Les jeux vidéo vont-ils entraîner les robots de demain ?
📩 Pour nous contacter: redaction@fw.media
Les jeux vidéo ne sont plus seulement un marché du divertissement, et pourraient devenir l’une des ressources les plus stratégiques de la prochaine génération d’intelligence artificielle. Alors que les grands modèles de langage ont appris à partir des données du web, les robots, les véhicules autonomes et les futurs agents physiques ont besoin d’un autre type d’apprentissage : comprendre comment leurs actions transforment leur environnement. Les mondes virtuels offrent précisément ce terrain d’expérimentation.
La levée de 8 millions d’euros de la startup britannique Worldmodeldata illustre cette tendance. L’entreprise ne développe ni modèle de langage, ni robot, ni puce électronique, mais construit une bibliothèque de données d’entraînement issue des jeux vidéo afin d’alimenter les « world models », ces modèles capables non plus seulement de comprendre le monde, mais d’y agir. Une innovation qui pourrait être transformative pour un secteur aujourd’hui très challengé. Ainsi les jeux vidéo pourraient devenir une infrastructure stratégique de l’IA physique, et y trouver un second modèle économique fondé sur la valorisation de leurs univers virtuels.
Après Internet, où trouver la prochaine matière première de l’IA
L’intelligence artificielle générative s’est construite sur une ressource abondante captée sur Internet. Les grands modèles de langage ont appris à prédire le mot suivant en absorbant des milliards de pages web, de livres, de lignes de code et d’images. Cette stratégie a permis des progrès spectaculaires, mais elle atteint ses limites dès lors que l’objectif n’est plus de produire du texte, mais d’interagir avec le monde.
Reconnaître un marteau sur une photographie est une chose, savoir le saisir, adapter sa prise à son poids, frapper un clou ou anticiper la trajectoire d’un objet en mouvement en est une autre. Les futurs robots, véhicules autonomes ou agents industriels devront raisonner en termes d’actions, de conséquences et de dynamique physique. Ils devront apprendre la causalité.
C’est précisément l’ambition des world models. Contrairement aux modèles génératifs, qui prédisent le contenu le plus probable, ils cherchent à anticiper l’évolution d’un environnement à partir d’une action donnée. Si un robot pousse une porte, que va-t-il se passer ? Si un véhicule freine sur une chaussée humide, comment son environnement va-t-il évoluer ? Cette capacité à simuler mentalement les conséquences d’une décision constitue l’un des principaux axes de recherche des laboratoires d’IA.
Pourquoi les jeux vidéo intéressent désormais les chercheurs
Pour entraîner ces modèles, les données disponibles sur Internet sont insuffisantes. Une vidéo montre qu’une voiture tourne à gauche. Elle ne dit pas pourquoi, avec quel angle de braquage, quelle adhérence des pneus, quelle vitesse ou quelles forces s’exercent sur le véhicule.
À l’inverse, un moteur de jeu vidéo connaît chaque variable de la simulation. Il calcule la gravité, les collisions, les vitesses, les masses, les trajectoires, les contraintes mécaniques et l’ensemble des interactions entre les objets. Chaque action d’un joueur est enregistrée avec son contexte et ses conséquences.
Cette différence est fondamentale, les moteurs développés par Epic Games avec Unreal Engine ou par Unity Technologies ne produisent pas simplement des images, mais génèrent des environnements entièrement simulés dont chaque état est connu. Pour un laboratoire travaillant sur la robotique ou les véhicules autonomes, ces mondes constituent une source de données d’une richesse inédite.
C’est précisément le modèle économique de Worldmodeldata. La startup transforme les parties jouées sur des titres développés sous Unreal ou Unity en jeux de données structurés destinés aux laboratoires d’IA. Contrairement aux pratiques de collecte massive qui ont accompagné l’essor des LLM, la société affirme fonctionner exclusivement via des accords de licence avec les studios et les créateurs, ouvrant la possibilité d’une rémunération des détenteurs de contenus.
Les moteurs de jeu deviennent une infrastructure critique
Cette évolution dépasse largement le seul secteur vidéoludique, depuis plusieurs années, les technologies issues du jeu vidéo migrent progressivement vers l’industrie.
Le projet CARLA, développé sur Unreal Engine, est devenu l’une des principales plateformes de simulation utilisées par les chercheurs travaillant sur les véhicules autonomes. Microsoft a conçu AirSim, également basé sur Unreal, afin d’entraîner des drones et des voitures autonomes dans des environnements virtuels avant tout déploiement réel.
De son côté, NVIDIA a considérablement élargi l’ambition de sa plateforme Omniverse. Initialement pensée pour les jumeaux numériques industriels, elle sert désormais à entraîner des robots via Isaac Sim, un environnement de simulation reposant sur les mêmes principes que les moteurs de jeu : reproduire fidèlement les lois de la physique afin de permettre aux machines d’apprendre sans risque.
Même logique chez Google DeepMind avec Genie et Genie 2, capables de générer des mondes interactifs à partir d’images, ou chez Meta, qui développe Habitat pour entraîner des agents incarnés dans des environnements virtuels.
L’objectif est de remplacer une partie de l’apprentissage dans le monde réel par des milliards d’itérations réalisées en simulation.
L’enjeu économique est immense, car former un robot dans une usine mobilise des équipements coûteux, immobilise du matériel et comporte des risques, or former simultanément des milliers de robots dans un univers virtuel ne nécessite que des ressources de calcul.
Les éditeurs découvrent un second modèle économique
Ce changement pourrait profondément transformer l’industrie du jeu vidéo elle-même. Jusqu’à présent, la valeur économique d’un jeu reposait sur les ventes, les abonnements, les contenus additionnels ou les microtransactions. Demain, les univers virtuels pourraient également devenir des actifs stratégiques pour l’entraînement des intelligences artificielles.
Les studios disposent déjà de ce que recherchent les laboratoires : des villes, des routes, des bâtiments, des personnages, des comportements humains, des interactions physiques et des millions d’heures de gameplay.
Leur patrimoine ne se limiterait plus à une propriété intellectuelle destinée au divertissement, et deviendrait une ressource exploitable pour entraîner les robots de demain.
Worldmodeldata tente précisément d’organiser cette nouvelle chaîne de valeur. Son ambition est de constituer une bibliothèque de plus d’un million d’heures de données d’ici à la fin de 2026, contre environ 40 000 heures pour les plus grands ensembles disponibles aujourd’hui. Si cette promesse est tenue, l’entreprise disposerait d’un actif stratégique difficile à reproduire.
Cette perspective pourrait ouvrir un marché inédit de licences entre les éditeurs de jeux et les laboratoires d’IA. Comme les plateformes musicales ont appris à monétiser leurs catalogues auprès des services de streaming, les studios pourraient demain valoriser leurs univers auprès des développeurs de systèmes autonomes.
Une nouvelle chaîne de valeur de l’IA est en train d’émerger
Worldmodeldata n’est pas un cas isolé, plusieurs entreprises construisent déjà les différentes briques de cette nouvelle économie.
Encord développe des plateformes permettant d’annoter et de gérer les données destinées à l’IA physique. Scale AI poursuit son expansion sur les données utilisées par les secteurs de la défense, de la robotique et des véhicules autonomes. Labelbox se positionne également sur l’organisation des jeux de données industriels.
Sur le terrain des world models, la compétition s’accélère. World Labs, fondée par Fei-Fei Li, ambitionne de construire des modèles capables de comprendre et de générer des environnements tridimensionnels cohérents. Stanhope AI travaille sur des modèles adaptatifs pour la robotique et la défense. Physical Intelligence développe un modèle de fondation destiné à piloter des robots de fabricants différents. Skild AI poursuit une ambition similaire avec une plateforme universelle pour l’IA embarquée. BeyondMath applique ces approches à la simulation physique.
Ces entreprises ne construisent pas directement les robots du futur, mais développent l’infrastructure logicielle, les données et les environnements d’entraînement qui permettront ensuite à d’autres acteurs de les concevoir.
Les limites de la simulation
L’idée selon laquelle les robots pourraient apprendre uniquement dans des jeux vidéo reste néanmoins excessive. La robotique est confrontée depuis longtemps au problème du sim-to-real gap. Un système performant dans une simulation peut échouer dès son premier déploiement réel. Les matériaux vieillissent, les capteurs dérivent, les comportements humains sont imprévisibles et les environnements industriels sont rarement aussi propres que leurs équivalents numériques.
Les jeux vidéo introduisent également leurs propres biais. Les joueurs prennent des risques qu’aucun conducteur réel n’accepterait. Les moteurs physiques privilégient parfois la fluidité de l’expérience au détriment d’une fidélité scientifique absolue. Enfin, les événements rares, pourtant essentiels pour entraîner des systèmes critiques, demeurent difficiles à reproduire.
La simulation ne remplacera donc pas les données issues du terrain, mais permettra en revanche de réduire considérablement le coût et la durée des phases d’apprentissage avant la validation en conditions réelles.
La prochaine bataille de l’IA se jouera sur les données
Depuis trois ans, la compétition mondiale s’est concentrée sur les modèles de langage, les semi-conducteurs et les capacités de calcul. Une nouvelle couche de valeur apparaît désormais, celle des données permettant aux intelligences artificielles d’interagir avec leur environnement.
Cette évolution ouvre une opportunité inattendue pour l’industrie du jeu vidéo. Les moteurs développés pour créer des univers immersifs pourraient devenir des infrastructures critiques de l’IA physique. Les catalogues des éditeurs pourraient acquérir une valeur dépassant largement le divertissement. Et les données produites par des millions de joueurs pourraient devenir l’une des ressources les plus recherchées par les laboratoires travaillant sur les robots, les véhicules autonomes ou les agents industriels.
Si les grands modèles de langage sont les enfants d’Internet, les intelligences artificielles capables d’agir dans le monde réel pourraient bien être, demain, les enfants des mondes virtuels.
