Prendre un virage serré, intercepter un ballon ou sauter au bon moment : les gamers s’entraînent sans cesse à regarder, prévoir et agir. L’entrepreneur néerlandais Pim de Witte en fait la base d’une entreprise d’IA. Lors de sa dernière levée de fonds, General Intuition a été valorisée à 6,2 milliards de dollars.
L’entreprise a de nouveau levé 220 millions de dollars, a annoncé De Witte. Derrière cette énorme valorisation se cache une idée séduisante : les milliards de vidéos réalisées par les gamers peuvent aider les machines à apprendre comment se déplacer dans un environnement et quel effet produisent leurs actions.
Une séquence de jeu avec une couche supplémentaire
De Witte a auparavant fondé Medal, qui permet aux gamers d’enregistrer et de partager des moments de leurs parties. Pour l’IA, c’est surtout la combinaison des images et des actions correspondantes qui est intéressante. Qu’a vu un joueur, sur quel bouton a-t-il appuyé et que s’est-il passé ensuite ? Cela fournit des exemples de décisions dans un monde en mouvement.
Selon De Witte, Medal est en passe d’atteindre trois milliards de mises en ligne par an. General Intuition s’entraîne sur des images de jeu annotées avec les actions et veut mettre ses modèles à la disposition de partenaires dans les jeux vidéo, la simulation et la robotique. Une plateforme dédiée aux éliminations spectaculaires et aux virages réussis acquiert ainsi une seconde fonction : source d’entraînement.
Quelle différence avec ChatGPT ?
Un modèle de langage comme ChatGPT excelle à traiter et produire du langage et peut aussi analyser des images. Mais un robot doit en plus exécuter une action physique au bon moment. Un modèle du monde tente de prédire comment un environnement évolue ; un modèle d’action choisit ce que le système fait ensuite.
Prenons un jeu de course. Une explication sur le freinage est utile, mais pour passer le virage, un système doit aussi estimer la vitesse, la distance et le mouvement. Il peut anticiper les actions possibles : braquer plus fort, freiner plus tôt ou au contraire attendre. Les modèles du monde peuvent ainsi servir d’environnement d’entraînement et de brique prédictive pour une IA qui exécute elle-même des tâches.
À essayer soi-même : jouer au football avec un modèle du monde
Il y a désormais plus à voir qu’une annonce de financement. Avec MIRA, General Intuition présente, avec Kyutai et en collaboration avec Epic Games, un modèle du monde jouable autour de Rocket League. C’est le jeu dans lequel des voitures poussent un énorme ballon de football.
Le modèle a appris à partir de 10 000 heures de données de jeu collectées avec des bots publics. Il génère un monde de jeu à quatre joueurs et, selon ses créateurs, réagit à leurs commandes à vingt images par seconde. Les chercheurs décrivent l’approche dans leur publication technique. C’est une démonstration concrète d’un modèle qui ne se contente pas de produire une vidéo, mais traite l’interaction.
Google et Nvidia voient la même opportunité
De Witte évolue dans un domaine de recherche très actif. Avec Project Genie, Google explique comment les modèles du monde peuvent générer des environnements interactifs. Avec ses world action models, Nvidia étudie comment des robots peuvent prédire à la fois leur prochain mouvement et l’image attendue de la caméra.
Pour un bras robotisé, cela signifie par exemple anticiper ce qui se passe lorsqu’il saisit une tasse ou déplace un chiffon. L’application dépasse donc les jeux vidéo : la même question de recherche se pose dans les entrepôts, les véhicules et les usines. Le passage exige toutefois un entraînement complémentaire sur de vraies machines et dans des conditions réelles.
Un fondateur néerlandais aux ambitions internationales
General Intuition s’appuie sur une équipe internationale et recrute, selon De Witte, à New York et en Europe. L’entreprise indique sur son site avoir levé plus de 650 millions de dollars au cours de l’année écoulée. La nouvelle valorisation indique combien les investisseurs sont prêts à payer pour une participation ; ce n’est pas un chiffre d’affaires.
Le plus frappant dans cette histoire reste la matière première. Ce qui a commencé comme le partage de moments de jeu amusants pourrait devenir une source pour des machines qui apprennent à mieux anticiper. Si cette approche réussit, les gamers n’auront pas seulement entraîné leurs propres réflexes, mais aussi un morceau de la prochaine génération d’IA.
