ABot-Earth 0.7 : le modèle 3D mondial d’Amap transforme une seule image satellite en une ville en 10 minutes

Le 10 septembre 2026, Amap a posé un chiffre précis sur la table : un kilomètre carré de ville 3D explorable au niveau de la rue, généré en environ dix minutes, sur un seul GPU grand public. Le modèle derrière ce chiffre est ABot-Earth 0.7, dévoilé lors du gala annuel Street Stars de l’entreprise à Hangzhou et décrit par Amap — la branche cartographie et navigation d’Alibaba — comme le premier modèle natif de monde urbain 3D au monde. Il succède à ABot-Earth 0.5, sorti en juin, et, contrairement à la plupart des versions de recherche de ce genre, il est déjà en production dans l’application grand public d’Amap, où l’entreprise affirme que plus de 880 millions de personnes ont utilisé la fonctionnalité Street Stars qu’il alimente désormais.

Cette dernière partie est ce qui fait que ce n’est pas qu’une simple bande démo. Un modèle du monde qui n’existe que sous la forme d’un article et d’une page de projet est une promesse. Un modèle du monde qui affiche des scènes dans une application que des centaines de millions de personnes ouvrent pour décider où manger est un produit. ABot-Earth 0.7 est le second, et les questions intéressantes portent sur ce que cela signifie pour tous les autres, pas sur le fait de savoir si le lancement a eu lieu.

Ce qui a réellement été livré

Le mécanisme est l’élément qui mérite d’être compris, car il est véritablement différent de la façon dont les produits de la Terre numérique ont historiquement été conçus. Google Earth et ses prédécesseurs ont été assemblés en capturant la réalité — vols de relevé aérien, passages satellitaires, photogrammétrie, reconstruction par nuage de points — puis en assemblant les résultats en une mosaïque explorable. Le résultat est une archive à haute fidélité de lieux au moment où ils ont été photographiés, et il ne peut rien vous apprendre sur un lieu qui n’a jamais été survolé à une résolution suffisante.

ABot-Earth adopte plutôt une approche 3D native. Il est entraîné sur des données spatio-temporelles et génère de bout en bout des scènes urbaines en 3D Gaussian Splatting (3DGS) à partir d'une image satellite géoréférencée — ou, dans l'interface qu'Amap a présentée, à partir d'un prompt textuel. Parce que la scène est générée plutôt que reconstruite, Amap affirme qu'il peut compléter et étendre un espace de manière autonome au lieu d'être limité à des itinéraires prédéfinis, et qu'il maintient une cohérence spatiale lorsqu'un observateur passe d'une vue d'ensemble à l'échelle de la ville à un détail de point de repère. La société déclare également que la sortie est constituée de ressources modifiables compatibles avec Unreal Engine et Unity, ce qui est plus important qu'il n'y paraît : cela signifie que l'environnement généré s'intègre aux pipelines de simulation et de jeu existants au lieu de n'exister que dans le visualiseur d'Amap.

Les affirmations phares d’Amap pour la version 0.7, toutes rapportées par le fournisseur et aucune n’ayant fait l’objet d’un benchmark indépendant :

• Vitesse — environ 10 minutes pour générer une scène urbaine 3D à l'échelle du kilomètre, sur un seul GPU grand public.

• Efficacité — jusqu'à 1 000 fois plus rapide que les méthodes traditionnelles de reconstruction 3D, pour environ 1/100e du coût, selon la propre comparaison d'Amap.

• Couverture — plus de 196 pays et régions, contre plus de 190 qu’Amap revendiquait pour ABot-Earth 0.5.

• Modalité — imagerie satellite ou invite textuelle en entrée ; Amap décrit également le modèle comme entièrement multimodal et prédictif.

• Sortie — scènes 3DGS dotées de structures hiérarchiques de niveaux de détail, exportables vers Unreal Engine et Unity.

Ce que six mois ont acheté

ABot-Earth 0.5 est sorti le 8 juin 2026 avec un rapport technique sur arXiv et un dépôt associé au sein du laboratoire de vision par ordinateur d'Amap. Cette version a établi l'affirmation centrale — des images satellitaires à des environnements 3DGS sans couture en moins de dix minutes par kilomètre carré sur un seul GPU grand public, avec un niveau de détail hiérarchique pour la visualisation web en temps réel — et elle couvrait plus de 190 pays. Si l'on compare les deux versions côte à côte, les avancées de la 0.7 portent moins sur la vitesse de génération phare, que la 0.5 annonçait déjà, que sur le niveau supérieur.

• Cadrage en tant que modèle du monde — 0.5 a été présenté comme un système de reconstruction 3D génératif. 0.7 est présenté comme un modèle du monde avec une couche de prédiction, ce qui constitue une affirmation différente quant à la finalité de la chose.

• Couverture — de plus de 190 pays à plus de 196, une expansion modeste plutôt qu'un saut qualitatif.

• Produitisation — 0.5 visait un site bêta et une liste blanche. 0.7 est livré dans Flying Street View 2.0 et la surface de l'application Street Stars.

• Cibles d’export — compatibilité explicite avec Unreal Engine et Unity, ce que le rapport de la 0.5 ne mettait pas en avant.

• Code — il convient de noter que le dépôt GitHub de la version 0.5 était décrit comme hébergeant le rapport technique et la discussion académique, mais aucun code d’implémentation. Rien de ce qui a été publié jusqu’à présent ne suggère que la version 0.7 change cela.

Flying Street View 2.0 est la partie avec les utilisateurs

L'expression grand public de tout cela est Flying Street View 2.0, qui remplace la visite aérienne à itinéraire fixe de l'original par un espace 3D librement explorable. Les exemples d'Amap sont concrets : prévisualiser la ligne de vue réelle depuis un siège de théâtre spécifique avant d'acheter le billet, naviguer à l'intérieur d'un centre commercial, juger le terrain d'une zone panoramique avant de s'engager dans le voyage. Les utilisateurs ajustent la position, l'angle et la hauteur avec un joystick, et la fonctionnalité couvre des bâtiments complexes et de grandes zones panoramiques plutôt que de simples couloirs de rue. Des essais sont en cours pour des lieux sélectionnés dans des villes comme Pékin et Hangzhou, accessibles via la section Street Stars de l'application.

L'échelle à laquelle Amap opère est la raison pour laquelle il ne s'agit pas d'une histoire d'outillage de niche. Street Stars a été lancé en septembre 2025 en tant que classement de découverte locale piloté par l'IA ; Amap affirme que plus de 880 millions d'utilisateurs l'ont utilisé et ont collectivement parcouru 36,6 milliards de kilomètres à travers lui. L'entreprise affirme également que ce classement a du mordant commercial : les entreprises de sa liste « Local Favorites » de 2025 ont connu une croissance moyenne de leurs commandes de 424 % d'une année sur l'autre, et les entreprises « Top Picks » de 159 %. Ce sont les chiffres d'Amap sur le produit d'Amap, et ils doivent être lus comme de l'arithmétique marketing, mais c'est le nombre d'utilisateurs qui est déterminant : quoi qu'ABot-Earth 0.7 fasse de bien ou de mal, il le fait devant une audience de la taille de la population d'un grand pays.

Pourquoi « pas Google Earth » est le cadre honnête

Le positionnement d’Amap n’est délibérément pas celui d’« un meilleur globe ». Le directeur général de l’entreprise, Guo Ning, l’a présenté comme une distinction de catégorie : « Si les grands modèles de langage nous aident à traiter du texte, j’espère que l’intelligence spatiale d’Amap pourra nous aider à mieux explorer le monde. » L’architecture qu’il décrit comporte trois couches — la représentation spatiale 3D (la structure du monde, de la planète à l’intérieur), la perception dynamique (les changements en temps réel tels que le trafic, les foules et les conditions), et l’inférence spatio-temporelle (prédire ce qui va se passer ensuite).

Cette troisième couche est celle où réside l’ambition de modèle du monde, et c’est pourquoi la comparaison avec une archive statique sous-estime ce qu’Amap tente de faire. Une reconstruction vous montre un lieu. Un modèle du monde que l’on peut interroger et projeter dans le temps est quelque chose sur quoi l’on peut planifier — et les applications qu’Amap vise sont explicitement celles de l’IA physique : terrains d’entraînement par simulation pour robots incarnés, systèmes de jumeaux numériques pour les villes, données synthétiques pour la conduite autonome et le vol à basse altitude. L’entreprise associe également le modèle à une couche conversationnelle appelée Navigation Live, qui lit les bâtiments, attractions et commerces à proximité via la caméra d’un téléphone et répond aux questions à leur sujet en conversation naturelle.

Le positionnement en matière de données qui sous-tend tout cela est la partie que les concurrents ne peuvent pas copier rapidement. Amap revendique près d'un milliard d'utilisateurs actifs mensuels, des appels quotidiens de positionnement Beidou au pic approchant les mille milliards, et des décennies de données spatiotemporelles accumulées couvrant les réseaux routiers, les points d'intérêt et le trafic en temps réel. Les laboratoires de modèles généralistes n'ont pas cela, et c'est le véritable fossé défensif — pas l'architecture 3DGS, qui relève de travaux publiés.

Ce qu’Amap n’a pas publié

C’est là que la couverture du lancement a été la plus faible, et cela compte pour quiconque cherche à déterminer si ABot-Earth 0.7 a sa place dans un plan.

Il n’existe pas d’API publique. Le site d’expérimentation à abot-earth.amap.com est en ligne, mais la génération est réservée aux invités — l’interface décrit la fonctionnalité de création comme étant en bêta et propose une demande d’inscription sur liste blanche, et le compte associé affichait un solde de crédits nul. Aucun tarif n’est publié, aucune grille tarifaire n’est disponible, et aucune documentation destinée aux développeurs ne décrit comment un système externe appellerait le modèle. Le site est par ailleurs entièrement en chinois simplifié, sans sélecteur de langue ni version anglaise, donc l’évaluer en anglais revient actuellement à se baser sur les supports de presse d’Amap.

Il n’existe aucun poids de modèle ni aucune fiche de modèle. La version 0.5 a mis un rapport technique sur arXiv et un dépôt sur GitHub, et ce dépôt était explicitement destiné à accueillir le rapport plutôt qu’une implémentation. Rien de ce qui a été annoncé avec la 0.7 n’indique une publication de poids ouverts, et Amap n’a pas dit le contraire.

Plus important encore, il n'existe aucun benchmark indépendant. Chaque chiffre de performance dans cet article — dix minutes par kilomètre carré, une efficacité multipliée par 1 000, un coût divisé par 100, plus de 196 pays — provient d'Amap. Ce n'est pas une raison pour ne pas y croire ; la recherche publiée sur 3DGS issue du même laboratoire a été visible par les pairs, et le déploiement grand public est en soi une forme de preuve que le système fonctionne à l'échelle. C'est une raison de les considérer comme des affirmations plutôt que comme des mesures, jusqu'à ce que quelqu'un d'extérieur à Amap les reproduise sur du matériel qui lui appartient. « Premier modèle mondial natif de monde urbain en 3D » relève lui aussi du cadrage d'Amap, et les frontières de cette catégorie appartiennent à Amap.

Ce que cela signifie si vous construisez avec des modèles

ABot-Earth 0.7 n'est pas un modèle de langage et ce n'est pas quelque chose que vous pouvez acheminer via une API aujourd'hui — OrcaRouter ne le sert pas, et personne en dehors de la liste blanche d'Amap ne peut l'appeler. Être clair là-dessus est l'essentiel, car la conclusion pratique pour la plupart des équipes est plus étroite et plus utile que ne le suggèrent les gros titres du lancement.

Ce dont une application spatiale a réellement besoin, ce sont deux choses distinctes : un modèle de monde qui génère ou reconstruit l'environnement, et un modèle de langage qui raisonne à son sujet dans la conversation. La propre pile d'Amap reflète cette séparation — ABot-Earth rend le lieu, et une couche conversationnelle distincte traite les questions de Navigation Live à son propos. Si vous construisez la seconde moitié de ce schéma, le volet linguistique relève d'un travail ordinaire de routage de modèles, et il est disponible dès maintenant : une API unique pour plus de 200 modèles au prix catalogue des fournisseurs, avec 0 % de marge, un basculement automatique lorsqu'un fournisseur se dégrade, un DSL de routage pour composer plusieurs modèles en un seul appel, et la fusion de modèles lorsque vous voulez qu'un panel réponde collectivement. C'est la couche sur laquelle vous pouvez vous appuyer dès aujourd'hui, pendant qu'ABot-Earth 0.7 reste derrière une liste blanche.

Qu'est-ce qui changerait la lecture ?

Quatre choses méritent d'être suivies, et chacune ferait passer ABot-Earth 0.7 d'une impressionnante annonce de fournisseur à quelque chose autour de quoi une équipe technique peut planifier. Premièrement, une évaluation indépendante — quiconque reproduit sur son propre GPU unique l'affirmation des dix minutes par kilomètre carré transforme un chiffre marketing en point de référence. Deuxièmement, une API et un prix publiés, ce qui rendrait le modèle exploitable plutôt que simplement visible. Troisièmement, la question de savoir si le rapport technique 0.7 paraît tout court ; la 0.5 en avait un en quelques jours, et son absence six mois plus tard serait en soi un signal sur la part de 0.7 qui relève de l'architecture plutôt que de l'incrémental. Quatrièmement, la question de savoir si la question des poids ouverts obtient une réponse, car un modèle de monde 3DGS avec des poids téléchargeables constituerait une proposition sensiblement différente pour les équipes d'IA incarnée et de simulation qu'Amap dit courtiser.

D’ici là, le résumé honnête est le suivant : Amap a livré le modèle de monde 3D le plus productisé que quiconque ait mis devant des consommateurs, avec un profil de couverture et de coût véritablement inhabituel, et il l’a fait sans publier les chiffres, les poids ou l’interface qui permettraient à des tiers de vérifier le travail. Les deux parties de cette phrase sont vraies, et la seconde n’est pas une critique de la première — c’est simplement ce que les preuves étayent actuellement.