Une pièce dessinée étape par étape plutôt qu'un script d'un seul bloc : SKY-001 applique les World Models à la CAO

Conçu par d'anciens de Maluuba, SKY-001 planifie un objet pièce par pièce et égale GPT-6 Astra en CAO selon Skyfall, pour un coût 150 fois moindre

Les modèles de langage raisonnent en texte, un support que la start-up Skyfall AI juge inadapté pour garder cohérents les milliers de composants d'un objet physique. Installée à San Francisco avec un pôle de recherche à Toronto, elle présente SKY-001 comme le premier World Model consacré à l'ingénierie. Ses fondateurs, Sam Pasupalak, Sumit Pasupalak et Kaheer Suleman, sont issus de l'équipe de Maluuba, laboratoire d'apprentissage profond racheté par Microsoft, et Fidelity, Touring Capital, Inovia et M13 figurent parmi ses investisseurs. Le modèle ne génère pas un environnement à explorer : selon le billet de présentation, il produit la conception d'un objet et la séquence d'étapes qui le construit, en CAO pour des produits industriels comme en BIM pour des plans d'étage. Décomposer l'objet avant de le dessiner

Le système enchaîne deux modules. Le premier, baptisé Hierarchical Composer, part d'une image du produit, en génère une forme 3D approximative, puis la découpe en sous-ensembles et chaque sous-ensemble en pièces, jusqu'à n'obtenir que des pièces uniques, qu'un dernier passage complète et détaille. Sur l'exemple d'un moteur photographié, l'arbre obtenu compte cinq niveaux, du bloc et des culasses jusqu'aux engrenages et manchons cachés à l'intérieur. Le second module, le Construction World Model, prédit pour chaque pièce la suite d'états 3D intermédiaires qui la font naître, une extrusion, un ajout de matière, une découpe, et dessine entre deux états l'esquisse 2D qui fait passer de l'un à l'autre.

Cette hiérarchie explique les écarts de vitesse revendiqués. Une fois un parent fixé, ses éléments se construisent en parallèle, si bien que le nombre d'étapes successives dépend de la profondeur de l'arbre et non du nombre de pièces. Les esquisses sont d'abord générées par diffusion dans un espace latent très compressé, qui ne garde que la disposition générale, puis un module de raffinement les redessine en pleine résolution. En BIM, le même schéma transforme le contour d'un étage et un programme en appartements, puis en pièces, et trace un étage complet en une seconde environ. 288 pièces par objet en valeur médiane

Pour entraîner le Hierarchical Composer, Skyfall a nettoyé des jeux de données publics d'assemblages de produits réels, dont les arborescences étaient incohérentes et les pièces souvent dupliquées ou sans nom, puis les a reconstruits selon les pratiques de conception industrielle. Le résultat compte une médiane de 288 pièces par objet, contre 6 pour PartVerse, une référence courante pour la décomposition en pièces, avec plus de 200 000 pièces pour le premier module et plus de 600 000 exemples de construction pour le second. Quand l'historique de construction d'une pièce manquait, des outils d'ingénierie et des chaînes à base de LLM l'ont reconstitué avant vérification. Les modèles BIM apprennent pour leur part sur environ 35 000 plans réels et synthétiques, soit quelque deux millions d'états de dessin. Des scores mesurés sur les bancs d'essai de Skyfall

Sur un benchmark de CAO de 1 000 composants tirés d'objets complexes, une Jaguar Type E, un bras robotisé FANUC, un hélicoptère Bell 222 ou un réacteur, chaque cas demande une centaine d'étapes de dessin et le résultat est noté par IoU, le taux de recouvrement entre la forme produite et la référence. Le modèle y atteint 79,7 % en 3,9 secondes et pour 0,005 dollar par cas, contre 79,1 % en 199 secondes et 0,75 dollar pour GPT-6 Astra, soit environ 50 fois plus vite et 150 fois moins cher à précision quasi égale. Derrière eux, Gemini 4 obtient 76,9 %, tandis que les autres modèles testés décrochent nettement et que Grok 4.7 ne produit aucun résultat.

En BIM, sur 1 000 plans d'étage, l'écart de vitesse avec GPT-6 Astra passe à environ 120 fois et celui de coût à environ 185 fois, avec un IoU de 43,6 % contre 40,6 %, mais Gemini 3.8 Flash suit de près à 42,3 %. Le message de lancement publié sur 𝕏 évoque des gains de 51 à 125 fois en vitesse et de 150 à 210 fois en coût, des bornes hautes que les chiffres du billet ne reproduisent pas.

Pour la décomposition en pièces, deux modèles juges, GPT-6.1 Sol et Claude Opus 5.5, ont noté à l'aveugle les rendus de SKY-001 et de GPT-6 Astra, ce dernier écrivant un script Blender pour tout l'assemblage en une seule requête. Les notes sur 10 donnent l'avantage à SKY-001 sur les cinq critères, de 7,8 contre 6,4 pour la décomposition à 7,7 contre 7,4 pour le réalisme extérieur, GPT-6 Astra n'ayant rendu un modèle que pour 82 % des objets. Tous ces bancs d'essai ont été conçus et exécutés par Skyfall, et le billet ne mentionne aucune publication des jeux de test. Un plan visuel, pas encore un fichier éditable

Dans sa forme actuelle, SKY-001 livre un plan de conception visuel : un arbre de pièces et des séquences d'images montrant comment chacune se construit. Le billet précise que ses animations de transition sont illustratives et que l'esquisse enregistrée peut diverger de la géométrie 3D. Transformer ces esquisses en opérations exécutables, avec un historique de fonctions modifiable, figure parmi les prochaines étapes annoncées, tout comme convertir les plans d'étage en murs, portes et fenêtres d'une maquette BIM que les architectes pourraient retoucher. Sur 𝕏, Sam Pasupalak évoque aussi l'association du modèle à un agent vision-langage-action chargé d'exécuter chaque étape, de vérifier le résultat et de corriger ce qui échoue. Le modèle reste en préversion de recherche, accessible sur liste d'attente, sans API, tarif ni poids publiés, et Skyfall vise un déploiement commercial début 2027 selon The AI Insider.