Les grandes boîtes IA abandonnent progressivement l'illusion que des tokens suffisent pour comprendre la réalité. Les world models — ces systèmes capables de construire une représentation interne du monde physique et causal — deviennent le sujet chaud des labos.
Le problème est connu : les LLM actuels excellent à prédire le prochain mot, mais échouent à modéliser les lois de la physique, la causalité, ou la permanence des objets. Les développements récents montrent que la vraie compréhension exige une autre approche : apprendre comment le monde fonctionne, pas juste régurgiter des patterns textuels.
Moins de hallucinations, plus de raisonnement.
Cet intérêt soudain pour les world models marque un tournant : après des années de scaling sur la prédiction textuelle, l'industrie reconnaît qu'il faut aller ailleurs. C'est une admission implicite que les LLM seuls ont atteint un plafond cognitif.
Si ça marche, on passe d'IA qui parlent bien à IA qui comprennent vraiment. Moins de hallucinations, plus de raisonnement. C'est d'ailleurs la seule voie vers des systèmes qui peuvent interagir avec l'environnement — robotique, autonome, et le reste.