Odyssey-3 disponible : des mondes interactifs en temps réel à partir de texte

Selon une information publiée le 11 octobre 2026, Odyssey, entreprise basée en Californie, a rendu son modèle de monde Odyssey-3 accessible au public sous la forme d’un aperçu de recherche. Le système génère des environnements interactifs en temps réel à partir de commandes textuelles ; les utilisateurs peuvent s’y déplacer selon différents points de vue et déclencher des événements. La démo en ligne gratuite utilise le modèle Odyssey-3 Flash, tandis que les développeurs doivent déposer une demande pour accéder à l’API.

Explorer des mondes décrits par du texte

Odyssey-3 repose sur un transformeur de diffusion autorégressif qui génère de nouvelles images vidéo en tenant compte des images précédentes et des actions de l’utilisateur. L’entreprise indique que le modèle apprend les relations physiques et les liens de cause à effet à partir d’observations visuelles. Son entraînement s’appuie sur des vidéos trouvées sur Internet et associées à des descriptions d’événements, des séquences de jeu accompagnées d’entrées clavier et souris, ainsi que des interactions physiques simulées.

Dans la démo, les utilisateurs peuvent choisir une vue à la première ou à la troisième personne, se déplacer dans l’environnement généré et observer la façon dont le système réagit à leurs actions. Selon l’entreprise, une technique d’entraînement supplémentaire, qui réduit le nombre d’étapes de calcul, permet la génération en temps réel.

Dans sa publication officielle consacrée aux benchmarks, Odyssey décrit le modèle de base Odyssey-3 comme un système de 14 milliards de paramètres qui génère des vidéos en 832 × 480 pixels. La résolution indiquée pour Odyssey-3 Pro est de 1280 × 720 pixels.

Une réserve importante sur les résultats des benchmarks

Selon les résultats communiqués par Odyssey, Odyssey-3 Pro a obtenu un score de 66,1 au test vidéo-à-vidéo Physics-IQ Verified. Toutefois, cette valeur provient d’une seule exécution du test, au cours de laquelle une vidéo sur huit générées pour chaque tâche a été sélectionnée. Les règles de benchmark citées par la source exigent quatre exécutions du test, avec l’écart-type également indiqué, pour pouvoir revendiquer un record. La moyenne des quatre exécutions sans méthode de sélection est de 63,37 points.

Dans l’évaluation WorldMark, d’après les propres résultats de test d’Odyssey, le modèle arrive en tête dans trois des quatre catégories : First-Person Stylized avec 77,2, Third-Person Real avec 79,0 et Third-Person Stylized avec 76,3 points. Il se classe troisième dans la catégorie First-Person Real, avec 80,6 points. Le test évalue notamment le respect des consignes, la qualité des images générées et la cohérence de l’environnement dans le temps. Il faut garder à l’esprit que ces résultats reposent sur l’évaluation de l’entreprise elle-même.

Des objectifs pour la robotique et le contrôle de jeux

Odyssey prévoit d’utiliser son modèle de monde à différentes fins, du pilotage de bras robotisés et de drones au contrôle de personnages de jeux vidéo. Les prédictions du modèle sont converties en commandes par l’intermédiaire de contrôleurs adaptés à chaque domaine d’application. L’entreprise indique qu’un système basé sur Odyssey-3 contrôle plusieurs bras robotisés et peut se remettre de tentatives de préhension infructueuses qui n’ont pas été montrées pendant l’entraînement. Pour ses travaux sur les robots humanoïdes, elle collabore avec l’entreprise suisse de robotique Flexion.

Le contrôleur de drone entraîné par l’entreprise à l’aide de données de vol simulées évite des obstacles et se dirige vers des cibles dans un environnement intérieur virtuel. Dans un autre exemple présenté par Odyssey, une IA conduit des véhicules et affronte des ennemis dans GTA V. L’entreprise cite également le cas d’un contrôleur entraîné sur environ deux heures de séquences de GTA, capable de déplacer un personnage à cheval dans Red Dead Redemption 2 sans entraînement supplémentaire.

Conséquences pour les flux de travail en architecture et en visualisation

L’aperçu public est actuellement axé sur la génération d’environnements interactifs. La source ne fournit aucune information sur une intégration aux logiciels de conception architecturale ou de visualisation ; rien ne permet donc de considérer Odyssey-3 comme une solution appelée à remplacer les outils de production actuels. Toutefois, la possibilité de se déplacer dans des espaces décrits par du texte et d’observer l’effet des actions sur l’environnement mérite l’attention des équipes qui explorent des idées de scènes interactives.

Pour les studios et les artistes 3D, les essais devraient permettre de vérifier la résolution des sorties, la cohérence de l’environnement en réaction aux actions et la compatibilité avec les logiciels utilisés. L’accès à l’API est soumis à une demande ; les tarifs et les conditions d’accès n’ont pas été communiqués. La source ne précise pas non plus la configuration matérielle requise. Pour la robotique et les systèmes autonomes, il ne faut pas en conclure que l’aperçu propose à lui seul une application prête à l’emploi : l’entreprise indique que ses travaux dans ces domaines se poursuivent.