World Labs veut transformer n’importe quelle image en monde 3D interactif

Une photographie d’intérieur, une illustration de paysage ou une image créée par IA peuvent donner l’impression d’ouvrir une fenêtre sur un monde. Mais cette fenêtre reste normalement fixe : elle ne révèle que le point de vue choisi au moment de la prise de vue ou de la génération. World Labs entend faire tomber cette limite. La jeune pousse spécialisée dans l’intelligence artificielle a présenté, le 3 décembre 2024, un système capable de convertir une image représentant une scène en un espace 3D dans lequel l’utilisateur peut se déplacer.

La promesse est à la fois simple à comprendre et techniquement ambitieuse : partir d’une image plate, en deux dimensions, puis produire un environnement qui paraît avoir du volume, de la profondeur et des prolongements hors champ. Dans les démonstrations décrites par l’entreprise, la navigation s’effectue avec un clavier et une souris. L’utilisateur ne regarde donc plus seulement une image, il explore une interprétation tridimensionnelle de celle-ci.

Une image ne suffit pas à décrire un monde en trois dimensions

Une image 2D contient de nombreux indices sur l’espace : la perspective, les ombres, la taille apparente des objets, les lignes de fuite ou encore les éléments qui se masquent les uns les autres. Un humain les interprète spontanément. Il comprend qu’un couloir continue derrière une porte, qu’un mur possède une épaisseur ou qu’un objet placé devant un autre le cache partiellement.

Pourtant, l’image ne donne pas toutes les réponses. Elle ne montre pas ce qui se trouve derrière l’appareil, derrière les objets ou de l’autre côté d’un mur. Pour passer à la 3D, un système doit donc estimer la géométrie de la scène et imaginer les éléments manquants de manière cohérente avec ce qui est visible.

C’est précisément ce qui distingue un rendu 3D interactif d’un simple effet de profondeur, comme un déplacement virtuel de caméra très limité sur une photo. Dans le cas présenté par World Labs, l’objectif est de permettre une exploration plus libre de l’espace généré.

Ce que World Labs annonce le 3 décembre 2024

World Labs présente son projet comme un système de génération de mondes 3D interactifs depuis des images d’entrée. Au moment de cette annonce, le produit n’a pas encore de nom public. L’entreprise explique qu’une image figurant une scène peut servir de point de départ, qu’il s’agisse d’un paysage, d’un intérieur ou d’une création visuelle plus artistique.

Le système génère alors une version en trois dimensions de la scène. Selon les éléments communiqués, il ne se contente pas de placer en volume les objets déjà présents dans l’image. Il peut aussi enrichir l’environnement avec de nouveaux éléments : passages supplémentaires, décorations, œuvres d’art au plafond et autres détails destinés à rendre l’espace plus exploratoire.

Ce choix est central. World Labs ne présente pas son outil comme un logiciel de modélisation classique, où chaque meuble, mur ou relief serait construit manuellement et contrôlé avec précision. L’IA doit plutôt proposer rapidement un monde cohérent à partir de l’intention visuelle contenue dans l’image initiale.

Pour les créateurs, le gain espéré est celui de la vitesse. Une seule illustration pourrait devenir le point de départ d’une visite, d’un décor virtuel ou d’une expérience immersive. Pour autant, cette rapidité suppose d’accepter que le système fasse des choix de génération là où l’image ne fournit aucune information.

Comment une scène peut-elle devenir explorable ?

Le principe général consiste à analyser les relations spatiales suggérées par l’image. Une route qui rétrécit vers l’horizon suggère une distance. Les bords d’une pièce indiquent la forme du sol et des murs. La lumière et les ombres aident également à comprendre le relief apparent des objets. À partir de ces signaux, un système génératif peut construire une représentation spatiale destinée à être visualisée sous de nouveaux angles.

Dans le système de World Labs, cette représentation doit en outre rester suffisamment cohérente lorsque l’utilisateur se déplace. Si la caméra avance, les surfaces proches doivent grandir, les objets éloignés doivent conserver leur position relative, et les zones nouvellement révélées doivent s’intégrer au reste du décor.

C’est une difficulté plus importante que la création d’une image isolée. Une image générée peut être séduisante même si certains détails n’obéissent pas parfaitement aux lois de l’espace. Dans une scène navigable, les incohérences deviennent plus visibles : une porte peut mener vers un volume improbable, un objet peut changer de forme selon l’angle, ou une texture peut perdre en netteté quand l’utilisateur s’en approche.

World Labs indique travailler sur deux critères essentiels : l’échelle des mondes générés et leur fidélité. Autrement dit, l’entreprise cherche à produire des environnements plus vastes tout en conservant une représentation convaincante de l’image de départ.

Une liberté de déplacement et de personnalisation annoncée

La navigation constitue la fonction la plus marquante de l’outil. Là où une image reste attachée au cadrage imaginé par son auteur, la scène produite par World Labs est pensée pour être parcourue. L’utilisateur peut ainsi regarder dans d’autres directions et explorer des détails qui n’étaient pas visibles dans le visuel initial.

L’entreprise annonce également plusieurs possibilités de modification : ajustement des angles de caméra, travail sur la profondeur, zoom et application d’effets 3D. Ces réglages pourraient permettre de faire varier l’impression de volume ou de présenter une même scène selon plusieurs cadrages.

Cette souplesse ouvre des usages très différents. Un artiste peut vouloir prolonger l’univers d’une illustration. Un concepteur peut tester la sensation d’un décor avant d’en produire une version plus aboutie. Un créateur de contenu peut imaginer une visite dans un monde issu d’une image. Dans tous les cas, la scène n’est pas seulement convertie, elle devient une matière à manipuler.

De l’image générée au monde 3D : une chaîne de création possible

World Labs envisage son système comme une brique qui peut s’intégrer à d’autres outils d’IA. Le parcours de création décrit par l’entreprise peut commencer avec un générateur d’images à partir de texte, comme Ideogram, Dall-E ou Midjourney. Une personne formule une idée, obtient une image, puis utilise cette image comme point de départ pour produire un environnement 3D.

Cette succession d’étapes répond à une évolution plus large de la création assistée par IA. Les outils de texte vers image rendent accessible la production rapide d’illustrations. La génération de scènes 3D promet d’ajouter une dimension d’exploration et de mise en espace à ces créations.

Il faut toutefois distinguer une scène exploratoire d’un environnement directement prêt pour tous les usages professionnels. Dans le jeu vidéo, par exemple, un niveau doit souvent respecter de nombreuses contraintes : collisions, règles de déplacement, objets interactifs, optimisation technique, logique de jeu et compatibilité avec les moteurs utilisés par les studios. World Labs estime que sa technologie pourrait potentiellement servir à créer des environnements de jeux vidéo, mais précise que des tests supplémentaires sont nécessaires pour son intégration dans des contextes ludiques.

L’intérêt est donc moins de remplacer d’emblée les logiciels et les équipes de production que d’accélérer une première phase d’idéation. Une image peut devenir un prototype d’espace, une référence immersive ou une base créative à retravailler.

Les limites d’une 3D créée à partir d’un seul visuel

La force du procédé est aussi sa principale limite : une seule image ne documente qu’une fraction de la scène. Lorsqu’un système ajoute une galerie, une pièce, des objets ou un plafond détaillé, il produit une hypothèse créative. L’IA peut viser la cohérence visuelle, mais elle ne peut pas connaître avec certitude ce qui se trouvait hors du cadre d’origine.

Cette distinction importe particulièrement si l’on utilise des photographies de lieux réels. Un système de ce type peut offrir une expérience immersive ou artistique, mais ne doit pas être confondu avec une mesure exacte, une visite architecturale certifiée ou une restitution fidèle d’un bâtiment. Pour de tels usages, la capture de nombreuses images, des relevés spécialisés ou la modélisation humaine restent nécessaires.

La qualité dépendra aussi fortement de l’image de départ. Une scène lisible, avec des éléments bien définis et une perspective claire, donne davantage d’indices spatiaux. À l’inverse, un visuel très abstrait, très flou ou composé d’objets difficiles à interpréter peut rendre la génération plus incertaine.

Un outil encore fermé au grand public

Au 3 décembre 2024, le système présenté par World Labs n’est pas accessible au grand public. La startup indique continuer à l’améliorer et travailler avec différents créateurs afin de tester et d’affiner ses capacités. Les personnes intéressées peuvent s’inscrire sur une liste d’attente pour recevoir des informations sur sa sortie officielle.

Cette phase de prévisualisation est importante pour un outil dont la valeur repose sur la fluidité de l’expérience. Il ne suffit pas de produire une belle vue fixe : la scène doit rester convaincante quand la caméra se déplace, conserver une échelle crédible et afficher suffisamment de détails pour que l’exploration ait un intérêt réel.

L’absence d’accès ouvert signifie aussi qu’il est trop tôt pour mesurer de façon indépendante la régularité des résultats, les performances sur des images très diverses ou les possibilités exactes d’exportation et d’intégration dans les logiciels de création.

Ce qu’il faut surveiller

La présentation de World Labs illustre une ambition majeure de l’IA générative : passer de contenus isolés, comme une image ou une vidéo, à des espaces dans lesquels on peut évoluer. Si les mondes 3D deviennent suffisamment cohérents, rapides à produire et simples à modifier, ils pourraient changer la manière de concevoir des décors, des expériences culturelles ou des prototypes de jeux.

Les critères décisifs seront la fidélité visuelle lors des déplacements, l’ampleur des scènes que le système sait gérer, la précision des contrôles laissés aux créateurs et sa capacité à s’insérer dans les outils existants. Pour l’heure, World Labs montre surtout une direction : celle d’images qui ne se contentent plus d’être regardées, mais deviennent des points d’entrée vers des univers à explorer.