Réel ou synthétique : les deux types de Gaussian splats

par Pierre
Réel ou synthétique : les deux types de Gaussian splats

Ouvrez un Gaussian splat : rien ne dit d’où il vient. Le fichier contient toujours la même chose — un nuage de petites ellipsoïdes douces et colorées —, qu’elles aient été apprises à partir de 400 photos d’un objet réel, de rendus d’un modèle 3D jamais fabriqué, ou rêvées par une IA à partir d’une phrase.

Pourtant, ces trois splats ne prouvent pas la même chose. Un splat réel, capté dans le monde, montre ce qui était là. Un splat synthétique montre ce que quelqu’un a conçu, ou ce qu’un modèle a jugé plausible. Pour un musée, un chantier ou une fiche produit, toute la différence est là.

D’où vient un splat

Notre cactus (427 photos), des sites patrimoniaux, des visites immobilières, des jumeaux numériques d’usines.

Réel Capté

Entraîné sur des photos, une vidéo ou un scan LiDAR de quelque chose qui existe.

  • Géométrie réelle — Oui —Retrouvée à partir des photos : la forme est celle du sujet.
  • Lumière réelle — Oui —La lumière qui était vraiment là — figée, pas réglable.
  • Échelle exacte — En partie —Exacte seulement avec un LiDAR, un RTK ou des repères mesurés.
  • Tous les côtés connus — En partie —Seulement ce que les photos ont vu ; le reste est deviné.
  • Délai — En partie —De quelques heures à quelques semaines, de la prise de vue à la livraison.
  • Droits clairs — Oui —Vos photos — avec l’autorisation du lieu et des personnes présentes.

Visualisation produit, architecture non construite, décors de film et de jeu — notre appareil photo plus bas.

Synthétique Calculé depuis un modèle 3D

Un modèle 3D rendu par des caméras virtuelles, puis entraîné comme une séance photo.

  • Géométrie réelle — Oui —Celle du modèle, exactement — pour autant que les rendus la montrent.
  • Lumière réelle — En partie —Celle du rendu, en path tracing si on veut, puis figée.
  • Échelle exacte — Oui —Les unités du modèle : rien à estimer.
  • Tous les côtés connus — Oui —Les caméras virtuelles vont partout, même à l’intérieur.
  • Délai — En partie —De quelques minutes à quelques heures de rendu, puis l’entraînement.
  • Droits clairs — Oui —Ceux du modèle : une licence à vérifier, une fois.

Assets de jeux, catalogues de modèles 3D existants, éléments provisoires d’une scène.

Synthétique Converti depuis un maillage

Chaque morceau d’un maillage texturé transformé directement en gaussiennes, sans rendu.

  • Géométrie réelle — Oui —Celle du maillage, point pour point.
  • Lumière réelle — Non —Aucun éclairage calculé : seulement les couleurs des textures.
  • Échelle exacte — Oui —Les unités du modèle.
  • Tous les côtés connus — Oui —Toutes les surfaces du maillage.
  • Délai — Oui —Moins d’une milliseconde par maillage avec Mesh2Splat d’EA.
  • Droits clairs — Oui —Ceux du modèle.

Mondes de concept, moodboards, décors, premier jet d’un objet à partir d’une photo.

Synthétique Généré par IA

Un modèle imagine le splat à partir d’un prompt, d’une photo ou d’une esquisse de l’agencement.

  • Géométrie réelle — Non —Plausible, pas mesurée : inventée là où rien n’a été vu.
  • Lumière réelle — Non —Imaginée comme le reste.
  • Échelle exacte — En partie —Estimée au mieux — certains modèles la prédisent, aucun ne la mesure.
  • Tous les côtés connus — Non —Les côtés invisibles sont inventés, parfois différemment à chaque fois.
  • Délai — Oui —De quelques secondes à quelques minutes.
  • Droits clairs — En partie —Tout dépend de la licence du modèle — voir plus bas.

Quatre origines d’un Gaussian splat — capté dans le monde réel, calculé à partir d’un modèle 3D, converti depuis un maillage, généré par une IA —, chacune avec un dessin animé et six garanties notées oui, en partie ou non, avec la raison.

Quatre origines, un seul format. La première est la seule qui part du monde physique ; les trois autres sont synthétiques, à partir d’un modèle connu ou de rien d’autre qu’un prompt. Chaque note est expliquée dans le texte ci-dessous.

Les splats réels : captés dans le monde

Un splat réel est entraîné sur des photos, une vidéo ou des scans LiDAR de quelque chose qui existe. C’est la méthode de l’article fondateur de 2023, et celle que décrit pas à pas notre workflow de production : photographier le sujet sous tous ses angles, retrouver d’où chaque photo a été prise, puis optimiser les gaussiennes jusqu’à ce qu’elles reproduisent chaque photo.

Sa force, c’est que la forme et la lumière viennent du sujet lui-même. Le cactus du premier article de cette série a 427 photographies derrière lui ; chaque épine est à sa place parce que les photos l’y ont mise. Ses limites sont celles de la captation : ce que les photos n’ont pas vu, le splat l’invente ; son échelle n’est exacte que si la captation l’a fixée, avec un LiDAR, un positionnement satellite ou des repères mesurés ; et la lumière est celle du jour, figée.

Le matériel de captation est désormais conçu pour cela. Le Lixel L3 de XGRIDS, présenté en septembre 2026, produit un nuage de points, un maillage et un splat en un seul passage, avec une précision annoncée de quelques millimètres. Et l’industrie se sert des splats réels comme terrains d’essai : NuRec, dans NVIDIA Omniverse, disponible pour tous depuis le printemps 2026, reconstruit de vraies rues et de vrais entrepôts en splats pour entraîner robots et voitures autonomes en simulation.

3D Gaussian Splatting for Real-Time Radiance Field Rendering GraphDeco Inria Research Group · 5:04 Lecture sur YouTube, qui peut déposer des cookies une fois la vidéo lancée.

La méthode qui a tout lancé, présentée par ses auteurs à l’Inria en 2023 (en anglais) : des scènes réelles, captées en photos et rendues en temps réel.

Vidéo : GraphDeco Inria Research Group, sur YouTube.

Les splats synthétiques calculés à partir d’un modèle 3D

Pourquoi transformer un modèle 3D en splat, alors que le modèle existe déjà ? Pour la même raison qu’une photo de produit se montre plus facilement que le produit : un splat fige un rendu coûteux en quelque chose de léger à afficher. Ombres douces, reflets, éclairage global, tout le travail d’un moteur en path tracing finit stocké dans les couleurs des gaussiennes — et se rejoue dans le navigateur d’un téléphone au coût d’un splat ordinaire.

Il y a deux façons de faire.

La captation virtuelle. On rend le modèle depuis des centaines de caméras virtuelles dont on connaît exactement la position, puis on entraîne un splat sur ces rendus comme s’il s’agissait de photos. Des outils l’automatisent désormais : Atlux dans Unreal Engine, l’extension SplatWorks dans Blender. Connaître exactement les caméras compte : des rendus de synthèse, avec leurs fonds unis et sans bruit de capteur, sont souvent trop propres pour les logiciels de structure from motion qui localisent les vraies photos.

La conversion directe. Certains outils se passent de rendu et transforment directement chaque morceau d’un maillage texturé en gaussiennes. Le laboratoire de recherche d’Electronic Arts a publié Mesh2Splat, qui convertit un modèle en moins d’une demi-milliseconde en moyenne ; le résultat garde les couleurs des textures mais aucun des éclairages qu’un rendu aurait ajoutés, et la méthode ne gère ni les cheveux, ni les feuillages, ni les nuages.

Nous avons essayé la première voie sur un modèle 3D gratuit d’appareil photo, issu de Poly Haven : 200 rendus dans Blender, un splat entraîné sur un Mac de bureau, puis comparé à Blender depuis un point de vue que l’entraînement n’a jamais vu.

Un splat calculé à partir d’un modèle 3D, par nous

Le même appareil en Gaussian splat, du même point de vue : presque identique, un peu plus doux sur les gravures fines Un appareil photo télémétrique noir et laiton avec son objectif, rendu dans Blender sur fond blanc

Le calcul, mesuré

Vues d’entraînement
200 rendus, 800 px
Entraînement sur Apple M4
19 minutes
Gaussiennes
43 192
Qualité sur des vues inédites
32,7 dB de PSNR
PLY brut
10,2 Mo
SOG pour le web
1,6 Mo

Modèle : « Camera 01 » de Rajil Jose Macatangay, Poly Haven, CC0 (sans sa sangle). Rendu avec Blender Cycles ; entraîné avec Brush sur un Apple M4.

Deux fois le même point de vue : un rendu Blender Cycles d’un modèle 3D gratuit d’appareil photo, et le Gaussian splat entraîné sur 200 autres rendus, vu depuis ce point de vue qu’il n’a jamais vu. Un curseur déplace la séparation entre les deux.

Faites glisser la séparation : le splat reproduit le rendu presque exactement, jusqu’au laiton des molettes, depuis un point de vue qu’il a dû reconstituer seul. La différence se voit sur les gravures les plus fines et le grain du cuir, un peu plus doux. Sur les douze points de vue écartés de l’entraînement, le splat obtient 32,7 dB de PSNR face à Blender — au-dessus de 30 dB, les différences ne se voient guère sans les chercher. Tout le calcul a tourné sur un Mac ordinaire équipé d’une puce Apple M4 : environ une heure de rendu (212 images), puis 19 minutes d’entraînement. Et 43 192 gaussiennes suffisent pour un objet de cette taille : la version web, en SOG, pèse 1,6 Mo.

Le prix de ce réalisme, c’est une lumière figée. Un splat calculé ne réagit pas à la scène qui l’entoure : il ne reçoit pas d’ombres et ne reflète rien de nouveau. Et chaque variante est un nouveau splat : comme l’écrivait en 2026 une lettre spécialisée dans l’automobile, « personne n’a encore résolu les splats configurables » — chaque teinte d’un configurateur de voiture demande un nouveau calcul.

Les splats synthétiques générés par IA

La seconde famille de splats synthétiques n’a aucun modèle de départ. Un modèle génératif imagine le splat à partir d’un prompt, d’une photo ou d’un agencement sommaire, en quelques secondes ou quelques minutes.

Pour les objets, TRELLIS, de Microsoft, produit des gaussiennes ou un maillage à partir d’une image ou d’un texte ; SAM 3D Objects, de Meta, reconstruit un objet entier — y compris sa face cachée — à partir d’une seule photo, et fait tourner la fonction « View in Room » de Facebook Marketplace. La tendance est parlante, pourtant : TRELLIS.2, fin 2025, a abandonné les splats pour des maillages à matériaux physiques, plus faciles à rééclairer et à utiliser dans les moteurs.

Pour les mondes, les splats l’ont emporté. Marble, de World Labs, disponible commercialement depuis novembre 2025, génère des scènes explorables à partir d’un texte, d’images ou d’une vidéo, et les exporte en splats d’environ deux millions de gaussiennes. Lyra, de NVIDIA, distille un modèle de génération vidéo en décodeur de splats ; SHARP, d’Apple, transforme une seule photo en splat en moins d’une seconde.

Quatre rangées d’images : à gauche une seule image d’entrée (un animal en costume dans une forêt, un lion dans un chalet, un hall futuriste, un manoir au crépuscule), puis sa profondeur estimée, puis quatre vues de la scène 3D générée à partir d’elle en Gaussian splats, vues sous d’autres angles

Une image en entrée, une scène 3D en sortie : Lyra, de NVIDIA, génère le splat à partir d’une seule image, puis permet de regarder autour. Tout ce qui est hors du cadre d’origine — les côtés, l’arrière, le plafond — a été inventé.

Image : Bahmani, Shen, Ren et al., NVIDIA — « Lyra: Generative 3D Scene Reconstruction via Video Diffusion Model Self-Distillation », CC BY 4.0, via arXiv:2509.19296 (figure 1, moitié haute, convertie en WebP).

C’est la limite essentielle : un splat généré est plausible, pas vrai. Ce que le prompt ou la photo ne montrait pas, le modèle l’invente, et il peut l’inventer différemment à chaque fois — les auteurs de Lyra 2.0 parlent d’« oubli spatial » quand une zone où l’on revient a été réimaginée. Certains modèles estiment une échelle, aucun ne la mesure. Personne ne devrait prendre une mesure sur un splat généré.

Introducing Marble by World Labs World Labs · 1:16 Lecture sur YouTube, qui peut déposer des cookies une fois la vidéo lancée.

World Labs présente Marble lors de son lancement commercial, en novembre 2025 (en anglais) : des mondes générés à partir d’un texte ou d’une image, exportés en Gaussian splats.

Vidéo : World Labs, sur YouTube.

La frontière s’estompe

En pratique, les deux familles se mélangent de plus en plus. Difix3D+, de NVIDIA, nettoie une captation réelle en laissant un modèle génératif repeindre les zones que les photos ont mal vues : un splat réel avec des pièces inventées. Marble et HY-World, de Tencent, acceptent des photos et des vidéos réelles autant que des prompts, et mêlent reconstruction et génération dans le même produit. Dans l’autre sens, V-Ray et Octane rééclairent et calculent désormais en path tracing des splats captés à l’intérieur de scènes 3D, et Niantic a annoncé en septembre 2026 le rééclairage des splats.

La question utile n’est donc plus « réel ou synthétique ? », mais « quelles parties ont été observées, et lesquelles ont été calculées ou inventées ? »

Les licences tranchent

Pour une agence, le critère le plus discriminant n’est souvent pas technique. Beaucoup de modèles génératifs sont publiés pour la recherche, ou excluent carrément l’Europe.

Une agence peut-elle l’utiliser ?

Outil Entrée Sortie Usage commercial (UE)
TRELLISMicrosoft Une image ou un texte Gaussiennes (PLY), maillage OuiLicence MIT, code et poids.
TRELLIS.2Microsoft Une image Maillage PBR (GLB), pas de splats Sous conditionsLicence MIT, mais la page du projet ajoute une mention « recherche uniquement » : à vérifier avant la production.
SAM 3D ObjectsMeta Une photo Gaussiennes (PLY), maillage Sous conditionsLicence SAM : usage commercial autorisé, sauf usages militaires, armes et biens soumis au contrôle des exportations.
SHARPApple Une photo Gaussiennes (PLY) NonPoids du modèle réservés à la recherche non commerciale.
LyraNVIDIA Un texte ou une image Gaussiennes Sous conditionsCode sous Apache 2.0, poids sous la NVIDIA Open Model License : lire ses conditions.
Lyra 2.0NVIDIA Un texte ou une image Gaussiennes, maillage NonPoids sous une licence de recherche interne ; licence sur mesure sur demande.
HY-World 2.0Tencent Texte, images, vidéo Gaussiennes, maillage, nuage de points NonLa licence ne s’applique ni dans l’UE, ni au Royaume-Uni, ni en Corée du Sud.
Hunyuan3D 2.1Tencent Une image Maillage PBR, pas de splats NonMême exclusion territoriale : UE, Royaume-Uni, Corée du Sud.
MarbleWorld Labs Texte, images, vidéo, agencement 3D Gaussiennes (PLY, SPZ), maillage Sous conditionsOffres payantes : les résultats vous appartiennent ; offre gratuite : usage personnel. AMD a annoncé le 28 septembre 2026 le rachat de World Labs.
Mesh2SplatElectronic Arts (SEED) Un maillage texturé (glTF) Gaussiennes OuiLicence BSD-3 (modifiée seulement pour les logos d’EA).

Un tableau de dix outils qui créent des Gaussian splats ou des modèles 3D à partir d’un modèle ou par IA : ce qui entre, ce qui sort, et si leur licence autorise un usage commercial par une entreprise de l’Union européenne. Des filtres ne gardent que les outils qui produisent des splats, ou ceux utilisables commercialement.

Vérifié licence par licence en septembre 2026. Les licences changent : relisez la version en vigueur avant un projet, et gardez en tête que la licence d’un modèle régit aussi ce qu’il produit. Les licences communautaires de Tencent, par exemple, ne s’appliquent pas dans l’Union européenne : une entreprise française ne peut ni utiliser ces modèles, ni montrer ce qu’ils produisent.

Les distinguer, et le dire

Rien dans un fichier splat n’enregistre son origine : le nouveau standard glTF pour les splats, KHR_gaussian_splatting, n’a pas de champ pour cela, et les Content Credentials C2PA utilisés pour les photos et les vidéos ne couvrent pas encore les formats 3D. Les chercheurs travaillent au tatouage numérique des splats, pas à distinguer un splat capté d’un splat généré.

La loi va plus vite. Depuis le 2 août 2026, l’article 50 du règlement européen sur l’IA impose de signaler les images et vidéos générées par IA, et sa définition de l’hypertrucage couvre les contenus qui ressemblent à des personnes, des objets ou des lieux existants et passeraient à tort pour authentiques. La 3D n’est pas nommée ; les vues et vidéos rendues à partir d’un splat le sont vraisemblablement. Notre lecture, pas un avis juridique : un splat généré d’un lieu ou d’un produit réel, montré comme s’il était vrai, est exactement le cas à risque — signalez-le.

Lequel pour quel projet ?

  • Pour montrer ce qui existe — un site patrimonial, un bien à vendre, une boutique, un événement, un produit déjà fabriqué : une captation réelle. C’est la seule qui prouve quelque chose.
  • Pour montrer ce qui n’existe pas encore — un produit en conception, un bâtiment pas encore construit, un décor, un configurateur : un calcul à partir du modèle 3D, qui garde une géométrie exacte et la qualité d’un rendu en path tracing.
  • Pour explorer vite des idées — un concept, un moodboard, un décor de fond, un premier jet à partir d’une photo : la génération, avec une licence vérifiée au préalable et un signalement clair.

Chez ARGO

Nous choisissons l’origine selon ce que l’expérience doit prouver. Un packaging ou un showroom vu à travers un téléphone doit être le vrai, capté ; un produit qui n’existera qu’à la prochaine saison peut être calculé à partir de son modèle CAO ; la génération sert aux esquisses et aux décors — jamais à se faire passer pour un relevé. Et quelle que soit l’origine, le splat finit de la même façon : compressé, ouvert dans le navigateur, sans application à installer.

FAQ

Questions fréquentes

Qu’est-ce qu’un Gaussian splat synthétique ?

Un splat qui n’a pas été capté à partir d’un sujet physique : il a été soit entraîné sur des rendus d’un modèle 3D, soit converti directement depuis un maillage, soit généré par un modèle d’IA à partir d’un texte ou d’une image. Le format de fichier est le même que pour une captation réelle.

Peut-on transformer un modèle 3D en Gaussian splat ?

Oui, de deux façons : le rendre depuis des centaines de caméras virtuelles et entraîner un splat sur les rendus (Atlux dans Unreal, SplatWorks dans Blender), ou convertir directement le maillage (Mesh2Splat). La première garde l’éclairage du rendu ; la seconde est instantanée mais ne garde que les couleurs des textures.

Un splat généré par IA est-il exact ?

Non. Il est plausible, pas mesuré : tout ce que l’entrée ne montrait pas est inventé, et l’échelle est au mieux estimée. Utilisez-le pour des idées et des décors, pas pour des mesures ni comme témoignage de la réalité.

Peut-on utiliser commercialement des splats générés par IA ?

Cela dépend de la licence du modèle. En septembre 2026, TRELLIS et Mesh2Splat l’autorisent, SAM 3D Objects et les offres payantes de Marble l’autorisent sous conditions, SHARP d’Apple et Lyra 2.0 ne l’autorisent pas, et les modèles de Tencent ne sont pas du tout licenciés dans l’Union européenne.

Comment distinguer un splat capté d’un splat généré ?

À partir du fichier, on ne peut pas : aucun standard n’enregistre encore l’origine. Demandez les photos de la captation ou le modèle source, et signalez les contenus générés — ce que le règlement européen sur l’IA impose désormais pour les images et vidéos générées par IA.

Sources et pour aller plus loin

Licences, produits et statuts vérifiés en septembre 2026.

À lire aussi sur le Gaussian splatting