Le pari des 25 centimes : Decart casse le marché de la simulation avec Oasis 3
Simuler une heure de conduite en environnement photoréaliste coûtait jusqu'ici plusieurs milliers de dollars. Decart promet de faire tomber ce prix à moins de 25 centimes. Dévoilé le 10 juin 2026, Oasis 3 est un modèle de monde interactif capable de générer en temps réel des environnements de conduite d'un réalisme bluffant, avec une caméra frontale et deux caméras latérales. Le tout pour 0,02 dollar la seconde d'inférence, soit 1600 tokens par seconde — huit fois plus que la concurrence selon la startup.
Le pari est audacieux. Dean Leitersdorf, le CEO de 27 ans, le formule sans détour dans les colonnes de TechCrunch : Oasis 3 doit devenir « le ChatGPT des world models ». Pas une simple démonstration technique, mais une API accessible à tous les développeurs, dès le lancement. La communauté compte déjà plus de 100 000 personnes via Lucy, le modèle de vidéo temps réel précédent de Decart.
Le cœur de la prouesse technique repose sur le Decart Optimization Stack (DOS). Ce n'est pas un simple compilateur : c'est une couche logicielle qui optimise l'inférence des modèles génératifs sur n'importe quel matériel. Et c'est précisément ce qui rend le modèle si disruptif.
D’Oasis 1 à Oasis 3 : l’ascension express d’une pépite israélienne
L'histoire de Decart tient en moins de trois ans. En novembre 2024, la startup dévoile Oasis 1, un modèle capable de simuler un jeu Minecraft-like par intelligence artificielle générative. Le résultat tient du gadget : 20 images par seconde en 360p à 720p, une esthétique pixelisée, une expérience plus proche du rêve fiévreux que du jeu vidéo abouti. Pourtant, le potentiel technique est déjà là.
Début 2026, Oasis 2.0 passe en 1080p à 30 FPS. La qualité s'améliore, mais le modèle reste cantonné à des univers stylisés. Puis vient Oasis 3, en juin 2026, et le saut est vertigineux : simulation de conduite photoréaliste, multi-caméras, inférence en temps réel. En dix-huit mois, Decart est passé d'un clone de Minecraft à un outil potentiellement utilisable par l'industrie automobile.
Derrière cette accélération, il y a une équipe jeune mais aguerrie. Dean Leitersdorf et Moshe Shalev, le CPO, sont tous deux d'anciens de l'unité 8200 du renseignement israélien, une pépinière de talents tech réputée pour sa culture de l'exécution rapide. Leurs premiers investisseurs, Sequoia Capital et Benchmark Capital, ont flairé le coup dès la fin 2023.
DOS, le moteur qui fait tourner les puces d’Amazon et Google aussi bien que Nvidia
L'avantage concurrentiel de Decart ne se limite pas à son modèle. C'est le DOS qui fait la différence. Là où la plupart des startups d'IA générative verrouillent leur stack sur les GPU Nvidia — le standard de facto du marché —, Decart a conçu son optimisation pour fonctionner sur n'importe quel accélérateur.
Amazon Trainium ? Compatible. Google TPU ? Compatible. Les puces Nvidia, bien sûr, aussi. Cette indépendance matérielle n'est pas anodine. Dans un marché où la pénurie de GPU Nvidia fait grimper les prix et allonger les délais, pouvoir tourner sur des infrastructures concurrentes change la donne.
C'est d'ailleurs ce qui a attiré Nvidia comme investisseur. Officiellement, le géant des puces veut garder un œil sur la technologie. Mais le message est plus subtil : plutôt que de combattre Decart, Nvidia préfère miser sur l'explosion du volume d'inférence. Si le DOS rend l'IA générative temps réel viable partout, le gâteau global grossit — et Nvidia en récoltera sa part grâce à ses GPU haut de gamme. Amazon, lui, est déjà premier client : l'infrastructure cloud Trainium tourne à plein régime pour faire fonctionner Oasis 3.
Les géants dans le rétroviseur : les 450 millions de dollars qui changent la donne
En mai 2026, Decart boucle un tour de série B de 300 millions de dollars, portant sa valorisation à environ 4 milliards. Le tour est mené par Radical Ventures, avec Sequoia Capital, Benchmark Capital, Toyota Ventures, Nvidia, Amazon, Adobe et eBay au capital. Au total, la startup a levé plus de 450 millions de dollars en moins de trois ans.
Ce n'est pas une simple levée de fonds. C'est une prise de guerre industrielle. Chaque investisseur a une raison stratégique précise de mettre la main au portefeuille.
Toyota Ventures et Amazon : les industriels de l’auto et du cloud dans le capital
Toyota Ventures, le bras d'investissement du constructeur japonais, ne cache pas ses intentions. Toyota veut intégrer Oasis 3 dans sa pipeline de développement de véhicules autonomes. La simulation photoréaliste à bas coût permettrait d'entraîner les algorithmes de conduite sur des millions de scénarios, sans avoir à déployer des flottes de voitures équipées de capteurs coûteux.
Amazon, de son côté, joue un double rôle : investisseur et client. L'infrastructure Trainium d'AWS est optimisée pour faire tourner le DOS, et Amazon utilise déjà Oasis 3 en interne. La boucle est vertueuse : plus Decart attire de clients, plus Amazon vend du cloud. Et plus Amazon vend du cloud, plus il peut justifier ses investissements dans ses propres puces.
Adobe et eBay complètent le tableau. Le premier voit dans la génération d'environnements photoréalistes un outil pour les créateurs de contenu et les designers. Le second explore les applications dans le commerce en ligne : visualisation de produits, showrooms virtuels.
Nvidia mise sur un cheval qui optimise aussi les puces concurrentes : le paradoxe expliqué
Le paradoxe mérite qu'on s'y attarde. Pourquoi Nvidia, roi incontesté du GPU, investirait-il dans une startup qui rend les TPU de Google et les Trainium d'Amazon compétitifs ? La réponse tient en un mot : volume.
Aujourd'hui, l'inférence d'IA générative en temps réel est un luxe réservé aux entreprises qui peuvent s'offrir des clusters de GPU Nvidia haut de gamme. Le DOS de Decart abaisse la barrière : même du matériel moins performant peut exécuter des modèles complexes. Résultat, le nombre total d'heures d'inférence explose. Et même si la part de marché de Nvidia diminue en pourcentage, le volume total de GPU Nvidia vendus augmente.
C'est un pari à long terme. Jensen Huang, le CEO de Nvidia, a compris depuis longtemps que le gâteau de l'IA générative est bien plus gros que la part des GPU. En investissant dans Decart, Nvidia s'assure une place à la table des négociations, tout en gardant un œil sur une technologie qui pourrait un jour menacer son hégémonie.
La douche froide : pourquoi TechCrunch met en garde contre les « trous de mémoire » d’Oasis 3
Les promesses sont impressionnantes. Mais TechCrunch a soumis Oasis 3 à un test grandeur nature, et les résultats sont nuancés. Le modèle souffre de limitations sérieuses, qui touchent à la fiabilité même de la simulation. Dans un secteur où l'erreur n'est pas permise — un véhicule autonome qui rate un piéton, ce n'est pas un bug, c'est un drame —, ces réserves sont cruciales.
Quand New York devient « Anytown » : la dégradation mémoire qui inquiète
Le problème central est un manque de cohérence mémoire à long terme. Après quelques minutes de conduite simulée, le modèle perd le fil. Une rue typique de New York — avec ses immeubles en brique, ses enseignes lumineuses, ses taxis jaunes — se transforme progressivement en une ville générique et floue. Les détails s'estompent, les repères disparaissent. TechCrunch appelle ce phénomène la « dégradation thématique ».
Pour un jeu vidéo, le défaut serait mineur. Pour un véhicule autonome, il est rédhibitoire. Un simulateur destiné à valider des trajets précis doit être capable de maintenir la cohérence d'un environnement sur des heures. Si le modèle oublie à quoi ressemble une intersection au bout de trois minutes, comment tester la réaction de l'IA face à un panneau de stop spécifique ?
L’absence de retour en arrière : une simulation qui ne sauvegarde pas
Autre limitation : l'impossibilité de revenir à un point précédent de l'environnement. Une fois que le modèle a généré une séquence, elle est perdue. Impossible de rejouer exactement le même scénario à l'identique. Or, pour homologuer un système de conduite autonome, les régulateurs exigent la reproductibilité des tests. Il faut pouvoir dire : « à la seconde 42, le véhicule a rencontré cette situation précise, et voici comment il a réagi. »
Sans cette capacité, Oasis 3 ne peut pas être utilisé pour la validation réglementaire. Les contrôles, par ailleurs, sont peu réactifs. TechCrunch rapporte des pertes de contrôle fréquentes, des délais d'inférence qui s'allongent, une impression générale de fragilité. Le modèle est impressionnant sur une démonstration de trente secondes. Sur trente minutes, il vacille.
Waymo et Nvidia ne tremblent pas : la bataille des « world models » fait rage
Oasis 3 arrive sur un terrain déjà occupé par des poids lourds. Waymo a dévoilé son Waymo World Model en février 2026, basé sur Genie 3 de Google DeepMind. Nvidia dispose d'Omniverse, sa plateforme de simulation industrielle. Le match ne se joue pas sur le même ring.
Waymo World Model : 200 millions de miles réels pour entraîner le simulateur
L'avantage décisif de Waymo, c'est la donnée. Le Waymo Driver a parcouru près de 200 millions de miles en conduite totalement autonome sur les routes américaines. À cela s'ajoutent des milliards de miles en simulation. Chaque scénario du monde réel — un cycliste qui coupe la route, un piéton qui surgit entre deux voitures, une tempête de neige soudaine — est enregistré, analysé, réinjecté dans le simulateur.
Le Waymo World Model ne se contente pas de générer des images photoréalistes. Il intègre des données lidar, radar, caméra, et peut simuler des événements extrêmement rares : une tornade, un éléphant sur la route, un accident en chaîne. Tout cela avec une cohérence mémoire parfaite, parce que le modèle est calibré par des données réelles.
Decart, de son côté, part de zéro dans le domaine de la conduite autonome. Oasis 3 n'a jamais roulé sur une vraie route. Il génère des environnements à partir de données d'entraînement génériques, sans la granularité des scénarios réels.
La guerre des prix n’est pas celle de la fiabilité : deux marchés, deux visions
Waymo et Decart ne visent pas les mêmes clients. Waymo s'adresse aux constructeurs automobiles et aux opérateurs de flottes qui ont besoin d'une validation réglementaire irréprochable. Le coût n'est pas le critère principal : c'est la fiabilité. Quand on engage la responsabilité d'un véhicule de plusieurs tonnes, payer 5000 dollars de l'heure de simulation plutôt que 25 centimes est un détail.
Decart, lui, cible la démocratisation. Startups, petits développeurs, studios de jeux vidéo, auto-écoles : tous ceux qui n'ont pas les moyens de s'offrir une infrastructure de simulation à plusieurs millions de dollars. Le modèle Oasis 3 permet de prototyper rapidement, d'explorer des scénarios, de réduire les coûts de développement.
Les deux approches ne sont pas incompatibles. À terme, Decart pourrait améliorer sa fiabilité et viser le marché réglementaire. Mais pour l'instant, le fossé reste large.
Renault, Stellantis, permis de conduire : ce qui va changer en France avec Oasis 3
Pour le lecteur français, la question est pratique : concrètement, à quoi va servir Oasis 3 en Europe ? Le contexte réglementaire est strict. L'AI Act européen impose des normes de sécurité élevées pour les systèmes d'IA utilisés dans les transports. Les constructeurs comme Renault et Stellantis, les acteurs de la mobilité comme Navya et EasyMile, doivent composer avec ces contraintes.
Nouveau permis de conduire : bientôt des heures de simulation illimitées à 25 centimes ?
L'application la plus immédiate pour le grand public, c'est la formation au permis de conduire. Aujourd'hui, une heure de conduite avec un moniteur coûte entre 40 et 60 euros en France. Pour les jeunes en zone rurale, où l'offre d'auto-écoles est limitée, le budget peut dépasser les 2000 euros. Sans compter la pénurie de moniteurs, qui allonge les délais d'attente.
Avec Oasis 3, une auto-école pourrait proposer des séances de simulation photoréalistes pour un coût quasi nul. Vingt-cinq centimes de l'heure, c'est moins cher qu'une canette de soda. L'élève pourrait s'entraîner à conduire dans des environnements variés — ville, campagne, autoroute, nuit, pluie — sans mobiliser un véhicule ni un moniteur.
Le passer le permis à la campagne est devenu un vrai filon pour les citadins en galère, mais le coût reste un frein. Une simulation à bas prix pourrait changer la donne, en rendant l'entraînement accessible à tous, même dans les déserts médicaux de l'apprentissage de la conduite.
Bien sûr, la simulation ne remplace pas la conduite réelle. Mais elle permet d'accumuler des heures d'expérience sans risque, de répéter les manœuvres difficiles, de se familiariser avec les situations d'urgence. C'est un complément, pas un substitut.
Du jeu vidéo à la réalité : pourquoi Forza pourrait intégrer un moteur Decart
L'industrie du jeu vidéo est une cible naturelle pour Decart. L'API à 0,02 dollar la seconde ouvre la porte à des mondes procéduraux générés en temps réel, bien plus crédibles que la génération procédurale classique. Imaginez un jeu de course où chaque trajet est unique, où les paysages sont photoréalistes, où la météo évolue naturellement.
Les studios de jeux comme ceux derrière Forza ou Gran Turismo pourraient intégrer Oasis 3 pour générer des environnements de conduite. Le pont entre divertissement et formation est ténu : un simulateur de conduite pour jeu vidéo peut servir à former des conducteurs, et vice versa. C'est le même moteur, avec des réglages différents.
Pour les étudiants qui cherchent une voiture électrique abordable, la Tesla Model 3 à 37 000 € reste une option sérieuse. Mais avec Oasis 3, ils pourraient bientôt s'entraîner à la conduire virtuellement avant de passer à l'acte.
Le revers de la médaille : coût énergétique, emplois et biais éthiques
La promesse des 25 centimes cache une réalité plus complexe. Le coût monétaire baisse, mais le coût énergétique de l'inférence en temps réel est colossal. Et les implications sociales ne sont pas négligeables.
Moins de 25 centimes, mais des millions de GPU : le vrai bilan carbone de la simulation générative
Le paradoxe est simple : pour que le coût monétaire soit aussi bas, il faut que l'infrastructure soit massive. Les clusters de GPU qui font tourner Oasis 3 consomment des mégawatts. Une flotte de véhicules autonomes qui s'entraîne 24 heures sur 24 sur des world models a une empreinte carbone non négligeable.
Les startups de l'IA générative communiquent rarement sur ce point. Le prix de l'API est attractif, mais il ne reflète pas le coût environnemental. Les data centers qui hébergent ces modèles tournent à plein régime, souvent alimentés par des énergies fossiles.
Pour les entreprises qui intègrent Oasis 3, la question se pose : est-il acceptable de faire tourner des simulations pendant des heures pour valider un scénario rare, sachant que chaque seconde d'inférence consomme de l'énergie ? La réponse n'est pas évidente.
Des routes américaines aux ronds-points français : le défi des biais pour la validation
Autre problème : les biais de simulation. Oasis 3 a-t-il été entraîné sur des données majoritairement américaines ? Les routes américaines sont larges, rectilignes, avec une signalisation standardisée. Les ronds-points, omniprésents en France, sont rares aux États-Unis. Les panneaux de priorité, les intersections complexes, les priorités à droite — tout cela est spécifique.
Si une IA de conduite est entraînée sur une simulation biaisée, elle risque de mal réagir dans des situations réelles. Un véhicule autonome qui n'a jamais vu de rond-point en simulation pourrait le prendre pour un carrefour classique, avec des conséquences potentiellement graves.
C'est le défi de la généralisation. Les données d'entraînement doivent être représentatives de la diversité des environnements. Decart devra travailler avec des partenaires locaux pour enrichir son modèle avec des données européennes, asiatiques, africaines.
Conclusion : Oasis 3 est un GPS, pas un guide — la route reste à tracer
Oasis 3 est un outil formidable pour le prototypage rapide, l'exploration de scénarios rares et la réduction des coûts de développement. À 25 centimes de l'heure, il démocratise l'accès à la simulation photoréaliste, un domaine jusqu'ici réservé aux géants de l'automobile et de la tech.
Mais les réserves identifiées sont sérieuses. Le manque de cohérence mémoire, l'impossibilité de rejouer un scénario, le coût énergétique, les biais potentiels : tout cela montre qu'on n'est pas encore prêt pour une homologation grand public en Europe. L'AI Act, les normes de sécurité, les exigences des assureurs — tout cela demande des années de fiabilisation supplémentaires.
Dean Leitersdorf compare l'API d'Oasis 3 aux débuts de l'API d'OpenAI pour les LLM. À l'époque, personne n'imaginait l'écosystème d'applications qui émergerait autour de GPT. Peut-être en sera-t-il de même pour les world models. Un écosystème de développeurs va naître, des applications inattendues vont voir le jour. Mais l'application critique — la voiture sans conducteur, homologuée, fiable, capable de rouler sur les routes françaises — demande encore du chemin.
Oasis 3 est un GPS : il indique une direction, il montre le potentiel. Mais il ne remplace pas le guide qui connaît chaque virage, chaque danger, chaque imprévu. La route reste à tracer.
