PAN 2 change notre façon d’envisager la prédiction en IA. Au lieu de prévoir le prochain jeton d’une séquence de mots, le modèle part d’un état visuel initial et d’une action envisagée pour générer une courte vidéo de la suite la plus plausible. Ce changement de perspective — passer de la prédiction de jetons à une simulation ancrée dans le réel et composée de plusieurs images — rend le modèle directement utile aux tâches liées à l’intelligence physique. Les développeurs peuvent lui fournir une scène observée, proposer une prise, un pas ou une poussée, puis examiner le résultat imaginé. Pour les équipes de robotique, cela réduit le besoin d’essais physiques répétés et accélère les cycles d’itération.
Sur le plan technique, PAN 2 associe un modèle Transformer à grande échelle à un décodeur spatiotemporel afin de produire des images cohérentes qui respectent la permanence des objets, la dynamique des contacts et le point de vue de la caméra. Pour les professionnels, l’essentiel est ce que ces résultats rendent possible : une anticipation probabiliste et différentiable. Un agent peut échantillonner plusieurs actions possibles, comparer les résultats simulés aux objectifs de la tâche et choisir l’option la plus avantageuse — sans même actionner un moteur. Pour les responsables produit et les architectes système, PAN 2 joue le rôle d’une couche de décision entre la perception et le contrôle, en orientant le choix de la politique à partir de preuves simulées.
La taille ouverte de 29 milliards de paramètres relève d’un compromis délibéré visant à favoriser l’accessibilité et la reproductibilité. Le modèle est plus petit que les plus grands modèles propriétaires, mais suffisamment puissant pour saisir des régularités physiques complexes, tout en restant entraînable par des laboratoires de recherche et certaines entreprises bien équipées. Des poids ouverts et une évaluation reproductible permettent à la communauté au sens large de mettre les comportements à l’épreuve, de repérer les modes de défaillance et de proposer des améliorations. Pour les investisseurs et les concepteurs, cette ouverture accélère le développement de l’écosystème : les jeux de données, les audits de sécurité et les ajustements spécialisés par domaine se diffuseront plus rapidement qu’avec des solutions à code source fermé.
Il est important de noter que PAN 2 n’est pas un algorithme de contrôle. Ses sorties sont des trajectoires hypothétiques représentées en pixels ; pour convertir ces trajectoires en commandes motrices fiables, il faut combler les écarts entre perception et action, estimer précisément l’état du système et disposer de contrôleurs robustes de bas niveau. En pratique, les déploiements associeront donc PAN 2 à des piles de contrôle apprises ou classiques, à des filtres d’état du monde et à des dispositifs de surveillance de sécurité en temps réel. Les équipes devraient considérer PAN 2 comme un oracle de planification ou un module d’évaluation des risques au sein d’une architecture d’autonomie plus vaste, et non comme un contrôleur de mouvement prêt à l’emploi.