Odyssey-3 fait d'un même modèle vidéo le cerveau de robots et de voitures
— AUDIOVISUEL
Odyssey fait tourner son world model aussi bien pour générer des mondes explorables en temps réel que pour piloter un bras robotique ou une voiture, avec vingt heures de données suffisantes pour apprendre à conduire. Le classement physique reste disputé face à FLUX 3, et tout cela n'existe encore qu'en research preview fermée.
Un seul modèle, capable de générer un monde pendant qu'on le traverse, qui sert ensuite de base à un bras robotique, à un humanoïde ou à une voiture autonome. C'est la proposition d'Odyssey avec sa troisième génération de world model, et elle déplace la génération vidéo d'un terrain purement visuel vers celui du contrôle de machines réelles.
Personne dans un studio de création ne branche aujourd'hui ce système sur un montage ou un moodboard. Les équipes concernées sont celles qui entraînent des bras robotiques, des humanoïdes ou des systèmes de conduite autonome, avec des volumes de données ridiculement faibles par rapport aux méthodes classiques : quelques dizaines d'heures de démonstrations pour un bras robotique, vingt heures seulement pour apprendre à conduire sur route en Inde. Ce chiffre dit quelque chose de concret, celui d'une industrie où collecter des données coûte cher et où un modèle déjà rodé sur le monde réel réduit drastiquement cette facture.
Ce qui compte pour les métiers de l'image tient ailleurs, dans ce que cette direction prépare en coulisses. Les générateurs vidéo utilisés en studio aujourd'hui pour des previz ou des animatics descendent de la même famille technique que ces world models, et la course au score sur les benchmarks de physique oriente les investissements de toute la filière. Un outil qui apprend à prédire la chute d'un objet ou le rebond d'une balle améliore aussi, par ricochet, la cohérence des séquences générées pour un film ou une publicité.
Odyssey revendique la première place sur trois des quatre catégories d'un benchmark dédié aux mondes interactifs, et un score de référence sur la physique qui le classe parmi les meilleurs systèmes répertoriés. Le concurrent FLUX 3 le dépasse pourtant sur certaines configurations du même classement, et les coûts annoncés par Odyssey reposent sur des hypothèses de prix GPU que l'entreprise choisit elle-même. La démonstration impressionne, elle reste construite par celui qui la présente.
Le pari vaut surtout pour ce qu'il annonce du marché derrière la vidéo générative : une poignée d'acteurs qui vont chercher à vendre le même modèle de base à la robotique, à l'automobile et au divertissement, en mutualisant les coûts d'entraînement sur trois industries à la fois. Si cette mutualisation tient ses promesses, le prix des futurs générateurs vidéo grand public pourrait bien se décider sur des bancs d'essai de bras robotiques plutôt que sur des plateaux de tournage.