Decart Oasis 3 : Simulation Photorealiste Pour Voitures Autonomes

Imaginez pouvoir tester des millions de scénarios de conduite rares sans jamais prendre le volant dans la vraie vie. C’est précisément ce que propose aujourd’hui une startup qui fait parler d’elle dans le monde de l’intelligence artificielle. Avec son nouveau modèle Oasis 3, Decart repousse les limites de ce que l’on pensait possible en matière de simulation réaliste pour les véhicules autonomes.

Oasis 3 : une nouvelle ère pour les modèles de monde

Lancé officiellement cette semaine, Oasis 3 n’est pas un simple générateur de vidéos. Il s’agit d’un véritable modèle de monde interactif capable de créer des environnements de conduite photoréalistes en temps réel. Les développeurs peuvent interagir pendant des heures avec ces simulations, ouvrant des perspectives fascinantes pour l’entraînement des systèmes de conduite autonome.

Disponible via une API dès son annonce, cette technologie cible en priorité les entreprises spécialisées dans les véhicules autonomes. Pourtant, ses ambitions vont bien au-delà. Decart voit déjà son outil s’étendre à la robotique et à d’autres domaines de l’IA physique. L’approche est claire : créer un écosystème de développeurs autour des modèles de monde, à l’image de ce qu’OpenAI a réussi avec les modèles de langage.

Une startup en pleine ascension

Âgée de seulement deux ans, Decart n’en est pas à son coup d’essai. La jeune entreprise compte déjà plus de 100 000 développeurs dans sa communauté, beaucoup d’entre eux utilisant Lucy, son modèle de vidéo en temps réel, pour des applications en e-commerce et livestreaming. Oasis 3 s’appuie sur cette base solide pour conquérir le terrain de l’IA incarnée.

Le succès commercial ne se fait pas attendre. Récemment, Decart a levé 300 millions de dollars, portant sa valorisation proche des 4 milliards. Parmi les investisseurs stratégiques, on retrouve des géants comme Toyota, Adobe, eBay et Nvidia. Ces partenariats ne sont pas anodins : ils signalent un intérêt concret pour les applications futures du modèle.

« C’est le premier modèle de monde vraiment utilisable sur lequel les gens peuvent programmer. Je pense qu’une communauté entière de développeurs va émerger autour de cette technologie. »

– Dean Leitersdorf, co-fondateur et CEO de Decart

Des performances impressionnantes

Ce qui distingue Oasis 3 de ses concurrents, c’est d’abord son niveau de photoréalisme. À partir d’un simple prompt textuel, le modèle génère des environnements multi-caméras : une vue avant et deux vues latérales. Ces simulations respectent étonnamment bien les lois de la physique dans leurs premiers instants, offrant un point de départ crédible pour les tests.

L’efficacité constitue un autre point fort majeur. Grâce à son stack d’optimisation DOS (Decart Optimization Stack), l’entreprise parvient à faire tourner ses modèles de manière extrêmement économique sur du hardware Nvidia, Amazon ou Google. Le coût annoncé reste accessible : 0,02 dollar par seconde, avec des tarifs enterprise adaptés.

Cette optimisation permet une génération infinie de scénarios. Contrairement aux démonstrations limitées proposées par d’autres acteurs comme Google avec Genie 3 ou World Labs avec Marble, Decart mise sur la possibilité de créer indéfiniment de nouveaux environnements. Un avantage considérable pour les équipes qui cherchent à multiplier les cas limites.

Le défi de la cohérence sur la durée

Malgré ces avancées, Oasis 3 n’est pas exempt de limites. Lorsque l’on prolonge la simulation sur de longues périodes, la cohérence thématique commence à s’effriter. Une rue de New York parfaitement recréée peut progressivement se transformer en un décor urbain plus générique. Les bâtiments perdent leurs caractéristiques spécifiques, et le sentiment d’un lieu unique s’estompe.

Pire encore, si l’on tente de revenir en arrière, l’environnement initial a souvent disparu, remplacé par de nouvelles configurations. Ce phénomène s’explique en partie par l’architecture auto-régressive du modèle, qui génère image par image en se basant sur le contexte précédent. Avec des milliers de tokens par frame, la fenêtre de contexte se remplit rapidement.

Les contrôles de conduite manquent également de précision. Il n’est pas rare de perdre le contrôle du véhicule virtuel, un problème partagé par de nombreux modèles de monde actuels. Ces défis techniques rappellent que la technologie reste jeune, même si les progrès sont fulgurants.

Les enjeux de la physique dans les simulations

Un autre point faible notable concerne les interactions physiques. Les véhicules peuvent traverser d’autres voitures sans collision réaliste. Dean Leitersdorf reconnaît ouvertement ce problème majeur sur lequel l’équipe travaille activement. Selon lui, la difficulté provient du déséquilibre dans les données d’entraînement : il existe beaucoup plus d’exemples de bonne conduite que d’accidents ou de situations critiques.

Cette question de la physique cohérente est fondamentale pour que les simulations soient réellement utiles à l’entraînement des systèmes de conduite autonome. Sans respect précis des règles du monde physique, les modèles entraînés risquent de développer des comportements imprévisibles en conditions réelles.

Vers des améliorations rapides

L’équipe de Decart ne reste pas inactive face à ces défis. Des travaux sont en cours pour étendre la mémoire contextuelle du modèle. L’objectif est de passer à des millions de tokens tout en compressant efficacement les informations. La prochaine version devrait permettre de démarrer une simulation à partir d’une vidéo plutôt que d’une simple image, améliorant significativement la cohérence initiale.

Ces évolutions techniques sont cruciales. Dans un secteur où la sécurité prime, une simulation qui dévie trop de la réalité perd rapidement son intérêt pratique. Decart semble conscient de cette exigence et avance méthodiquement.

Impact sur l’industrie des véhicules autonomes

Les constructeurs automobiles et les startups de mobilité investissent massivement dans la simulation. Tester des situations rares comme des tempêtes de neige soudaines, des animaux traversant la route ou des pannes mécaniques complexes demande des ressources considérables en conditions réelles. Oasis 3 pourrait drastiquement réduire ces coûts tout en augmentant le volume de données d’entraînement.

Les investisseurs stratégiques comme Toyota soulignent l’intérêt concret pour cette technologie. En intégrant des modèles de monde avancés, les équipes de développement peuvent itérer plus rapidement sur leurs algorithmes de perception et de décision. Le temps entre une idée et un test concret se réduit considérablement.

• Génération infinie de scénarios complexes
• Environnements multi-caméras photoréalistes
• Coûts opérationnels réduits grâce à l’optimisation
• API accessible pour les développeurs
• Potentiel d’extension à la robotique

Comparaison avec la concurrence

Le paysage des modèles de monde s’intensifie. Google, World Labs, Luma ou Runway proposent tous des approches intéressantes. Pourtant, Oasis 3 se distingue par son accessibilité immédiate via API et son focus sur la génération longue durée. Si la cohérence reste perfectible, le niveau de réalisme initial impressionne les premiers testeurs.

L’avantage compétitif de Decart repose aussi sur son intégration verticale. En maîtrisant à la fois le modèle et l’optimisation hardware, l’entreprise contrôle mieux ses coûts et ses performances. Cette stratégie pourrait s’avérer décisive dans une course où l’efficacité computationnelle devient un facteur clé.

Les perspectives pour les développeurs

Au-delà des applications immédiates dans l’automobile, Decart mise sur l’émergence d’une communauté créative. Comme aux débuts des grands modèles de langage, les développeurs indépendants et les petites équipes pourraient inventer des usages inattendus. Des applications en formation de conducteurs, en jeux vidéo ultra-réalistes ou en planification urbaine intelligente sont déjà envisagées.

Le CEO de Decart compare volontiers ce moment à l’arrivée des API OpenAI. Il espère que dans quelques mois, des centaines d’applications surprenantes auront vu le jour grâce à Oasis 3. Cette vision d’un écosystème ouvert constitue peut-être l’aspect le plus prometteur de cette annonce.

Défis éthiques et de sécurité

Comme toute technologie puissante, les modèles de monde soulèvent des questions importantes. Comment garantir que les simulations ne propagent pas de biais présents dans les données d’entraînement ? Quelles mesures de sécurité doivent accompagner l’utilisation de ces outils par des acteurs tiers ?

Decart semble attentif à ces enjeux, même si les détails restent encore limités. Dans un domaine où les erreurs peuvent avoir des conséquences graves sur la route, la transparence et la validation rigoureuse seront essentielles pour gagner la confiance du public et des régulateurs.

Un marché en pleine effervescence

Le secteur de l’IA pour la mobilité connaît une croissance exponentielle. Entre les promesses des véhicules autonomes et les défis techniques persistants, les outils de simulation comme Oasis 3 arrivent au bon moment. Ils pourraient accélérer significativement le chemin vers une mobilité plus sûre et plus efficace.

Avec le soutien d’investisseurs majeurs et une communauté de développeurs déjà établie, Decart se positionne comme un acteur sérieux dans cette transformation. Les prochains mois seront déterminants pour voir si Oasis 3 tient toutes ses promesses ou si les limitations actuelles freinent son adoption massive.

L’aventure ne fait que commencer. Alors que l’IA continue de s’incarner dans le monde physique, les modèles de monde comme celui-ci joueront un rôle central. Ils représentent non seulement un outil technique puissant mais aussi une fenêtre sur ce que pourrait être la mobilité de demain : plus intelligente, plus sûre et profondément assistée par l’intelligence artificielle.

Les passionnés de technologie et les professionnels de l’automobile ont tout intérêt à suivre de près l’évolution de Decart. Cette startup pourrait bien contribuer à résoudre certains des plus grands défis de notre époque en matière de transport et de sécurité routière. L’avenir de la conduite autonome passe par des simulations toujours plus réalistes, et Oasis 3 marque une étape importante dans cette direction.

En attendant les prochaines mises à jour et les premières applications concrètes développées par la communauté, une chose est certaine : les modèles de monde sont là pour rester et transformer profondément notre façon de concevoir et de tester les technologies du futur.