SKY-001 : le modèle du monde d’ingénierie de Skyfall AI bat GPT-6 Astra de 150 fois sur le coût — et de 0,6 point sur la précision

Skyfall AI a annoncé SKY-001 le 19 octobre 2026, et l'affirmation que vous verrez se répéter est qu'il surpasse GPT-6 Astra et Claude Opus 5.5 sur les travaux de CAO et de BIM. Le chiffre qui sous-tend cette affirmation est plus petit et plus intéressant que l'affirmation elle-même. Sur le propre benchmark de construction CAO du fournisseur, SKY-001 obtient 79,7 % d'IoU contre 79,1 % pour GPT-6 Astra. Cela fait six dixièmes de point — le genre d'écart que produit une graine aléatoire différente, pas une nouvelle architecture. Ce qui, en revanche, n'est pas proche, c'est tout ce qui l'entoure : 3,9 secondes par cas contre 199, et 0,005 $ contre 0,75 $. La précision est à égalité. L'efficacité est une déroute. Les propres documents de Skyfall martèlent le second point et, à un endroit, font le premier point pour vous sans le vouloir. Les défaillances documentées de l'IA et les incidents d'agents qui sous-tendent des sorties comme celle-ci sont recueillis dans l'Archive des incidents d'IA d'OrcaRouter où chaque entrée comporte ses propres sources, son niveau de gravité, sa note de confiance et un indicateur de contestation.

Il y a une deuxième chose à savoir avant que l’un de ces chiffres ne compte pour vous : SKY-001 n’est pas quelque chose que vous pouvez appeler. Il s’agit d’un aperçu de recherche, derrière une liste d’attente, avec un déploiement commercial complet visé pour début 2027. Pas d’API, pas de tarification, pas de poids, pas de nombre de paramètres, pas de licence. Cet article porte sur ce que le lancement établit réellement — comment les benchmarks tiennent lorsqu’on lit le tableau plutôt que le titre, ce que le modèle fait véritablement différemment, et ce qu’une équipe qui a besoin de cette capacité aujourd’hui devrait faire au lieu d’attendre.

Ce que Skyfall a réellement livré

Skyfall AI est une entreprise de San Francisco dotée d’un pôle de recherche à Toronto, fondée par l’équipe à l’origine de Maluuba, le laboratoire d’apprentissage profond que Microsoft a racheté en 2017. Sam Pasupalak en est le PDG ; Kaheer Suleman et Sumit Pasupalak sont cofondateurs. Elle est sortie de la discrétion en juillet 2026 avec une proposition inhabituelle — des modèles du monde pour l’entreprise, et à terme une entreprise pilotée par l’IA — soutenue par Fidelity, Touring Capital, M13 et iNovia. SKY-001 est sa première version de modèle et le premier artefact concret à l’appui de cette thèse.

Le pitch en une phrase : la conception technique n’est pas un problème de langue, alors arrêtez de la résoudre avec un modèle de langue. Un moteur se décompose en centaines de pièces imbriquées sur plusieurs niveaux, chacune contrainte par ses voisines ; un plan d’étage, ce sont des murs, puis des unités, puis des pièces, puis des portes et des équipements, dessinés dans un ordre qui compte. Un modèle qui produit une longue chaîne de texte autorégressive doit tout garder dans un seul contexte et se dégrade à mesure que la chaîne s’allonge. SKY-001 planifie plutôt dans le monde visuel, selon une hiérarchie, chaque niveau transmettant un sous-objectif explicite au niveau inférieur.

Deux composants s'en chargent. Le Hierarchical Composer prend une intention de conception — une image, un texte ou une enveloppe de bâtiment accompagnée d'un brief — et génère l'ensemble de la conception, puis la divise niveau par niveau, en affinant chaque feuille en parallèle. Le Construction World Model prédit ensuite la séquence ordonnée d'états visuels qui construit chaque feuille : en CAD, une chaîne d'états solides 3D avec le croquis 2D dessiné entre chaque paire consécutive ; en BIM, un plan d'étage dessiné trait par trait. Le dessin lui-même s'exécute comme une diffusion en deux passes, un déploiement grossier dans un espace latent compressé issu d'un autoencodeur de type Matryoshka, puis un raffineur qui restaure la pleine résolution. Les deux sont des transformateurs de diffusion ; aucun ne prédit de tokens.

Aucune information publique ne permet de dimensionner cette architecture. Skyfall a divulgué ses données, pas son modèle : plus de 200 000 pièces pour le composeur et plus de 600 000 exemples de construction pour le modèle du monde, ainsi qu’environ 35 000 plans d’étage réels et synthétiques représentant environ deux millions d’états de dessin. Les données CAO ont été reconstruites à partir de jeux de données d’assemblage publics dont les hiérarchies étaient incohérentes et les pièces non nommées, et où les historiques de construction manquaient ; Skyfall a reconstitué ces données par rétro-ingénierie à l’aide d’outils d’ingénierie et de workflows assistés par LLM, puis a vérifié le résultat avant de lancer l’entraînement dessus. L’argument de l’échelle des données est réel : face à PartVerse, le jeu de données courant de décomposition en pièces, l’objet médian compte 6 pièces et le 99e centile 33. La médiane de Skyfall est de 288 et son 99e centile de 4 180.

Lire correctement le benchmark CAD

Le benchmark de construction CAO comprend 1 000 composants échantillonnés à partir d'objets complexes — une Jaguar E-Type Roadster, un bras de soudage FANUC ArcMate 100iB, un Minitractor 4×4, un hélicoptère Bell 222, un moteur à réaction — chacun nécessitant environ 100 étapes de dessin, évalué par IoU par rapport à la forme de référence. Cinq modèles de pointe y ont été exécutés. Chaque chiffre ci-dessous est celui de Skyfall, produit par Skyfall, sur des modèles que Skyfall a pilotés elle-même.

• Temps par cas — SKY-001 3,9 s ; GPT-6 Astra 199 s ; Gemini 4 253 s ; Kimi K3 439 s ; Qwen 3.8 Max 764 s ; Grok 4.7 1 250 s et n’en a terminé aucun.

• Coût par cas — SKY-001 0,005 $ ; GPT-6 Astra 0,75 $ ; Gemini 4 0,25 $ ; Qwen 3.8 Max 0,30 $ ; Kimi K3 0,13 $ ; Grok 4.7 0,59 $ sans sortie.

• Qualité (IoU moyen) — SKY-001 79,7 % ; GPT-6 Astra 79,1 % ; Gemini 4 76,9 % ; Qwen 3.8 Max 34,4 % ; Kimi K3 9,5 % ; Grok 4.7 aucun résultat.

C'est là tout le tableau, et il mérite une seconde lecture. Le volet efficacité est aussi solide qu'annoncé : 51× plus rapide et 150× moins cher que le meilleur concurrent, ce qui, à mille conceptions par semaine, fait la différence entre un poste budgétaire de 5 $ et un de 750 $. Le volet qualité est un match nul. SKY-001, GPT-6 Astra et Gemini 4 se tiennent tous à trois points les uns des autres en tête ; l'effondrement en dessous — 34,4 %, 9,5 %, aucune sortie — en dit plus sur l'ampleur de l'échec du prompting LLM naïf sur de longues séquences de construction que sur le vainqueur. Que Grok 4.7 n'ait terminé aucun des 1 000 cas rappelle qu'il s'agit de déroulés longs et fragiles, et que le benchmark mesure si un modèle peut rester cohérent ne serait-ce que sur 100 étapes.

Une réserve sur la colonne des coûts : Skyfall indique un coût par cas, mais pas la comptabilité qui le sous-tend. Qu’il s’agisse du prix catalogue de l’API, du temps GPU loué ou de l’inférence auto-hébergée amortie, cela change considérablement la comparaison — en particulier pour les modèles que Skyfall a exécutés lui-même plutôt qu’appelés via une API. Considérez que les ratios donnent la bonne direction et que les montants absolus en dollars ne sont pas expliqués.

L'affirmation d'efficacité varie selon la page que vous consultez

Les supports de lancement de Skyfall ne concordent pas entre eux, ce qu'il est utile de savoir si vous comptez les citer. Le blog de lancement annonce en titre « environ 50× plus rapide et 150 fois moins » par cas de CAO, et les libellés de son graphique indiquent 51× et 150×. La page produit SKY-001 annonce en titre « 3,9 s contre 199 s, 49× plus rapide » et « 0,005 $ contre 0,75 $, coût 143× inférieur ». Le communiqué de presse indique « 100x plus rapide » et « coût 150x inférieur ». Même modèle, même benchmark, quatre multiplicateurs de vitesse différents dans trois documents publiés le même jour.

L’arithmétique tranche le cas CAD : 199 divisé par 3,9 donne 51,0, et 0,75 $ divisé par 0,005 $ donne 150. Le blog a raison et les deux autres pages sont arrondies, obsolètes ou calculées par rapport à une autre base de référence — le 100× du communiqué de presse n’est conciliable avec aucun chiffre du site. Ce n’est pas un scandale ; les pages de lancement sont rédigées par des personnes différentes selon des échéances différentes et personne ne les compare. C’est une raison de citer le tableau principal, et non le gros titre, et de s’attendre à ce que les multiplicateurs que vous verrez dans la couverture médiatique cette semaine soient faux, dans la direction que le rédacteur a lue en premier.

La page de destination présente également un deuxième panneau de qualité qui ne correspond pas au blog. Son graphique CAO 3D montre SKY-001 à 76,1 % d'IoU, contre GPT-6 Astra à 73,4 %, Claude Opus 5.5 à 61,8 %, Gemini 3.8 Flash à 45,9 %, Qwen 3.8 Max à 26,6 % et Kimi K3 à 6,5 %. Le benchmark de construction du blog affiche 79,7 % contre 79,1 %. Tâche différente, score différent, même nom de modèle sur les deux — et la marge sur Astra passe de 0,6 point à 2,7 points selon celui que l'on retient. Si vous voulez discuter de la précision de ce modèle, nommez le benchmark avec le chiffre.

BIM : une avance plus mince, et Gemini juste derrière

Le benchmark BIM comprend 1 000 plans d’étage — environ 350 étages complets issus de modèles de bâtiment IFC et 650 au niveau de l’appartement — avec de 20 à plus de 200 étapes de dessin chacun, environ 70 en moyenne, évalués par IoU sur le plan final.

• Temps par plan — SKY-001 1.22 s ; Kimi K3 113.9 s ; GPT-6 Astra 144.6 s ; Qwen 3.8 Max 255.3 s ; Gemini 3.8 Flash 346.2 s ; Grok 4.7 592.1 s.

• Coût par formule — SKY-001 0,0024 $ ; Qwen 3.8 Max 0,111 $ ; Gemini 3.8 Flash 0,218 $ ; Kimi K3 0,270 $ ; Grok 4.7 0,305 $ ; GPT-6 Astra 0,446 $.

• Qualité (IoU moyenne) — SKY-001 43,6 % ; Gemini 3.8 Flash 42,3 % ; GPT-6 Astra 40,6 % ; Kimi K3 33,7 % ; Qwen 3.8 Max 28,8 % ; Grok 4.7 28,2 %.

Les chiffres de 119× sur la vitesse et de 186× sur le coût face à Astra sont exacts. Mais regardez la colonne qualité : Gemini 3.8 Flash est 1,3 point derrière SKY-001, et Gemini 3.8 Flash coûte 91× plus cher mais reste bon marché en termes absolus, à 22 cents le plan. L’écart qui compte pour un cabinet qui réalise des milliers de plans est réel ; l’écart qui compte pour un cabinet qui en réalise des dizaines est une erreur d’arrondi face à un changement de processus.

Et regardez le nombre absolu. Le meilleur modèle sur ce benchmark reconstruit 43,6 % d’un plan d’étage par intersection sur union. C’est un niveau de qualité d’aperçu de recherche, énoncé clairement par la notation du fournisseur lui-même, et non un niveau « remplacer l’architecte ». Vu sous cet angle, l’argument réel du lancement est plus étroit et plus défendable que le tweet : un modèle spatial spécialement conçu planifie désormais de longues séquences de construction à une vitesse qui rend pratiques la génération et la recherche en masse, avec une fidélité aux LLM de pointe auxquels il a été comparé à peu près du niveau du benchmark humain — et non qu’il ait résolu la conception de bâtiments.

Ce que le tweet a raté

La formulation selon laquelle SKY-001 « surpasse GPT-6 Astra et Opus 5.5 sur les tâches de CAO et de BIM » surestime l'une de ces deux comparaisons. Claude Opus 5.5 n'apparaît dans aucun des deux benchmarks du secteur de la construction. Il apparaît deux fois ailleurs : dans une vidéo qualitative où quatre modèles ont chacun rédigé, en une seule requête, un script Blender pour un assemblage complet — vidéo dans laquelle Skyfall lui-même affirme que GPT-6 Astra était « loin devant » les autres modèles de pointe — et comme l'un des deux juges LLM à l'aveugle chargés d'évaluer SKY-001 face à Astra, aux côtés de GPT-6.1 Sol. Le panneau CAO 3D de la page d'accueil inclut bien Opus 5.5 à 61,8 %, et c'est le seul endroit où un chiffre le concernant existe.

Sur BIM, il n’y a pas du tout de ligne Opus 5.5. Il n’y a pas non plus de ligne Opus 5.5 dans le tableau de construction CAD. Donc la version honnête de l’affirmation est : SKY-001 est à peu près à égalité avec GPT-6 Astra en précision, pour une fraction du temps et du coût, et dépasse les modèles de frontière qui ont été exécutés — notamment Gemini, Qwen et Kimi — avec des écarts qui augmentent à mesure que la tâche s’allonge. La partie Opus de la phrase provient d’une démo vidéo et d’un siège de juge, pas d’un benchmark.

La comparaison des composeurs mérite sa propre mise en garde, car c'est le plus fragile des deux résultats. Skyfall a testé SKY-001 face à GPT-6 Astra, Claude Opus 5.5 et Claude Fable 5.1 sur les mêmes photographies d'entrée, chaque LLM écrivant un script Blender pour l'assemblage complet en une seule requête. Deux juges LLM en aveugle ont noté les rendus de 1 à 10 sur cinq dimensions, et SKY-001 en a remporté quatre sur cinq — décomposition en parties 7,8 contre 6,4, intérieur 7,3 contre 6,3, complexité 8,0 contre 7,3, correspondance avec l'image d'entrée 8,1 contre 6,7, réalisme extérieur 7,7 contre 7,4. Les réserves figurent dans la note de bas de page de Skyfall elle-même : les juges sont des LLM, le protocole repose sur une invite à tir unique, sans outils ni itération pour les concurrents, et GPT-6 Astra n'a renvoyé un modèle que pour 82 % des actifs — donc sur 18 % de l'ensemble, SKY-001 concourait contre rien. Un script Blender en une seule requête est une manière délibérément peu flatteuse de faire tourner un LLM de pointe sur l'assemblage 3D. Cela ne rend pas le résultat faux ; cela en fait une comparaison entre un pipeline spécialement conçu et une invite prête à l'emploi, ce que sont d'ailleurs aussi les benchmarks de construction.

Ce que cela signifie si vous développez réellement des logiciels d’ingénierie

L’affirmation intéressante n’est pas la marge au benchmark. C’est qu’un modèle du monde spatial hiérarchique puisse tenir ensemble un plan de construction en 100 étapes, sur cinq niveaux d’assemblage et des milliers de pièces, et produire quelque chose qui obtient un score à moins d’un point d’un LLM de pointe en matière de chevauchement géométrique. Si cela résiste à des tests indépendants, les conséquences pratiques concernent la recherche plutôt que le remplacement : quand une itération de conception coûte un demi-cent et quatre secondes au lieu de 75 cents et trois minutes, on peut générer un millier de variantes et en choisir une. C’est un produit différent d’un modèle qui produit lentement une seule conception.

Les éléments que Skyfall annonce pour la suite vont dans le même sens. Les esquisses CAD deviendraient des opérations paramétriques exécutables dotées d’un historique de fonctions modifiable, de sorte qu’un concepteur pourrait demander d’élargir un support et faire suivre les pièces voisines qui doivent changer. La sortie BIM deviendrait des murs, des portes, des fenêtres et des pièces dans un modèle de bâtiment modifiable plutôt qu’un dessin. Au-delà, la conception de PCB et d’autres matériels. Ce sont des annonces de feuille de route, pas des fonctionnalités déjà disponibles, et l’aperçu de recherche n’en contient aucune.

Il y a aussi les questions auxquelles une annonce de modèle répond normalement, et auxquelles celle-ci ne répond pas. Aucun nombre de paramètres. Aucun article d’architecture. Aucun poids, aucune licence, aucun moyen d’auto-hébergement. Aucune fenêtre de contexte, car ce n’est pas un modèle de chat. Aucun harnais d’évaluation publié, donc aucun moyen de relancer le benchmark sur vos propres composants. Et aucune mesure indépendante : Artificial Analysis, LMArena et les tableaux de classement tiers habituels n’ont aucune entrée SKY-001, ce qui n’est pas surprenant pour un modèle public depuis un jour et qui ne peut être invoqué. Tous les chiffres de cet article sont déclarés par le fournisseur et non reproduits, et les propres pages du fournisseur ne concordent pas entre elles, avec des écarts allant jusqu’à 2× sur le multiplicateur de vitesse annoncé. La réplication indépendante est ce qu’il faut attendre avant que ces chiffres ne deviennent déterminants dans une décision de build.

Si vous avez besoin de cette fonctionnalité ce trimestre

Vous ne pouvez pas obtenir SKY-001. La page produit propose une liste d’attente, le communiqué de presse indique que le déploiement commercial complet est prévu pour début 2027, et la seule intégration mentionnée est une démonstration dans Autodesk Fusion plutôt qu’un connecteur livré. Rien ici ne justifie de planifier un pipeline 2026 autour de cela.

Ce que vous pouvez obtenir, c'est le modèle par rapport auquel il a été évalué. GPT-6 Astra est routé sur OrcaRouter sous l'identifiant openai/gpt-6-astra, aux tarifs catalogue d'OpenAI de 10,00 $ par million de jetons d'entrée et de 50,00 $ par million de jetons de sortie, avec une fenêtre de contexte de 1,05 M de jetons, répercutés à 0 % de marge — ainsi, si OpenAI modifie le tarif, le tarif appliqué ici change le jour même plutôt qu'après un recalcul de marge. Il affiche un indice d'intelligence Artificial Analysis de 54,7, un indice de codage de 76,9 et un indice agentique de 51,6, soit le chiffre indépendant dont SKY-001 ne dispose pas.

C'est aussi la façon raisonnable de garder un modèle non éprouvé à l'esprit sans parier une voie de production sur lui. Quand SKY-001 atteindra effectivement une API — début 2027 selon le plan actuel, et peut-être via un partenaire avant que Skyfall ne vende en direct — le test qui vaut la peine d'être exécuté porte sur vos propres composants, pas sur un benchmark de 1 000 composants. D'ici là, le modèle de routage qui survit à un modèle que vous n'avez pas évalué est le plus ennuyeux : gardez l'appel dans un seul point de terminaison, placez une chaîne de repli derrière lui, et laissez le routeur déplacer le trafic lorsqu'un fournisseur est lent ou qu'un modèle cesse d'être la meilleure réponse. Le basculement d'OrcaRouter existe précisément parce qu'un nouveau modèle doit mériter le trafic de production sur des résultats mesurés, et personne n'a mesuré SKY-001 en dehors de Skyfall.

Que regarder

Trois choses feraient passer cette démonstration convaincante de fournisseur au stade de décision. Premièrement, une évaluation indépendante sur un banc d’essai public — le benchmark de construction est celui de Skyfall, défini par Skyfall, sans jeu de tâches publié, et la marge de 0,6 point en CAO se situe bien dans la plage qu’une convention de notation différente pourrait inverser. Deuxièmement, la forme commerciale : si début 2027 se présente sous la forme d’une API avec un prix par conception, d’un plugin intégré aux outils de CAO et de BIM là où l’acheteur travaille déjà, ou d’une licence entreprise vendue aux cabinets plutôt qu’aux développeurs. La mention d’Autodesk Fusion suggère la deuxième option, ce qui ferait de SKY-001 une fonctionnalité du logiciel de conception que vous possédez déjà plutôt qu’un modèle que vous appelez. Troisièmement, si la hiérarchie se généralise au-delà de la CAO et du BIM aux travaux de PCB et de matériel que Skyfall cite ensuite — c’est l’affirmation selon laquelle l’architecture, et non les données d’entraînement, constitue l’avantage.

Pour l’instant, le résumé exact est étroit. Skyfall AI a livré le premier modèle du monde d’ingénierie crédible, et ce sur quoi il gagne réellement, c’est la vitesse et le coût par conception, d’un à deux ordres de grandeur, avec une précision qui égale la frontière plutôt que de la dépasser. C’est une capacité véritablement nouvelle et un pari stratégique réel contre l’approche LLM de la conception physique. C’est aussi, aujourd’hui, une page de liste d’attente et un benchmark de fournisseur — et ce sont les six dixièmes de point, et non le 150×, qui seront le chiffre décisif pour savoir s’il s’agit de plus que cela.