Atlas de World Labs : quand l'IA arrête de faire des vidéos et se met à fabriquer des mondes
World Labs vient de dévoiler Atlas, un « omni world model » capable de générer une minute complète de vidéo en 1440p avec un contrôle de caméra au pixel près — et de reconstruire la scène en 3D au passage. Encore un générateur de vidéo ? Non. Un basculement dans ce que « générer » veut dire : produire non plus des pixels, mais l’espace lui-même.
Le lancement qui redessine la carte
Le 1er septembre, World Labs — la société de Fei-Fei Li — a présenté Atlas, la suite logique de Marble (novembre 2025) et de la World API (janvier 2026). La promesse est trompeusement simple : donnez à Atlas une ou quelques images de référence, fournissez-lui une trajectoire de caméra, et il génère de nouvelles vues de cette scène depuis n’importe quelle position et n’importe quel angle — cohérentes avec la géométrie d’entrée, extrapolant en douceur ce que les caméras n’ont jamais vu.
Sous le capot, Atlas est un transformer de diffusion autorégressif multimodal : un seul modèle qui ingère et produit nativement du texte, des images, de la vidéo et de la 3D — nuages de points et splats gaussiens inclus, en sorties explicites.
Trois capacités se détachent :
Un contrôle de caméra au pixel près. Là où les générateurs de la famille Sora interprètent des prompts textuels vagues (« un léger travelling avant, s’il vous plaît »), Atlas prend les trajectoires de caméra et la géométrie comme entrées natives. Vous ne décrivez pas le plan. Vous le réalisez.
Génération et reconstruction dans un seul modèle. Le système qui imagine les parties non vues d’une scène produit aussi sa structure 3D explicite — en surpassant, selon World Labs, les meilleurs modèles de reconstruction open source à partir d’entrées éparses. Plus vous lui donnez d’images, moins il invente.
La simulation spatio-temporelle. À partir de quelques caméras de téléphone ordinaires, Atlas reconstruit des scènes dynamiques : recadrage des prises de vue, arrêts sur image en « bullet time », et génération des données RGB et de profondeur photoréalistes dont auraient besoin les capteurs d’un robot. Du Real-to-Sim, à partir de captations amateurs.
Pourquoi c’est plus qu’un meilleur modèle vidéo
La course à la génération vidéo portait jusqu’ici sur la fidélité : des images plus nettes, des plans plus longs, moins de mains qui fondent. Atlas concourt sur un autre axe : la cohérence spatiale. Un world model ne prédit pas l’image suivante — il maintient une scène 3D cohérente et en calcule des vues.
Cette distinction change tout pour qui travaille, comme nous, dans la réalité augmentée et les expériences 3D. Une vidéo magnifique mais géométriquement instable est inutilisable en AR. Une scène dotée d’une géométrie explicite — splats, nuages de points, profondeur — est un asset que l’on peut ancrer, contourner, manipuler.
Nous écrivions en novembre dernier que Marble, SAM 3D et WorldGen convergeaient vers une démocratisation de la création 3D. Atlas, c’est cette convergence industrialisée : un modèle, un cadre spatial, toutes les modalités.
Ce que cela pourrait changer
La fin du goulot d’étranglement de la capture 3D
Aujourd’hui, produire une scène 3D exploitable suppose des dispositifs de photogrammétrie, des scans LiDAR ou des heures d’optimisation de splats. Si quelques photos prises à la volée suffisent à obtenir une reconstruction navigable et photoréaliste, le coût de numérisation d’une boutique, d’un monument ou d’un showroom s’effondre. Visites virtuelles, médiation culturelle, mise en scène retail : la ressource rare n’est plus la capture — c’est l’intention.
De la vidéo réalisée, pas de la vidéo promptée
Pour une marque, l’écart entre « décrire un mouvement de caméra en espérant » et « spécifier la trajectoire exacte » est celui qui sépare une machine à sous d’un outil de production. Films produit, survols architecturaux, teasers d’événement : le contrôle de caméra fait passer la vidéo générative de la loterie créative au pipeline reproductible.
Les splats comme format d’échange
Atlas produit nativement des splats gaussiens 3D — la représentation qui s’affiche déjà en temps réel dans un navigateur. Ce détail compte : il signifie que la frontière de la génération s’aligne sur celle de la diffusion. Un monde généré dans le cloud peut être exploré sur un smartphone, via un lien, sans rien installer.
La robotique et les jumeaux numériques pour tous les autres
Les workflows Real-to-Sim — reconstruire un espace réel, puis y simuler des capteurs et des déplacements — étaient réservés aux laboratoires industriels. Si quelques photos suffisent, les environnements d’entraînement, les parcours de sécurité et les simulations d’implantation magasin deviennent accessibles aux acteurs de taille intermédiaire.
Les obstacles, parce qu’il y en a
Restons lucides. Atlas est lancé en accès anticipé uniquement, avec des partenaires non nommés, sans publication scientifique, sans model card, sans tarif. Chaque victoire sur les benchmarks a été mesurée par World Labs elle-même — et dans les tests de caméra, Atlas recevait des trajectoires natives quand ses concurrents recevaient des descriptions textuelles des mouvements visés, une comparaison que l’entreprise reconnaît elle-même imparfaite. Le modèle est propriétaire et dépendant du cloud : pas de poids en local, pas d’auto-hébergement, une dépendance totale à l’API d’un fournisseur unique et à des décisions tarifaires encore à venir.
Rien de tout cela n’invalide les capacités démontrées. Mais entre un billet de lancement spectaculaire et un pipeline de production, il y a un contrat, un SLA et un coût par génération — et aujourd’hui, ces trois cases sont vides.
L’essentiel : la géométrie devient un langage
Depuis trois ans, l’IA générative s’exprime dans des médias plats : du texte, des images, des images vidéo. Atlas — aux côtés des simulations interactives d’Odyssey, des architectures de planification d’AMI Labs et des modèles géospatiaux de Niantic — signale que la structure 3D devient une modalité native, et non une étape de post-traitement.
Pendant des années, la question dans les médias génératifs était :
« Quel modèle produit les pixels les plus convaincants ? »
Si les world models tiennent leurs promesses, la question des prochaines années devient :
« Qui saura transformer n’importe quel lieu réel en asset numérique explorable et augmentable — et le livrer là où les gens se trouvent déjà ? »
À la première moitié de cette question, des laboratoires comme World Labs répondent déjà. La seconde moitié est notre terrain : tout ce que construit ARGO tourne dans le navigateur, splats compris, parce que l’appareil déjà dans la main de l’utilisateur est le meilleur canal de distribution qui existe. Atlas ne concurrence pas cette logique — il l’alimente. Les mondes vont devenir bien moins chers à fabriquer. Y faire entrer les gens, sans application et sans friction : c’est là que reste le métier.
Sources : World Labs — annonce Atlas · SiliconANGLE · The Implicator