Apollo World vs SKY-001 : quand « modèle du monde » désigne trois métiers différents

Apollo World et SKY-001 ont été annoncés à quinze jours d’intervalle et n’ont presque rien en commun, si ce n’est une étiquette. Apollo World est le simulateur piloté par agents de Baidu, dévoilé le 3 novembre 2026, qui génère des observations par caméra et lidar d’une ville virtuelle afin qu’une pile logicielle de robotaxi puisse être entraînée et évaluée sur des trajets complets. SKY-001 est le modèle du monde pour l’ingénierie de Skyfall AI, annoncé le 19 octobre 2026, qui prédit la séquence ordonnée d’états visuels selon laquelle une pièce mécanique est fabriquée — un plan de construction dessin par dessin. L’un fait avancer dans le temps une scène de circulation. L’autre fait avancer dans le temps un processus de fabrication. Les deux sont correctement qualifiés de modèles du monde, et c’est précisément le problème avec cette expression.

Le terme est discrètement devenu un intitulé de poste plutôt qu’une catégorie. Trois produits l’arborent désormais : des modèles qui génèrent des environnements que l’on peut regarder, des modèles qui simulent un environnement dans lequel un agent peut agir, et des modèles qui prédisent les transitions d’état d’un processus. Apollo World est le deuxième. SKY-001 est le troisième. Les comparer directement revient à comparer un simulateur de vol à un manuel d’assemblage : les deux décrivent comment quelque chose se déroule, et l’on n’utiliserait jamais l’un pour le travail de l’autre.

SKY-001 prédit un build, pas une rue

Skyfall AI a été fondée par l’équipe à l’origine de Maluuba, le laboratoire de recherche canadien que Microsoft a acquis en 2017, et ses bailleurs de fonds comprendraient, selon les informations rapportées, Fidelity, Touring Capital, M13 et iNovia. SKY-001 a été annoncé le 19 octobre 2026 sous la forme d’un aperçu de recherche avec une liste d’attente. Il n’existe ni API, ni tarification, ni licence, ni pondérations ; le déploiement commercial complet est prévu pour le début de 2027.

L’architecture comporte deux étapes, toutes deux des transformateurs de diffusion opérant sur des états visuels plutôt que sur des jetons de texte.

• Le Hierarchical Composer génère une conception complète, puis la décompose récursivement en assemblages, sous-ensembles et pièces, chaque niveau étant parallélisable. C'est ainsi que le modèle évite de générer un unique dessin monolithique d'un objet complexe.

• Le Construction World Model prédit la séquence ordonnée d’états visuels qui construit chaque partie feuille, à l’aide d’un schéma de diffusion en deux passes sur un autoencodeur de type Matryoshka : d’abord un déploiement latent grossier, puis un raffineur à pleine résolution.

Les chiffres annoncés pour les données d’entraînement sont importants et précis : plus de 200 000 pièces pour le composeur, plus de 600 000 exemples de construction et environ 35 000 plans d’étage contribuant à environ deux millions d’états de dessin. Ce qui en résulte est une séquence de plans visuels — un ordre de construction rendu sous forme de dessins. Il ne s’agit pas d’un historique de fonctions CAO modifiable, et Skyfall classe la sortie au niveau des fonctionnalités parmi les travaux futurs.

Cette dernière distinction est celle qui importera le plus à un ingénieur. Une séquence d’images montrant comment une pièce est assemblée est utile pour la revue, la documentation, l’entraînement d’un modèle en aval et la détection d’un ordre d’opérations impossible. Ce n’est pas un modèle que l’on peut ouvrir et modifier dans un logiciel de CAO, et elle ne fournit pas de trajectoire d’outil à un machiniste.

Apollo World prédit la prochaine seconde de trafic

La présentation de Baidu lors de l’AI Day·Apollo à Shenzhen a été formulée comme une correction adressée au secteur. Wang Liang, architecte en chef de l’Intelligent Driving Group, a soutenu qu’un modèle du monde ne devait pas être un peintre produisant des vidéos impressionnantes, mais un examinateur vérifiant la sécurité de conduite. La grille d’évaluation qui a suivi — « 2+3 » — constitue la tentative publiée la plus claire de définir ce qui compte.

Les deux portes sont la causalité, c’est-à-dire que l’état suivant est prédit à partir de l’état actuel plutôt qu’assemblé image par image puis complété a posteriori, et l’interactivité, c’est-à-dire qu’une action injectée modifie ce qui suit. Les trois propriétés évaluées sont l’exactitude physique, la persistance et les performances en temps réel. La persistance est définie comme l’absence de dérive des objets et des détails sur de longues exécutions ; le temps réel est borné par le cycle de décision d’un trentième de seconde, soit environ 33 millisecondes, dont a besoin un véhicule routier.

Les trois capacités du modèle correspondent à cela. Les participants au trafic sont des agents dotés de leurs propres décisions plutôt que des éléments scriptés, si bien qu’un robotaxi qui freine modifie le comportement des voitures derrière lui. Les données de caméra et de lidar sont générées en temps réel, de sorte que la pile testée perçoit le monde virtuel via la même interface que celle qu’elle utilise sur route réelle. Et les trajets se bouclent de bout en bout — commande, prise en charge, dépose — pour des origines et des destinations arbitraires. Baidu affirme que le système prend déjà en charge la validation mondiale d’Apollo Go et cite environ 100 000 kilomètres simulés par jour, présentés comme l’équivalent d’environ trois ans de tests continus par une voiture équipée d’un conducteur de sécurité. Les chiffres d’exploitation d’Apollo Go — 28 villes, plus de 23 millions de trajets, 350 millions de kilomètres autonomes, dont 240 millions entièrement sans conducteur — ont été cités en parallèle.

Aucun paramètre, aucune architecture, aucun article, aucun poids, aucun prix. Apollo World est une infrastructure interne qui a été décrite publiquement pour la première fois, et non un produit avec une date de lancement sur laquelle on peut prendre position.

Les chiffres, et ce que signifie un IoU de 43,6 %

Skyfall a publié deux benchmarks, tous deux auto-déclarés et aucun n’ayant été répliqué indépendamment. Sur une tâche de construction CAO de 1 000 composants avec environ 100 étapes de dessin chacun, SKY-001 rapporte 3,9 secondes et 0,005 $ par cas pour un IoU moyen de 79,7 %. GPT-6 Astra est indiqué à 199 secondes, 0,75 $ et 79,1 % ; Gemini 4 à 253 secondes, 0,25 $ et 76,9 % ; Qwen 3.8 Max à 764 secondes, 0,30 $ et 34,4 % ; Kimi K3 à 439 secondes, 0,13 $ et 9,5 % ; Grok 4.7 n’a produit aucune sortie en 1 250 secondes.

Sur une tâche de plans d’étage BIM de 1 000 plans à environ 70 étapes, SKY-001 rapporte 1,22 seconde, 0,0024 $ et 43,6 % d’IoU, contre Gemini 3.8 Flash à 42,3 %, GPT-6 Astra à 40,6 %, Kimi K3 à 33,7 %, Qwen 3.8 Max à 28,8 % et Grok 4.7 à 28,2 %.

Lisez attentivement : les tableaux disent quelque chose de plus intéressant que le titre. L’avance du CAD sur GPT-6 Astra est de 0,6 point d’IoU — la publication de Skyfall elle-même indique que le modèle « égale ou dépasse » plutôt qu’il ne surpasse — donc l’écart réel tient à un modèle environ 51 fois plus rapide et 150 fois moins cher, pas à une meilleure sortie. L’avance en BIM est de 3,0 points. Et un IoU moyen de 43,6 % sur les plans d’étage signifie que le meilleur modèle du tableau reconstruit moins de la moitié du plan de référence au sens de l’intersection sur union. C’est un chiffre d’aperçu de recherche, pas un chiffre de production, et il a été signalé que la page de destination affiche 76,1 % là où le blog indique 79,7 % pour le CAD, ce qui est le type de dérive que l’on obtient lorsqu’un chiffre est repris sur plusieurs supports.

Une affirmation de la couverture ne résiste pas à la confrontation avec les sources : celle selon laquelle SKY-001 surpasse Claude Opus 5.5. Opus 5.5 apparaît dans le matériel comme un juge aveugle de type modèle de langage aux côtés de GPT-6.1 Sol, et non comme un concurrent sur l’un ou l’autre des benchmarks. Être préféré par un juge dans une comparaison qualitative ne revient pas à obtenir un meilleur score d’IoU.

Là où la comparaison fait vraiment mal : qui juge le résultat

Le seul fil méthodologique qui relie les deux annonces est l’évaluation par modèle. Les principales affirmations de Skyfall reposent en partie sur un panel aveugle de modèles de langage évaluant des dessins. Les affirmations de Baidu reposent sur une grille d’évaluation interne appliquée par ses propres ingénieurs, sans aucune évaluation externe. Aucune des deux entreprises n’a publié de protocole qu’un tiers pourrait reproduire.

C'est le pan de l'essor des modèles de monde le moins mature, et c'est là qu'une couche de routage fait un vrai travail plutôt que décoratif. Juger des états visuels générés est un appel à un modèle — souvent plusieurs, de différents fournisseurs, afin qu'aucun laboratoire ne définisse à lui seul, par ses préférences, ce qui est « bon ». La fonction d'OrcaRouter, à savoir la fusion de modèles, permet à un panel de modèles de répondre ensemble à la même invite d'évaluation et renvoie leur verdict combiné via un seul point d'accès, et le DSL de routage peut envoyer différentes étapes d'évaluation à différents modèles sans réécrire le harnais. C'est la couche que nous couvrons : plus de 200 modèles, une seule clé, 0 % de marge, avec le prix catalogue du fournisseur répercuté tel quel. Ni SKY-001 ni Apollo World ne figurent dans ce catalogue, et aucun des deux n'est un modèle que vous appelez — ce sont les juges qui le sont.

Aucun des deux n’est callable, et cela change la décision.

La question de la disponibilité appelle la même réponse pour les deux, pour des raisons différentes. SKY-001 est un aperçu de recherche derrière une liste d'attente, avec un déploiement commercial prévu pour début 2027 et aucune condition publiée. Apollo World est déployé en interne chez Baidu et n'est pas proposé à l'extérieur. Ni l'un ni l'autre n'a de prix, et aucun des deux ne peut aujourd'hui être évalué par rapport à votre propre charge de travail.

Ce que vous pouvez retenir de chacun, c’est la méthode. La décomposition en deux étapes de SKY-001 — composer le tout, puis prédire la séquence de construction de chaque feuille — est un schéma réutilisable pour tout processus qui comporte une hiérarchie et un ordre d’opérations. La grille 2+3 d’Apollo World est un test réutilisable pour tout simulateur qu’on cherche à vous vendre, et son critère de persistance en particulier est la question à laquelle la plupart des fournisseurs ne peuvent pas répondre par une mesure.

Trois questions pour savoir lequel il vous faut.

D'abord : la chose que vous modélisez comporte-t-elle un agent qui agit en son sein ? Si oui, vous avez besoin d'un simulateur d'environnement et la grille Apollo World s'applique. Si les transitions d'état sont déterministes et pilotées par un plan plutôt que par une politique, il vous faut quelque chose de plus proche de SKY-001.

Deuxièmement : la sortie est-elle consommée par un humain ou par une boucle de contrôle ? Une séquence de construction est consommée par des ingénieurs et des modèles en aval, de sorte que la plausibilité visuelle et l’ordre des étapes constituent les métriques. Une simulation de conduite est consommée par une pile de perception et de planification, de sorte que la cohérence métrique des capteurs et la latence constituent les métriques. Les deux n’ont presque aucun critère d’évaluation en commun.

Troisièmement : avez-vous besoin de physique ou de procédure ? SKY-001 sait qu’un support doit être fixé avant l’assemblage qu’il maintient ; il ne sait pas ce qui se passe lorsqu’on échappe le support. Apollo World sait ce qui se passe lorsqu’un piéton s’engage sur la chaussée ; il n’a pas d’avis sur la façon dont une pièce est fabriquée.

L’étiquette de modèle du monde continuera de s’étirer, car elle fait un travail marketing pour au moins quatre catégories de produits différentes à la fois. La discipline utile consiste à demander quel état est prédit, ce qui agit sur lui et qui consomme la prédiction. Apollo World et SKY-001 répondent à ces trois questions de manières complètement différentes, et une fois qu’on les a posées, la comparaison se dissout en ce qu’elle a toujours été : deux bonnes idées qui se trouvent partager un nom.