Les modèles du monde chinois veulent tracer leur propre voie

Les modèles du monde sont devenus un thème majeur de l’IA physique : il ne s’agit plus seulement de générer des vidéos crédibles, mais de représenter l’évolution d’un environnement et les conséquences d’une action. Au WAIC 2026, des participants liés à Muka Robotics, Shengshu Technology, EvoPhys.ai et Chengwei Capital ont soutenu que ce domaine pourrait permettre aux jeunes pousses chinoises de se mesurer à la concurrence sur un terrain différent de la traditionnelle course à l’échelle des modèles de pointe américains.

Leur argument n’est pas que la Chine dispose du même accès aux ressources de calcul les plus avancées. Il est plutôt que les progrès des modèles du monde pourraient dépendre de plus en plus de l’efficacité d’apprentissage, des données d’interaction avec le monde réel et de tests rapides sur des robots. Dans cette perspective, la densité d’un écosystème robotique et matériel peut peser autant que le nombre brut de GPU. Le contexte du WAIC va dans ce sens : plus de 200 entreprises d’IA incarnée et de robotique y auraient participé. 8

Déplacer la compétition : de la puissance brute à la vitesse d’itération

Pour les intervenants, comparer mécaniquement les équipes chinoises aux grands laboratoires américains est moins pertinent dans un secteur qui cherche encore ses standards techniques et commerciaux. Une équipe disposant de moins de calcul pourrait rester compétitive si elle collecte à bas coût des données physiques utiles, entraîne des architectures capables d’exploiter efficacement des données hétérogènes et vérifie rapidement ses échecs sur de vraies machines.

Le résultat attribué à Muka Robotics sur WorldArena — une place élevée obtenue avec 32 GPU — a été présenté comme l’illustration de cette approche centrée sur l’efficacité. Il s’agit toutefois d’un résultat rapporté par l’entreprise, et non d’une mesure indépendante et auditée du leadership technique global. 3

La différence est très concrète. Un modèle vidéo peut être évalué sur la plausibilité de ses images. Un modèle du monde destiné à un robot peut l’être sur un critère plus exigeant : l’action prédite fonctionne-t-elle réellement, malgré les contraintes physiques ? Une erreur sur un contact, un mouvement ou l’état d’un objet se révèle vite lorsqu’un robot est chargé d’agir.

Les robots, source de données et banc d’essai

La thèse repose sur une boucle de renforcement entre modèles du monde et intelligence incarnée :

1. Les modèles du monde aident les robots à anticiper les changements d’un environnement et les conséquences possibles de leurs actes.
2. Les robots aident les modèles en générant des données d’interaction conditionnées par l’action, ainsi qu’un retour direct sur la validité de leurs prédictions dans le monde physique.
3. Le déploiement répété et le réentraînement peuvent accélérer l’amélioration de la collecte de données, de la conception des modèles et de leur évaluation.

L’ampleur de l’exposition du WAIC explique la logique stratégique des intervenants. Le guide officiel de Shanghai mentionnait plus de 300 robots placés dans des scénarios d’application dynamiques ; une autre couverture recensait plus de 200 entreprises d’IA incarnée et de robotique. 108

Ces chiffres ne démontrent pas qu’un pays possède un avantage décisif en matière de données. Ils éclairent en revanche le raisonnement : une base robotique vaste et diverse offre davantage d’occasions de recueillir des interactions et de vérifier si les prédictions physiques d’un modèle sont réellement exploitables.

La densité de la chaîne matérielle comme accélérateur

Les intervenants ont également invoqué une coordination matérielle « à la Shenzhen » : fournisseurs de composants, intégrateurs, fabricants de robots et équipes logicielles peuvent être suffisamment proches, géographiquement et commercialement, pour raccourcir le délai entre l’identification d’un échec et une nouvelle expérience.

L’avantage envisagé ne se réduit donc pas à un matériel moins cher. Il réside dans la possibilité de modifier un capteur, un effecteur terminal, un protocole de collecte ou la configuration d’un robot, puis de réinjecter rapidement les nouvelles données dans l’entraînement. En IA physique, la qualité du modèle est indissociable des machines, capteurs et environnements qui produisent et valident les données.

Cela reste une proposition stratégique, non une preuve de supériorité technique. Une chaîne d’approvisionnement réactive peut accélérer l’expérimentation, mais elle ne résout pas à elle seule les questions de généralisation, de sûreté, de fiabilité ou de viabilité commerciale.

L’architecture compte autant que les données

Les travaux de Shengshu Technology sur les modèles monde-action donnent un exemple concret de l’approche évoquée. Sa recherche MotuBrain présente la vidéo et l’action dans une formulation générative commune : modélisation de politique, modélisation du monde, génération vidéo, dynamique inverse et prédiction conjointe vidéo-action deviennent différents modes d’inférence d’un même modèle. 32

Selon Shengshu, MotuBrain modélise conjointement compréhension, prédiction et action, avec l’objectif d’améliorer l’usage de données hétérogènes et le transfert entre tâches. 33 En pratique, l’ambition est de réduire la séparation entre un système qui observe le monde, un système qui anticipe son évolution et un système qui choisit une action.

L’enjeu n’est pas de prétendre qu’une architecture publiée a déjà tranché la course. Elle montre plutôt pourquoi les intervenants voient dans la conception du modèle un levier : si un même cadre réutilise l’information entre vidéo, action et prédiction physique, les capacités utiles ne progresseront pas forcément en proportion directe du calcul mobilisé.

L’autre piste : apprendre d’abord la physique

EvoPhys.ai a été présenté comme abordant le même goulot d’étranglement sous un autre angle : apprendre les régularités physiques à partir d’interactions élémentaires, plutôt que de s’appuyer surtout sur d’immenses corpus vidéo curatés. L’objectif est un modèle davantage ancré dans les forces, les contacts, le mouvement et les conséquences des actions.

Une activité proche était visible au WAIC. TrendForce a indiqué que Moore Threads y avait démontré l’entraînement complet, sur une infrastructure de calcul domestique, d’EvoPhys-World de l’université de Pékin, décrit comme un modèle du monde à cinq dimensions. 9 Cela atteste d’un travail actif dans ce domaine, mais ne valide pas indépendamment les affirmations plus larges sur la performance comparée, l’efficacité des données ou un leadership national.

Une « montagne Taishan » : occasion et charge

La métaphore de la montagne Taishan — sommet emblématique de Chine — résume les deux faces de cette ambition.

L’occasion

Si les modèles du monde deviennent une couche essentielle pour les robots, les systèmes autonomes et la simulation, les acteurs précoces peuvent contribuer à fixer les règles du jeu : quelles données collecter, comment évaluer le raisonnement physique, quels types de robots prendre en charge et quelles applications créent une valeur réelle. L’absence de leader mondial clairement établi et de mode d’emploi commercial peut ouvrir un espace aux premiers entrants.

La charge

Cette absence de modèle éprouvé accroît aussi le risque d’exécution. Les start-up doivent prendre des décisions coûteuses sur les pipelines de données, plateformes matérielles, architectures, méthodes d’évaluation, clients et modèles économiques, avant que le marché n’ait montré quels choix dureront. La validation dans le monde physique est par ailleurs souvent plus lente et plus chère que l’évaluation d’un modèle purement logiciel.

Il ne faut donc pas lire cette thèse comme l’annonce d’une victoire déjà acquise de la Chine. Elle décrit plutôt une compétition dont les paramètres évoluent : dans un domaine où les modèles doivent apprendre du monde physique et y agir, la rapidité d’itération, la qualité des données et l’architecture pourraient devenir des variables stratégiques au même titre que le calcul.

Les preuves à surveiller

La solidité de cette thèse se mesurera moins aux discours de conférence qu’à quatre types de résultats :

• Des évaluations indépendantes, mesurant la prédiction physique et les performances de robots réels dans des environnements variés, au-delà de démonstrations isolées.
• L’efficacité des données, c’est-à-dire la capacité des modèles à progresser avec des volumes de données d’interaction réalistes à recueillir et à annoter.
• Le transfert entre corps robotiques, autrement dit la faculté d’un modèle entraîné sur un robot, un ensemble de capteurs ou une tâche de s’adapter à d’autres sans réentraînement massif.
• L’économie du déploiement, pour savoir si ces systèmes rendent les robots assez sûrs, fiables ou moins coûteux pour justifier un usage commercial durable.

À ce stade, les sources disponibles confirment une forte présence de la robotique au WAIC et la formulation monde-action publiée par Shengshu. Elles n’établissent pas de façon indépendante les comparaisons précises de puissance de calcul avancées lors du débat, le nombre revendiqué d’entreprises robotiques pouvant fournir des données, ni une avance chinoise à l’échelle du secteur. Il s’agit donc d’une thèse stratégique ambitieuse, dont la crédibilité dépendra de résultats reproductibles dans le monde réel. 8103233