Decart AI a été fondée en 2023 à Tel-Aviv par une équipe de chercheurs qui travaillaient sur le problème des modèles génératifs en temps réel — des systèmes d'IA qui ne produisent pas simplement des résultats statiques, mais génèrent des flux de contenu interactifs et continus suffisamment rapides pour donner l'impression d'une expérience en direct. L'équipe fondatrice, dirigée par le PDG Ido Shiraki, venait de milieux en vision par ordinateur, optimisation GPU et architecture de réseaux de neurones, et ils ont convergé vers une question provocante : et si on pouvait faire tourner un modèle du monde assez rapidement pour qu'il remplace entièrement un moteur de jeu traditionnel? Non pas comme outil de pré-rendu ou générateur d'actifs, mais comme le moteur d'exécution lui-même — générant chaque image, chaque interaction physique, chaque réponse visuelle aux actions du joueur en temps réel. Cette question est devenue la thèse fondatrice de Decart et a mené à l'une des démonstrations les plus marquantes en IA générative.
Fin 2024, Decart a lancé Oasis, un modèle d'IA capable de générer une expérience jouable semblable à Minecraft en temps réel, entièrement par inférence de réseau de neurones. Il n'y avait pas de moteur de jeu traditionnel, pas de géométrie de monde préconstruite, pas de simulation physique — juste un modèle basé sur un transformer générant chaque image en fonction des actions du joueur, à des fréquences d'images interactives. La démonstration est immédiatement devenue virale. Elle était brute sur les bords — artefacts visuels, physique incohérente, persistance limitée du monde — mais l'accomplissement fondamental était indéniable : un réseau de neurones générait un monde 3D cohérent et interactif assez rapidement pour qu'on puisse s'y promener. L'exploit technique a nécessité une optimisation d'inférence extraordinaire, comprimant la latence de génération à un budget d'environ 50 millisecondes nécessaire pour maintenir plus de 20 images par seconde. Decart a publié l'approche et rendu une version du modèle en code ouvert, ce qui n'a fait qu'amplifier l'engouement.
Le travail de Decart s'inscrit dans la direction de recherche plus large des « modèles du monde » qui a pris un élan significatif en 2024-2025, portée par des figures comme Yann LeCun chez Meta et explorée par plusieurs laboratoires dont Google DeepMind, Runway et World Labs. L'idée centrale est que les modèles d'IA devraient apprendre une représentation interne du fonctionnement du monde — la physique, la permanence des objets, les causes et les effets — plutôt que de simplement reconnaître des motifs dans des données statiques. Ce qui distingue l'approche de Decart, c'est l'accent mis sur l'interactivité en temps réel. La plupart des recherches sur les modèles du monde se concentrent sur la génération vidéo ou la planification, produisant des résultats qu'on regarde plutôt qu'avec lesquels on interagit. Les modèles de Decart sont conçus pour répondre à des entrées continues, ce qui les rapproche davantage de moteurs de jeu que de générateurs vidéo. Cette dimension interactive est techniquement bien plus exigeante, mais aussi bien plus intéressante commercialement pour les applications en jeux vidéo, simulation, formation et robotique.
Decart a levé 21 millions de dollars en financement d'amorçage en 2024, mené par Sequoia Capital avec la participation d'investisseurs notables dont la branche capital-risque de Nvidia. Pour une ronde d'amorçage, c'était substantiel, reflétant l'enthousiasme des investisseurs pour le domaine des modèles du monde et l'impact viral de la démonstration Oasis. Le défi technique immédiat de l'entreprise est de combler l'écart entre « démonstration impressionnante » et « expérience de qualité production » — les mondes générés ont besoin d'une meilleure cohérence, de fenêtres de cohérence plus longues et du type de fidélité visuelle que les joueurs et utilisateurs attendent des moteurs de jeu modernes. L'opportunité à plus long terme est bien plus vaste que le jeu vidéo : la simulation de monde en temps réel a des applications dans la formation de véhicules autonomes, la manipulation robotique, la visualisation architecturale et tout domaine nécessitant la génération d'environnements interactifs réalistes à la volée. Si Decart parvient à rendre son inférence assez rapide et ses résultats assez fiables, elle pourrait définir une catégorie entièrement nouvelle de médias interactifs natifs de l'IA.