Odyssey lance Odyssey-3 : un modèle du monde qui apprend aux robots à partir de vidéos en quelques dizaines d'heures

Le 15 septembre 2026, Odyssey a présenté Odyssey-3, un modèle du monde qui apprend la physique à partir de vidéos, et non à partir de milliers d'heures de démonstrations d'une seule et même tâche. Trois semaines plus tard, le 8 octobre, l'entreprise a ouvert un research preview à tous ceux qui le souhaitent. La promesse centrale : une fois préentraîné sur un énorme volume de vidéos, le modèle peut être branché sur un robot doté de bras, de roues ou d'hélices, et configuré pour lui avec quelques dizaines d'heures de données.

L'idée : d'abord observer le monde, ensuite recevoir un corps

D'ordinaire, on entraîne un robot pour une tâche donnée. Un opérateur montre pendant des heures comment saisir un objet, le système copie les mouvements, et tout recommence de zéro dès que la pince, la caméra ou la plateforme elle-même change. Odyssey propose un ordre proche du développement de l'enfant. Un enfant voit des centaines de tasses tomber et, sans manuel, sait que le dur qui heurte le dur se brise et que le liquide se répand. Le modèle procède de la même façon : il regarde d'abord des vidéos et se construit une représentation interne du fonctionnement du monde. Ce n'est qu'ensuite qu'on lui connecte les actions d'un appareil précis.

C'est précisément ce qu'on appelle un modèle du monde : un système qui prédit comment la scène va évoluer, et permet ainsi au robot de « rejouer » les conséquences d'une action avant de l'exécuter. Odyssey-3 évolue sur ce créneau aux côtés de Genie de Google DeepMind, de Cosmos de Nvidia et de V-JEPA de Meta. La direction est la même, mais les architectures et les objectifs diffèrent chez chacun.

Ce que l'on sait de la sortie

La description disponible permet de dresser le tableau suivant :

• annonce d'Odyssey-3 : 15 septembre 2026 ;
• research preview ouvert : 8 octobre 2026 ;
• préentraînement : un corpus de vidéos sur lequel le modèle assimile la physique de base, sans lien avec un robot particulier ;
• adaptation à un appareil précis : quelques dizaines d'heures de données, au lieu de milliers d'heures par tâche ;
• plateformes annoncées : manipulateurs, robots à roues et engins volants ;
• statut : preview de recherche, pas un produit commercial.

Il existe aussi une analyse de cette sortie sur Habr. Son auteur y promet de montrer d'où viennent les chiffres records et où s'arrêtent les faits pour laisser place au marketing. La partie publique du texte ne contient pas les benchmarks eux-mêmes : il est donc trop tôt pour évaluer les records annoncés.

Où passe la frontière entre démo et ingénierie

La prudence s'impose ici. Un modèle vidéo sait très bien à quoi ressemble une chute. Mais les pixels ne livrent pas toujours la masse, le frottement et la force de préhension, alors que ce sont eux qui décident si un manipulateur retiendra une tasse glissante. Le réalisme visuel et la précision physique sont deux propriétés distinctes, et les modèles du monde les confondent régulièrement sur de longs horizons de prédiction.

Tout lancement de ce type soulève donc une série de questions auxquelles le fabricant doit répondre. S'agit-il de matériel réel ou de simulation ? Combien de lancements compte chaque série, et dans quelle mesure les tâches diffèrent-elles de celles de l'entraînement ? Avec quels modèles de référence la comparaison est-elle faite, et sur quelles données ceux-ci ont-ils été entraînés ? Que signifient « quelques dizaines d'heures » : le seul temps d'enregistrement, ou celui-ci avec la sélection et les répétitions ? Tant que ces réponses manquent, le chiffre de quelques dizaines d'heures reste un objectif, et non un résultat confirmé.

Ce que les équipes qui construisent des robots doivent vérifier

Le preview est ouvert à tous, ce qui rend la vérification peu coûteuse. Un plan raisonnable :

1. Prendre sa propre plateforme et une ou deux tâches qui exigent aujourd'hui beaucoup de démonstrations. 2. Enregistrer de l'ordre de ces fameuses dizaines d'heures de données et mesurer le niveau de réussite atteint. Comparer avec le pipeline actuel. 3. Présenter des objets et des conditions hors de la distribution d'entraînement : un autre éclairage, un autre matériau, une forme inconnue. C'est là que l'on voit si le modèle a assimilé la physique ou mémorisé des scènes. 4. Mesurer la latence d'inférence et les besoins en calcul embarqué. Un modèle du monde qui ne suit pas la boucle de contrôle est inutile dans un robot.

Si une partie de ces tests est concluante, le préentraînement sur vidéo deviendra un moyen concret de réduire le coût des données en robotique. Sinon, Odyssey-3 restera une démonstration spectaculaire de plus des modèles du monde.