Solaris transforme les logiciels en mondes visuels générés en direct

Runway Solaris propose de revoir en profondeur la manière dont les logiciels sont conçus et utilisés. Au lieu de charger une interface codée, composée d’écrans prédéfinis que le navigateur affiche, le système génère continuellement l’interface elle-même. L’écran est censé évoluer comme un monde visuel vivant à mesure que l’utilisateur clique, fait glisser des éléments, saisit du texte ou formule une demande. 38

Solaris est donc plus ambitieux qu’un simple outil de création d’applications sans code. Runway expérimente une approche inspirée des modèles du monde : l’interface n’est plus le résultat fixe d’une implémentation logicielle, mais une succession d’états visuels générés en fonction du contexte et des actions.

Qu’est-ce que Runway Solaris ?

Runway a présenté Solaris le 31 août comme un « Interface World Model », ou modèle du monde des interfaces. Son principe consiste à remplacer la chaîne habituelle — écrire du HTML, du CSS et du JavaScript, puis laisser le navigateur afficher le résultat — par la génération directe de l’interface visible.

Une expérience Solaris peut commencer à partir d’une référence visuelle, par exemple une scène de produit ou un environnement de marque. Le modèle construit ensuite l’interface autour de ce point de départ et la met à jour en fonction des interactions. Les développeurs n’ont pas à prévoir séparément chaque écran et chaque état : le système tente de synthétiser ce qui doit apparaître ensuite.

Cette méthode vise notamment à éviter une perte d’information visuelle. Lorsqu’un modèle doit d’abord transformer une image ou une idée en code, certains détails de la scène peuvent disparaître. Solaris conserve au contraire la scène visuelle comme sortie principale, une approche que Runway présente comme un moyen de préserver la cohérence et un comportement plus naturel pendant l’interaction.

Comment Solaris génère-t-il une interface interactive ?

Le fonctionnement sépare le raisonnement nécessaire à l’interprétation d’une action de la génération visuelle de sa conséquence.

1. L’utilisateur donne une instruction ou effectue une action. Il peut cliquer sur un objet, déplacer un élément, saisir du texte ou demander une modification en langage naturel.
2. Un modèle de langage interprète son intention. Il détermine ce qui doit se produire, si la scène actuelle doit être modifiée et comment décrire le comportement attendu au modèle visuel. 38
3. Le modèle du monde de l’interface génère l’état suivant. Solaris ne renvoie pas une page codée : il produit l’image suivante en tenant compte de l’action et des images précédentes.
4. Le cycle recommence. Chaque nouvelle action enrichit le contexte des images suivantes, ce qui permet à l’interface d’évoluer en continu plutôt que de basculer entre un nombre limité d’écrans prédéfinis.

La composante visuelle repose sur Gen-4.5, la technologie de génération vidéo de Runway. La documentation destinée aux développeurs décrit Gen-4.5 comme un modèle de génération vidéo à partir de texte ou d’image ; Solaris réutilise cette base dans un cadre interactif et autorégressif. 46

Les techniques utilisées pour viser le temps réel

Générer un nouvel état visuel après chaque action ne revient pas à produire une courte vidéo. Solaris doit réduire la latence tout en conservant la qualité et la cohérence sur une session prolongée.

Une génération séquentielle des images

Le modèle génère les images de manière autorégressive : chaque image dépend de celles qui la précèdent. Lorsqu’une action survient, le système peut ainsi prolonger l’état visuel existant au lieu de lancer une génération sans rapport avec la scène précédente.

Une distillation vers un modèle plus rapide

Runway indique avoir distillé un modèle de diffusion plus lent — le « professeur » — dans un modèle rapide nécessitant seulement quelques étapes de débruitage. L’objectif est de réduire les calculs nécessaires à chaque réponse tout en conservant une qualité suffisante pour l’interaction.

Un entraînement sur les propres sorties du modèle

Runway affirme également avoir entraîné le modèle rapide sur ses propres générations. Cette technique doit limiter la dégradation de la qualité au fil d’une longue suite d’images dépendantes les unes des autres, dans laquelle de petites erreurs pourraient sinon s’accumuler.

Runway indique viser une latence d’interaction inférieure à environ une demi-seconde, une cohérence maintenue pendant toute la session et une qualité visuelle en 720p. Il s’agit de cibles de recherche, et non d’une garantie valable pour chaque interaction Solaris.

Solaris est-il meilleur que les interfaces codées ?

Runway rapporte une étude menée auprès de 250 participants, qui ont formulé environ 7 500 jugements par comparaison sur 30 exemples d’interaction. Les participants ont comparé des interfaces générées par Solaris à des interfaces produites sous forme de code par Claude Opus 5.

Selon les résultats publiés, les participants ont préféré Solaris :

• dans 61 % des cas pour le respect des instructions ;
• dans 71 % des cas pour le caractère naturel du comportement.

Ces chiffres suggèrent qu’une interface générée peut sembler plus cohérente visuellement ou plus intuitive dans certains scénarios. Ils ne prouvent toutefois pas que Solaris soit globalement supérieur aux logiciels conventionnels. L’étude porte sur des préférences subjectives liées à l’interaction, et non sur la fiabilité, la justesse, la sécurité, la maintenabilité, le coût, les performances ou l’accessibilité. Les éléments disponibles ne permettent pas non plus d’évaluer indépendamment l’ensemble de la méthodologie et de l’analyse statistique.

Les principales limites de Solaris

La même absence de structure fixe qui donne à Solaris sa flexibilité pose aussi d’importants problèmes d’ingénierie et de produit.

Le texte généré reste instable

Produire du texte lisible et exact demeure un défi pour les systèmes de génération d’images et de vidéos en temps réel. Une interface peut être visuellement convaincante tout en affichant des intitulés, des chiffres, des menus ou des instructions erronés. Runway considère la génération de texte comme un problème non résolu et évoque une possible approche hybride : utiliser des modèles d’image pour les moments statiques riches en texte et des modèles vidéo pour l’interaction continue.

Une interface convaincante peut aussi être erronée

Une interface générée avec réalisme n’est pas nécessairement fiable sur le fond. Solaris s’appuie actuellement surtout sur ses images de départ et sur les références fournies ; il pourrait donc présenter avec assurance une réponse, une caractéristique de produit ou une représentation visuelle incorrecte. Runway cite l’intégration de données vérifiées, de documents et de références plus riches parmi les pistes de recherche à approfondir.

La cohérence peut se dégrader au fil du temps

Chaque état dépend d’une chaîne d’états générés et de décisions prises par le modèle. Les erreurs peuvent donc se cumuler pendant une utilisation ouverte et prolongée. Maintenir la cohérence de la scène, des propriétés des objets, des instructions et de l’historique des interactions reste un problème de recherche actif.

Générer chaque image a un coût

Un site classique transmet du code et des ressources que l’appareil de l’utilisateur se charge d’afficher. Solaris effectue au contraire un travail génératif continu pour produire ce qui apparaît à l’écran. Runway affirme que ses optimisations rendent le processus nettement moins coûteux que la diffusion vidéo standard, mais la génération image par image reste plus exigeante que l’affichage d’une page codée et fixe. Le prototype vise une qualité visuelle de 720p.

Accessibilité et intégration restent incomplètes

Une image rendue ne fournit pas automatiquement les informations structurées dont dépendent les lecteurs d’écran et les autres technologies d’assistance. Elle n’offre pas non plus, par nature, l’état inspectable, la structure d’événements et les interfaces prévisibles nécessaires à de nombreux systèmes logiciels. L’absence de DOM traditionnel et de couche d’accessibilité constitue donc un obstacle majeur pour les déploiements soumis à de fortes exigences d’accessibilité ou d’audit.

Solaris est-il disponible ?

Solaris a été présenté comme un projet de recherche expérimental, et non comme une plateforme de production largement accessible. Les informations disponibles le décrivent comme une préversion de recherche accessible sur demande ou dans le cadre d’un accès anticipé, plutôt que comme un outil de création d’applications ouvert à tous.

Pour l’instant, son importance est donc surtout conceptuelle et scientifique. Le prototype montre une direction possible pour les interfaces logicielles, mais ne démontre pas encore qu’il puisse remplacer directement les applications développées avec des méthodes conventionnelles.

Quel est le lien entre Solaris et GWM-1 ?

Solaris s’inscrit dans les recherches plus larges de Runway sur les modèles du monde, mais avec un objectif différent. Runway présente GWM-1 comme un simulateur généraliste en temps réel capable de couvrir des environnements, des avatars et la manipulation robotique. Solaris applique cette idée aux interfaces logicielles : le « monde » simulé devient une application ou un site web, et les actions de l’utilisateur en pilotent l’évolution. 12

Runway étend ainsi son travail au-delà de la génération de contenus pour explorer la création d’environnements visuels interactifs. L’interface n’est plus seulement une vidéo à regarder : c’est une scène qui réagit aux actions et se régénère au fil de l’utilisation.

Pourquoi cette approche pourrait compter

Une autre façon de créer des logiciels

Si cette technologie devient suffisamment fiable, les créateurs pourraient décrire en langage naturel un environnement visuel, des produits, des objectifs et des comportements, sans devoir implémenter séparément toutes les situations possibles. L’approche pourrait être particulièrement intéressante pour les expériences spatiales, visuelles ou exploratoires, dans lesquelles les interfaces classiques imposent parfois des cadres rigides.

Le compromis est important : la flexibilité viendrait de la génération plutôt que d’une logique explicitement programmée. Pour un logiciel de production, il faudrait toujours garantir un comportement prévisible, la testabilité, l’intégrité des données, l’accessibilité et l’intégration avec d’autres systèmes. Solaris n’a pas encore démontré qu’il pouvait remplacer ces pratiques d’ingénierie.

Une nouvelle couche d’interface pour les agents IA

Solaris ouvre aussi une piste pour permettre à des agents IA d’utiliser des environnements visuels inconnus. Plutôt que de dépendre uniquement d’API fixes ou de workflows codés en dur, un agent pourrait interpréter l’interface comme un monde dynamique, effectuer une action, observer l’état obtenu puis poursuivre son exécution.

Cette ambition est particulièrement intéressante pour les agents amenés à naviguer dans des interfaces qui n’ont pas été conçues autour d’un schéma d’automatisation connu. Elle reste toutefois au stade de la recherche : les API structurées et les logiciels accessibles classiques conservent des avantages majeurs pour les tâches qui exigent auditabilité, précision et répétabilité.

Ce qu’il faut retenir

Solaris doit être compris comme une préversion de recherche sur les interfaces logicielles génératives, et non comme la fin du développement d’applications par le code. Son idée distinctive est de faire de l’interface elle-même la sortie du modèle : une suite d’images générées par l’IA, guidées par un modèle de langage et façonnées par les actions de l’utilisateur.

L’étude publiée par Runway indique que les participants ont parfois préféré cette approche pour le respect des instructions et le naturel de l’interaction. Mais les problèmes encore ouverts — exactitude du texte, fiabilité des informations, cohérence des longues sessions, coût de génération, accessibilité et intégration — correspondent à des exigences fondamentales d’un produit, pas à de simples détails de finition. Solaris donne un aperçu de ce que pourrait devenir un modèle du monde des interfaces, tout en montrant pourquoi le code traditionnel reste difficile à remplacer.