Fysiverse : la Chine intègre les lois physiques dans son IA

La start-up shanghaïenne Fysics AI a lancé le 25 juin le Fysiverse, un modèle qui grave directement les lois de la physique dans son architecture. Le fondateur Zhang Lihua, ex-manager senior chez Nvidia, propose une alternative frontale à la voie data-driven de Sora et V-JEPA. Le pari : rendre l’IA fiable dans les situations que les modèles vidéo n’ont jamais vues.

Pour résumer

• Fysics AI (Shanghai) sort le Fysiverse, un modèle de monde qui embarque les lois physiques dans son code
• L’approche s’écarte de celles d’OpenAI (Sora) et Meta (V-JEPA), toutes deux data-driven
• Cible : création de contenu, entraînement robotique et conduite autonome

Une nouvelle façon de fabriquer un modèle de monde

Le Fysiverse a été présenté le 25 juin sur le compte WeChat de Fysics AI. La formule commerciale est brève : un modèle qui adhère aux lois physiques réelles. La différence tient dans un choix d’architecture, pas d’échelle. Là où les grands modèles occidentaux apprennent la physique à partir de vidéos, Fysics AI l’intègre dans la structure même du modèle.

Un modèle de monde produit des simulations cohérentes : une balle qui tombe rebondit, un liquide qui se renverse coule, un objet lourd déforme ce qu’il touche. Pour un LLM ou un modèle vidéo classique, cette cohérence dépend entièrement du volume et de la qualité des données d’entraînement.

Fysics AI attaque ce point. Le lab affirme que ses concurrents laissent passer trois familles d’erreurs : les illusions physiques (une scène qui a l’air correcte mais viole la gravité ou l’inertie), les échecs de raisonnement causal, et les effondrements dans les scénarios non standards, ceux justement absents des vidéos d’entraînement.

Le fondateur Zhang Lihua vient de Nvidia, où il a été manager senior. Ce profil compte : la boîte a la culture GPU et la maîtrise CUDA pour porter un modèle avec des contraintes physiques dures. Ce n’est pas une simple couche de fine-tuning au-dessus d’un modèle open source, c’est un objet différent.

Ce pari s’inscrit dans une trajectoire chinoise plus large. Depuis un an, DeepSeek a bousculé la course frontière en misant sur l’efficience côté modèle, et DeepSeek a levé 50 milliards de dollars avec Tencent pour financer l’échelle suivante. Fysics AI joue une autre carte : l’architecture, plutôt que la data brute.

Sora, V-JEPA, Fysiverse : trois routes vers le même objectif

Comparer les trois approches aide à cerner le pari. Sora, chez OpenAI, apprend depuis des jeux de données vidéo massifs. Le modèle infère les régularités du monde par imitation statistique : plus il voit d’exemples, plus il « sait » comment un ballon roule sur une table.

V-JEPA chez Meta emprunte une autre voie. Le modèle utilise l’apprentissage auto-supervisé pour reconstruire ce qui manque dans une scène, sans jamais recevoir un manuel de physique. La compréhension implicite est censée émerger du volume de données observées.

Fysiverse fait le choix inverse. Les lois physiques sont posées comme contraintes en amont, encodées dans l’architecture. Le réseau apprend à raisonner dans un espace où la gravité, l’inertie, la conservation d’énergie ne sont pas à découvrir mais à respecter. La promesse : moins d’illusions, moins de failles dans les cas atypiques.

Ce n’est pas la première fois que la Chine tente de court-circuiter la roadmap américaine par l’architecture. Le pattern s’était déjà vu avec les modèles open weight, où MiniMax M3 a poussé un open weight compétitif face aux modèles fermés d’OpenAI ou Anthropic. Fysics AI vise la même bascule, sur un autre segment.

Reste la question de la preuve. À date, Fysics AI communique une promesse et des cas d’usage. Les benchmarks publics manquent. Un modèle de monde qui prétend surperformer sur les scénarios non standards doit encore le montrer sur des évaluations qu’un tiers puisse répliquer.

À voir également sur Horizon :

• Zuckerberg agents IA : plus lents que prévu chez Meta
• Sakana AI : notre test de l’IA dont tout le monde parle
• Prototype IA SpaceX : téléphone en approche, Musk dément

Trois marchés cibles : robotique, conduite, contenu

Fysics AI cite trois débouchés. Le premier est la création de contenu, avec des vidéos et animations moins buggées côté cohérence physique. Le deuxième est l’entraînement de robots. Un robot appris dans un simulateur qui obéit aux vraies lois de la physique transfère mieux ses compétences dans le monde réel.

Le troisième est la conduite autonome. Une voiture autonome doit anticiper des situations rares (freinage sur verglas, comportement d’un piéton devant un obstacle, réaction du véhicule sur une chaussée déformée). Ces scénarios sont sous-représentés dans les vidéos d’entraînement, précisément là où Fysiverse revendique un avantage.

À court terme, l’impact se joue sur le marché chinois. Les acteurs domestiques (constructeurs auto, plateformes vidéo, robotique industrielle) préfèrent structurellement les briques locales. Fysics AI n’a pas besoin de convaincre San Francisco pour signer ses premiers gros contrats.

À moyen terme, la question devient celle de l’export. Un modèle né en Chine avec un fort volet robotique tombe dans les catégories que Washington surveille. Les revues client par client des modèles frontière montrent que l’administration américaine trace désormais des lignes très fines sur la circulation des briques IA sensibles.

Un signal complémentaire vient du marché entreprise. Depuis six mois, des acteurs américains testent l’IA chinoise pour réduire leur facture compute. Coinbase a divisé sa facture IA de 50 pour cent en migrant vers des modèles chinois. Si Fysiverse tient techniquement, le raisonnement peut s’étendre au segment world models.

La vraie inconnue est le timing d’ouverture. Fysics AI n’a pas précisé si Fysiverse serait proposé en API, en licence entreprise, ou en modèle ouvert. Les trois options changeraient radicalement la vitesse d’adoption et la position de la boîte dans le paysage.

Affaire à suivre sur Horizon.