← Retour au blog
AiEnviron 7 min de lecture

Frameboy diffuse un world model dans votre navigateur à 15 FPS. Le débit d'images est l'argument.

Publié le 7 nov. 2026
Frameboy diffuse un world model dans votre navigateur à 15 FPS. Le débit d'images est l'argument.

World Labs a publié le 5 novembre un aperçu de recherche qui permet de se déplacer dans un monde généré à partir d'une seule photographie. Tout tourne dans un onglet de navigateur. Les images sont rendues sur des GPU cloud et diffusées jusqu'à 15 par seconde pendant que vous orientez la caméra.

La démo s'appelle Frameboy, et elle a l'air d'une console portable. Vous choisissez une cartouche, attendez quelques secondes, et vous voilà dans une pièce qui n'existait pas avant votre clic. La croix directionnelle vous déplace. Le stick tourne votre tête. C'est un peu saccadé, parce que 15 images par seconde, c'est 15 images par seconde.

World Labs en est conscient. La formulation de l'entreprise, c'est qu'il s'agit d'un aperçu, qu'il doit tourner sur du matériel cloud, et que cela coûte plus cher qu'un rendu local. Ce qu'elle veut que vous remarquiez est ailleurs.

L'argument porte sur le coût d'itération, pas sur la fidélité

Si Atlas met des dizaines de secondes ou plusieurs minutes à rendre un plan, vous planifiez prudemment. Vous choisissez un trajet de caméra, vous vous engagez, vous attendez, vous regardez le résultat, puis vous ajustez une chose et vous attendez encore. Chaque tentative a un prix en minutes et en attention, donc vous en faites moins, et celles que vous faites sont prudentes.

Ramenez l'attente à presque rien et l'économie s'inverse. World Labs le formule ainsi : quand le coût d'une mauvaise idée est proche de zéro, il n'y a plus de mauvaises idées. Ce qui était une erreur devient une exploration.

C'est une affirmation sur la façon de travailler, et elle se vérifie facilement contre ses propres habitudes. Quiconque a utilisé un outil de vidéo générative lent connaît cet état mental particulier où l'on thésaurise les prompts. Vous en écrivez trois, vous réfléchissez à celui que vous allez dépenser, vous prenez le plus sûr. Un outil qui répond instantanément reçoit vingt prompts, et le vingtième est celui que vous n'auriez jamais tapé si vous aviez fait attention.

Quinze images par seconde, c'est en dessous de ce qu'exige un casque et en dessous de la sensation d'un jeu. C'est assez pour que la boucle ressemble à un pilotage plutôt qu'à une commande. C'est cette distinction qui fait l'essentiel du travail dans cette sortie.

Ce qu'est réellement Atlas

Atlas est sorti début septembre. Le choix de conception qui le sépare des world models précédents, c'est ce qu'il prend comme contexte. La plupart des systèmes de vidéo générative se conditionnent sur un prompt texte et un axe temporel. Atlas se conditionne sur un contexte spatial, une représentation partagée capable d'absorber texte, images, vidéo et entrées 3D, et génère l'image suivante à partir d'une pose de caméra à l'intérieur de cet espace.

Son prédécesseur, RTFM, pouvait interpoler entre des points de vue déjà existants. Atlas génère des scènes de zéro, à partir d'une seule image ou d'une légende. Il conserve aussi la capacité de synthèse de vues nouvelles : vous pouvez lui donner quelques photographies d'un lieu réel et naviguer entre elles et au-delà.

Frameboy sert une variante d'Atlas fortement réglée pour la vitesse d'inférence. L'entreprise affirme que ce réglage n'a rien coûté sur la qualité des vues nouvelles, ce qui est le genre de promesse que seul un test externe tranche.

Deux chemins de construction sont exposés dans la démo. Dans le premier, vous donnez une image et Atlas s'étend vers l'extérieur, inventant les points de vue qui remplissent le reste de la scène. Dans le second, vous donnez quelques photos d'un monument réel et il reconstruit l'espace assez bien pour qu'on y marche. Le premier est plus impressionnant. Le second est plus utile, parce que repérer un lieu où l'on peut réellement aller est une tâche pour laquelle des gens paient déjà.

C'est Viewfinder qui est livré

Les mondes de la démo sont sélectionnés. Vous ne pouvez pas encore téléverser vos propres photos pour générer un espace praticable, du moins pas par le chemin public.

Cette capacité est dans Viewfinder, l'application web de World Labs pour construire des scènes image par image, actuellement en bêta fermée. Chaque image générée porte la couleur et la profondeur. Une fois la scène assemblée, une surcouche Frameboy en diffuse l'exploration en direct. Le pipeline est : construire hors ligne, explorer en temps réel.

Les images avec profondeur sont l'indice. Un système qui sort des images plates est un générateur de vidéo. Un système qui sort couleur plus profondeur à chaque image est un moteur de rendu que d'autres logiciels peuvent consommer. C'est pourquoi la description de l'entreprise atterrit sur « moteur de rendu génératif de nouvelle génération » plutôt que « modèle vidéo ».

La question matérielle en dessous

Frameboy est arrivé six semaines après l'annonce par AMD du rachat de World Labs, dans une opération entièrement en actions valorisée à environ 8.2 milliards de dollars. La transaction devrait être finalisée avant la fin de 2026, sous réserve d'approbation réglementaire. Li Fei-Fei, cofondatrice de World Labs, doit devenir vice-présidente exécutive et scientifique en chef d'AMD, rattachée à Lisa Su.

La collaboration précède l'accord. Les deux entreprises ont passé l'année écoulée à optimiser les modèles de World Labs pour l'entraînement et l'inférence sur GPU AMD. Frameboy sert donc aussi de démonstration : un world model temps réel peut être servi sur les accélérateurs d'un seul fournisseur, à une vitesse qui rend un produit interactif possible.

Ce contexte explique les limites honnêtes de l'annonce. Faire tourner cela en local n'est pas à l'ordre du jour pour le grand public. Le coût du temps GPU cloud est supérieur au rendu local, et l'entreprise le dit directement, en ajoutant la prédiction que matériel et algorithmes s'adapteront l'un à l'autre et que l'ensemble deviendra moins cher. C'est ce qu'une entreprise avec un partenaire d'accélérateurs est autorisée à dire tout haut.

Ce qui manque encore

La liste est courte et précise.

Quinze images par seconde se dégradent quand la caméra bouge vite. Les longs balayages dans une scène perdent en stabilité. L'accès public est limité à des mondes sélectionnés, donc la question intéressante, à savoir ce qui se passe quand quelqu'un téléverse une série désordonnée de photos prises au téléphone sous un mauvais angle, reste sans réponse. Viewfinder est en bêta fermée. Pas de tarif, pas de SLA, et aucune indication sur la durée d'une session avant que la qualité ne dérive.

Il y a aussi un problème plus discret que personne n'a résolu. La synthèse de vues nouvelles échoue d'une manière caractéristique : le modèle ne sait pas ce qu'il y a derrière le canapé, alors il invente quelque chose de plausible, puis se contredit quand vous revenez de l'autre côté. La cohérence sur une orbite complète est l'épreuve qui sépare une démo d'un outil, et les scènes de la démo sont choisies pour être flatteuses.

Rien de tout cela n'affaiblit la sortie. Ce qui est intéressant dans Frameboy, c'est qu'il avance une affirmation mesurable et réfutable sur la manière dont les gens travaillent : raccourcissez assez la boucle de retour et votre façon d'utiliser l'outil change avec sa vitesse. Cette affirmation se vérifie. Donnez à une équipe de previz une version lente et une version rapide du même modèle, et comptez combien de trajets de caméra elle essaie.

Si le compte monte, le métier du world model a un produit. S'il ne monte pas, alors 15 images par seconde est un chiffre dans un communiqué, et le vrai marché reste là où il est : génération hors ligne, planification prudente, et beaucoup d'attente.

Articles associés