Une pagode et son jardin de 2 175 pièces illustrent de façon spectaculaire le contrôle d'un processus de CAO par un agent IA. Ils ne prouvent pas encore que le projet puisse être construit en briques LEGO. Entre la liberté des modèles numériques de LDraw Nova et une structure résistant au montage et à la manipulation demeure un problème que le développeur ne prétend pas avoir résolu.
L'outil libre de Carlos Antelo permet à des agents généralistes d'écrire des programmes générant des modèles LDraw. Dans le reportage du 4 octobre, Sakura Garden comprend une pagode à cinq étages, des cerisiers, un torii et un bassin à carpes koï. Claude Opus 5.5 avait reçu une consigne ouverte : imaginer le plus beau modèle possible. Les 2 175 pièces sont des éléments du catalogue numérique, pas un ensemble physique achevé.
Modifier un programme plutôt que des milliers de coordonnées
LDraw Nova n'est ni un modèle spécialement entraîné pour LEGO ni simplement un générateur d'images. L'agent lit des instructions et exemples, prépare un plan JSON du modèle et de ses sous-modèles, puis écrit du Python avec des primitives de construction de haut niveau et des motifs réutilisables. Le programme produit du LDraw ; un moteur de rendu sans interface graphique crée des vues que l'agent multimodal inspecte avant de revoir le programme.
Cette abstraction compte. Le LDraw brut explicite identifiants, couleurs, positions et transformations d'orientation. Les tentatives antérieures d'Antelo de générer directement de longues listes de coordonnées et matrices de rotation avaient échoué. Le code réutilisable permet de modifier un toit, répéter un mur ou ajuster un sous-ensemble sans des milliers de commandes individuelles de placement.
Le kit comporte recherche de pièces et d'exemples, vérification des collisions et espaces, rendu et application web sous Docker. Il accepte OpenAI, Anthropic et OpenRouter. Le reclassement sémantique facultatif exige une API ; la recherche plein texte reste une solution de repli. La bibliothèque LDraw est une ressource communautaire non officielle, pas un produit parrainé par LEGO Group. Les 16 873 formes et pièces décorées distinctes correspondent à la mise à jour de juin 2026, non au stock disponible aujourd'hui.
Le dépôt conserve Python et LDraw modifiables, rendus, visionneuse interactive, export glTF vers Blender, conversation et raisonnement de l'agent. La galerie comprend aussi une cathédrale et Tidal Observatory attribués à GPT-6 Astra, les appartements Copper Bean d'un précédent Claude Opus et Atlas Crane inachevé d'Opus 5.5. Ce sont des exemples différents, pas un classement contrôlé des fournisseurs.
Un identifiant valide ne garantit pas une structure solide
Un catalogue rend les pièces identifiables, contrairement à une image inventée. Mais l'existence d'un identifiant ne garantit ni la couleur voulue, ni une quantité suffisante, ni la vente continue d'une ancienne pièce. Approvisionnement et inventaire restent à vérifier séparément.
Antelo reconnaît l'absence de validation physique. Les modèles présentés n'avaient pas été assemblés dans le récit publié. Les vérifications de collisions et d'espaces détectent certaines erreurs géométriques, mais ne démontrent ni force d'emboîtement, ni transmission des charges, ni équilibre, ni résistance à la torsion. Elles ne disent pas si un toit en porte-à-faux ou un arbre supporte la manipulation.
L'ordre de construction ajoute une contrainte. La forme finale peut sembler stable tandis qu'une étape intermédiaire s'effondre, ou que des pièces ultérieures bloquent l'accès. Un plan réalisable doit tenir compte des connexions réelles, de l'accessibilité et du moment où apparaît un appui, pas seulement montrer de beaux angles de l'objet fini.
La taille peut amplifier les défauts. Une fonction auxiliaire incorrecte peut reproduire la même mauvaise connexion des centaines de fois. Les rendus montrent des surfaces, pas des forces. Davantage de pièces accroît le travail d'inventaire et de contrôle structurel au lieu de le rendre superflu.
LegoGPT apporte une autre forme de preuve
L'étude LegoGPT, présentée en 2025 par des collaborateurs de Carnegie Mellon, traite une tâche plus contrainte : prédire la prochaine brique plutôt que le prochain mot. StableText2Lego contient plus de 47 000 structures représentant plus de 28 000 objets 3D distincts, accompagnés de descriptions et évalués pour leur stabilité. Sa représentation issue des voxels couvre 21 catégories courantes.
Ces restrictions limitent la liberté comparée aux scènes ambitieuses de Nova, mais placent la validité physique au cœur de la génération. LegoGPT applique des contrôles et un retour arrière tenant compte de la physique : il rejette les placements invalides et reprend un état valide antérieur. La stabilité de l'étude inclut l'absence de pièces flottantes ou s'effondrant et une forte intégrité structurelle. La constructibilité implique aussi des pièces standard et un assemblage séquentiel humain ou robotique.
Certains résultats ont été assemblés à la main et avec un robot à deux bras. Cette preuve physique est plus forte qu'un rendu. Elle ne garantit pas tous les résultats futurs et ne constitue pas une comparaison directe portant sur le jardin Nova de 2 175 pièces. Le reportage relie également des discussions ultérieures au nom BrickGPT ; cela ne prouve ni nouvelle version équivalente ni benchmark.
Les fichiers Nova s'ouvrent notamment dans LeoCAD, compatible avec LDR, MPD, les sous-modèles et les instructions à plusieurs étapes. Cette compatibilité aide à éditer et inspecter. Elle ne signifie pas que Nova a déjà produit et validé des instructions complètes exécutables physiquement.
La physique doit modifier le projet
La prochaine étape prometteuse ne consiste pas seulement à attribuer un score de stabilité au rendu terminé. Le retour structurel devrait changer plan, choix des pièces, sous-ensembles et ordre de montage. Graphes de connexions, estimation du centre de masse et détection des jonctions faibles pourraient aider, mais ce sont des extensions possibles, pas des fonctions de Nova démontrées dans ce récit.
Même une simulation sophistiquée simplifie emboîtement, friction, tolérances de fabrication et manipulation. Un prototype physique reste décisif. Tester un étage de pagode, un angle de toit, un arbre ou une articulation de grue révélerait différents échecs sans acheter immédiatement toutes les pièces.
Antelo a envisagé l'impression 3D d'un modèle réduit. Aucun test achevé n'était rapporté ; une miniature imprimée ne validerait d'ailleurs pas les connexions LEGO. Une démonstration utile publierait CAO d'origine, nomenclature, instructions, temps de construction, corrections manuelles et échecs, puis montrerait une manipulation normale.
À quoi reconnaître les progrès
Trois signaux importeraient : une construction documentée en vraies briques, une révision du programme par l'agent après des essais structurels ratés et des tests répétés entre fournisseurs et consignes, avec bibliothèque fixe et critères communs. Durée, placements invalides, intervention humaine, problèmes d'approvisionnement et défaillances physiques renseigneraient davantage que le seul nombre de pièces.
Minifigurines, machines Technic et moteurs sont des projets de feuille de route, pas des capacités établies. Axes, broches, articulations mobiles, alignement et couple imposent d'autres contraintes. Une visualisation VR existe, mais Antelo signalait des problèmes de performance et d'usage. L'immersion ne remplace pas les essais mécaniques ou d'assemblage.
Nova illustre déjà un schéma logiciel utile : un agent utilise un outil structuré via du code réutilisable, inspecte la sortie et la corrige. Pour les constructeurs, les fichiers restent néanmoins des bases modifiables, pas des kits certifiés. Le prochain jalon n'est pas une capture plus élaborée, mais un assemblage dont pièces, séquence et structure peuvent être vérifiées.
Sources : reportage du 4 octobre ; entrée d'agrégation du reportage original.