monde réel coûte cher et prend du temps. Si un modèle de monde reproduit la physique avec suffisamment de précision, il peut devenir un terrain d'entraînement bon marché. L'aperçu gratuit d'Odyssey permet à la communauté de le vérifier elle-même, et à l'entreprise de recueillir des retours et des données d'usage.

Comment aborder l'aperçu

Si vous travaillez en robotique, dans le jeu vidéo ou la simulation, mieux vaut tester l'aperçu sur vos propres scénarios plutôt que sur des scènes de démonstration. Créez des scènes avec des liquides, de petits objets et de longues trajectoires de déplacement, puis vérifiez si la géométrie tient au bout d'une minute, puis de deux. Mesurez la latence entre l'action et la réponse. Pour le pilotage de drones et de robots, mieux vaut attendre des tests indépendants ou une description de la méthodologie par Odyssey elle-même avant d'intégrer le modèle à des plans produit. Pour le prototypage d'idées et les expérimentations visuelles rapides, l'accès gratuit suffit déjà, selon toute apparence.