Sandflow ouvre sand3d : 100 000 modèles 3D sous forme de code Python, 3,8 fois plus concis que bpy

Si l’on demande à un modèle de langage de « créer une table », il produira facilement du texte, mais la 3D est plus compliquée. Le modèle génère soit un script Blender peu soigné, soit s’appuie sur un réseau neuronal qui produit un maillage composé de milliers de triangles. Sandflow AI propose une troisième voie : apprendre aux LLM à écrire de courts programmes paramétriques. Pour cela, l’entreprise a ouvert la bibliothèque sand3d et un jeu de données de plus de 100 000 objets.

Pourquoi les anciens jeux de données posaient problème

La plupart des projets de génération 3D s’appuient sur Objaverse. Cette collection est immense, mais sa qualité est inégale. De nombreux modèles sont une « soupe de triangles » : un ensemble de triangles à la topologie dégradée, dans lequel il est impossible de séparer le pied d’une table de son plateau. Pour entraîner un modèle censé comprendre la structure d’un objet, ces données sont presque inutiles.

De plus, chaque équipe de recherche nettoyait Objaverse pour ses propres besoins et conservait le résultat. Le même travail était répété des dizaines de fois, tandis que les modèles CAO ouverts progressaient lentement. Sandflow affirme avoir effectué ce nettoyage une fois et publié le résultat pour tout le monde.

À quoi cela ressemble en pratique

Dans sand3d, un objet est décrit par un court programme Python. Prenons une armoire. Dans un maillage, elle correspond à des dizaines de milliers de triangles anonymes. Dans sand3d, elle devient un petit nombre de pièces nommées, comme le caisson, la porte et l’étagère, ainsi que quelques paramètres : largeur, hauteur, profondeur et nombre d’étagères. Vous voulez une armoire plus large de 20 cm ? Il suffit de modifier un nombre, et toute la géométrie est reconstruite sans retoucher manuellement les sommets.

Ce format convient aux LLM pour deux raisons. Premièrement, les noms sémantiques donnent du sens au modèle : il apprend à associer le mot « porte » à une partie précise du code. Deuxièmement, le format est compact. Selon Sandflow, la syntaxe sand3d consomme en moyenne 3,8 fois moins de tokens que le Python Blender classique (bpy), soit environ 74 % de moins. Cela réduit le coût de l’entraînement et de l’inférence tout en permettant de placer davantage d’objets dans le contexte.

Le jeu de données comprend des meubles, des mécanismes mobiles et des pièces de CAO, pour un total de plus de 100 000 éléments. Tout est disponible en open source : le code sur GitHub, la collection de jeux de données et un explorateur 3D interactif sur Hugging Face.

Ce qu’il faut garder à l’esprit

Premièrement, les chiffres de 3,8 fois et de 74 % sont pour l’instant avancés par Sandflow elle-même, et nous n’avons pas vu de mesures indépendantes. La comparaison avec bpy dépend aussi de la manière dont les scripts de référence sont écrits.

Deuxièmement, le code paramétrique décrit bien les meubles, les mécanismes et les pièces à la géométrie clairement définie. Les formes organiques comme les personnages, les vêtements ou les plantes se prêtent moins bien à ce type de programme ; les maillages resteront donc nécessaires. On ignore également dans quelle mesure les objets reconstruits à partir des maillages correspondent fidèlement aux originaux.

Troisièmement, le jeu de données ne fournit pas à lui seul un « générateur 3D conversationnel » prêt à l’emploi. Il s’agit de matière première pour l’entraînement. Seules les expérimentations montreront dans quelle mesure les modèles gagneront réellement en qualité grâce à ces données.

Comment l’exploiter

Si vous développez des outils de CAO, des ressources de jeu, des solutions de design d’intérieur ou des configurateurs de produits, l’explorateur et le dépôt méritent déjà votre attention. Pour commencer, vous pouvez prendre un petit modèle ouvert, l’affiner sur un sous-ensemble de sand3d et vérifier comment il répond à des requêtes comme « une commode de 80 cm de large avec trois tiroirs ».

Pour les produits, le point essentiel est que les paramètres rendent les objets modifiables. L’utilisateur peut demander « fais-le un peu plus bas » et le modèle modifiera une valeur au lieu de régénérer entièrement l’objet. C’est précisément ce comportement qui manque généralement aux générateurs 3D produisant un maillage final difficile à retoucher correctement.

L’idée elle-même n’est pas nouvelle : le code sert depuis longtemps de représentation intermédiaire en CAO et en infographie. La nouveauté est qu’un acteur a constitué un grand jeu de données ouvert et unifié dans ce format — une initiative qui aurait dû voir le jour depuis longtemps.