Enter était à HackPrinceton au printemps 2026 — 410 participants, 36 heures, sur le campus de Princeton. Nous étions là pour soutenir la prochaine génération de bâtisseurs. L'équipe derrière Atlas était l'une de celles vers lesquelles nous revenions constamment.

Le problème de notre manière d'enseigner

Il existe une lacune au cœur de la plupart des enseignements que quiconque a déjà suivi un cours d'histoire connaît bien.

On vous dit ce qui s'est passé. Vous lisez les mots. Vous passez l'examen. Et quelque part entre le manuel et l'examen, la chose qui était censée compter — le moment, le lieu, la réalité de la chose — ne prend jamais vraiment forme. Cela reste abstrait. Des mots sur une page décrivant un monde que vous ne pouvez pas voir.

Il en va de même pour la science. La photosynthèse est un mot avant d'être un processus. Les étapes sont mémorisées. La compréhension, l'intuition de ce qui se passe réellement à l'intérieur d'une feuille lorsque la lumière la frappe — cela nécessite bien plus qu'un simple diagramme.

L'équipe derrière Atlas est partie d'une observation simple : les outils pour changer cela existent désormais. Des environnements 3D immersifs, une IA capable de parler et de raisonner en temps réel, la génération de mondes à partir d'une simple consigne textuelle. La question était de savoir si ces outils pouvaient être assemblés pour créer quelque chose qui ressemble moins à un produit et davantage à un lieu.

Ce qu'est réellement Atlas

Tapez n'importe quel événement historique ou concept scientifique. Entrez dans un monde 3D généré autour de celui-ci.

C'est le cœur d'Atlas — et cette description ne rend pas justice à ce que l'on ressent vraiment en l'utilisant. Le monde n'est ni une illustration ni une simulation au sens traditionnel. C'est un environnement photoréaliste généré à partir de votre consigne, rendu en temps réel et construit autour de la chose spécifique que vous êtes venu comprendre.

À l'intérieur de ce monde se trouve un Guide IA. Il parle. Il écoute. Il répond aux questions de la même manière qu'une personne compétente se tenant à vos côtés dans cet environnement le ferait — ancré dans la scène qui vous entoure, dans les objets que vous pouvez voir, dans le contexte spécifique de l'endroit où vous êtes et de ce que vous regardez. Vous pouvez cliquer sur des éléments individuels et poser des questions directement à leur sujet. Pour les scènes scientifiques, des expériences guidées réagissent à vos actions. Un cycle de photosynthèse qui change au fur et à mesure que vous interagissez avec lui. Un monde qui enseigne en faisant, et non en racontant.

L'interface d'Atlas montrant un environnement 3D généré d'un village chinois ancien, avec le Guide IA actif dans le coin — prêt à répondre aux questions ancrées dans les objets et le contexte spatial visibles dans la scène.

Le problème complexe qu'ils ont résolu

Le défi technique le plus intéressant auquel Atlas a été confronté était aussi le plus fondamental : maintenir l'honnêteté du Guide IA quant à ce qui s'y trouvait réellement.

Un modèle linguistique, s'il a carte blanche à l'intérieur d'un monde qu'il ne peut pas voir, comblera les lacunes. Il décrira des personnes absentes, fera référence à des objets qui n'ont jamais été générés, ajoutera un contexte qui semble juste mais qui n'est pas ancré dans l'environnement réel où se trouve l'étudiant. Pour une leçon d'histoire, ce genre d'hallucination n'est pas seulement inexact — il sape activement ce qu'Atlas essaie d'accomplir.

La solution était un système de graphe de scène — une représentation structurée de chaque élément étiqueté et interrogeable à l'intérieur du monde généré. Avant que le Guide ne réponde à quoi que ce soit, il lit la scène. Il sait ce qui s'y trouve. Chaque réponse est ancrée dans ce contexte spatial et historique, et non dans les connaissances générales du modèle sur ce à quoi un village chinois ancien pourrait ressembler.

Le résultat est une IA qui se comporte moins comme un moteur de recherche et plus comme un guide qui se serait également tenu dans cette pièce.

L'architecture du graphe de scène derrière Atlas structure chaque monde généré en éléments étiquetés et interrogeables — offrant au Guide IA un ancrage spatial pour que chaque réponse reflète ce que l'étudiant peut réellement voir.

Ce dont ils sont le plus fiers

La boucle complète fonctionnant de bout en bout.

Tapez une consigne. Un véritable monde 3D se génère autour. Un Guide IA à commande vocale répond aux questions depuis l'intérieur de ce monde avec des détails historiquement exacts et spatialement ancrés. Pour une équipe travaillant lors d'un hackathon — assembler un pipeline qui couvre la génération de mondes, le rendu 3D, l'interprétation de scènes, l'IA conversationnelle et la synthèse vocale — réussir à clore cette boucle proprement en 36 heures est l'accomplissement.

Le mode d'expérience STEM s'est démarqué, même pour l'équipe elle-même. Enseigner la science par l'interaction plutôt que par l'instruction modifie la relation entre l'étudiant et le concept. Vous ne mémorisez pas les étapes de la photosynthèse. Vous la regardez réagir à ce que vous faites. Cette distinction compte plus qu'il n'y paraît.

La suite

La qualité de la génération de monde est le domaine le plus clair pour l'amélioration — le Gaussian Splatting crée des environnements photoréalistes, mais la résolution actuelle a des limites, et l'équipe veut étendre à la fois la fidélité et l'échelle de ce qui est généré à partir d'une simple consigne.

La plus grande ambition est la VR. Un monde 3D sur un écran est une chose. Se tenir à l'intérieur, se déplacer avec son corps, tendre la main vers un objet pour poser une question à son sujet — c'est la version d'Atlas qui comble entièrement le fossé entre apprendre et expérimenter.

L'idée plus large

L'éducation a toujours eu la bonne intention. Les outils pour répondre à cette intention ont pris du retard.

Ce qu'Atlas représente est le début d'un modèle véritablement différent — un modèle où l'environnement fait l'enseignement, où les questions trouvent des réponses dans le contexte, où la distance entre un concept et une compréhension ressentie s'effondre. La technologie pour construire cela existait en pièces détachées depuis des années. Ce qui a changé, c'est la capacité d'assembler ces pièces en quelque chose dans lequel un étudiant peut réellement marcher.

C'est le genre de problème qui mérite qu'on y consacre 36 heures. Et le genre de réponse qui prend plus de 36 heures à finaliser.