Mieux comprendre le Gaussian Splatting

Gaussian Splatting : la 3D photoréaliste en temps réel s'invite dans l'industrie

La représentation 3D du monde réel a toujours été un défi pour les acteurs de l'industrie 4.0, de la simulation et des jumeaux numériques. Pendant des décennies, les solutions disponibles (photogrammétrie, maillages polygonaux, LiDAR) ont imposé des compromis entre qualité visuelle, précision et performance en temps réel.

Une technologie émergente est en train de redistribuer les cartes : le Gaussian Splatting, ou 3D Gaussian Splatting (3DGS). Née dans les laboratoires de recherche en 2023, elle s'impose progressivement comme une rupture majeure dans la manière de capturer, représenter et visualiser des environnements tridimensionnels.

1. Qu'est-ce que le Gaussian Splatting ? Retour aux fondamentaux

Pour comprendre le Gaussian Splatting, il faut d'abord comprendre ses prédécesseurs.

La photogrammétrie, la technique la plus ancienne des trois, reconstruit un modèle 3D à partir d'une série de photographies prises sous différents angles. Elle produit des modèles géométriquement précis, mesurables et légers à partager. Mais elle peine à restituer fidèlement les surfaces transparentes, réfléchissantes ou sans texture, et les résultats peuvent souffrir d'artefacts visuels sur les géométries complexes (Teleport/Varjo, 2024).

Les Neural Radiance Fields (NeRF), apparus en 2020, ont représenté une première rupture. Ils permettent de générer des environnements photoréalistes à partir de photos multi-angles en modélisant la lumière comme elle se déplace dans l'espace via un réseau de neurones. Le rendu est d'une qualité visuelle remarquable, y compris sur les surfaces complexes. Leur limite principale reste le coût en calcul : l'entraînement d'un modèle NeRF peut prendre plusieurs heures, et le rendu n'est généralement pas en temps réel, ce qui le rend peu pratique pour de nombreuses applications professionnelles (Clarté / augmented-reality.fr, 2025).

Le Gaussian Splatting s'impose alors comme une alternative hybride et plus accessible. Présenté en août 2023 dans un article de recherche issu d'INRIA (Institut National de Recherche en Informatique et en Automatique) et de l'Université de Tübingen, il repose sur une idée fondamentalement différente : plutôt que de modéliser la scène à partir de polygones ou d'un réseau de neurones continu, la scène est représentée comme un nuage dense de "gaussiennes" (des ellipsoïdes semi-transparentes, chacune définie par sa position, sa taille, sa rotation, sa couleur et son opacité (Kerbl et al., ACM Transactions on Graphics, 2023)). Grâce à cette technique, on obtient un rendu volumétrique continu, fluide et photoréaliste, sans maillage, sans texturage traditionnel et en temps réel.

Le nom lui-même est évocateur : "splatting" désigne le fait de "projeter" ces ellipsoïdes sur l'écran, à la manière d'éclaboussures de lumière qui se superposent pour recomposer la réalité perçue. Le Gaussian Splatting ne reconstruit pas un objet : il recompose la perception de la lumière (Widdim, 2025).

2. Comment ça fonctionne ? Le pipeline en trois étapes

Le processus de génération d'un Gaussian Splat suit un pipeline relativement accessible, même si les calculs sous-jacents sont complexes.

Étape 1 - La capture. Un ensemble d'images ou de vidéos est capturé autour de la scène ou de l'objet cible. Cela peut être réalisé avec un simple smartphone, un appareil photo, un drone ou un scanner LiDAR pour les applications nécessitant une plus grande précision.

Étape 2 - L'initialisation et l'optimisation. À partir des images, un algorithme de Structure-from-Motion (SfM), généralement COLMAP, génère d'abord un nuage de points 3D sparse. Chaque point de ce nuage sert de point de départ à une gaussienne. Un processus d'optimisation par apprentissage automatique ajuste ensuite la position, la forme, la couleur et l'opacité de chaque gaussienne, de manière à ce que leur projection 2D corresponde au mieux aux images d'entrée. C'est ce qu'on appelle la rastérisation gaussienne différentiable (Escadrone, 2025).

Étape 3 - Le rendu en temps réel. Une fois optimisées, les millions de gaussiennes sont projetées et fusionnées directement sur le GPU pour produire une image. Ce processus est extrêmement rapide : là où un NeRF nécessitait des heures de calcul pour le rendu, un modèle Gaussian Splatting peut être affiché et exploré en quelques secondes, à des fréquences d'images élevées (Widdim, 2025 ; Artlight, 2026).

3. Gaussian Splatting vs. NeRF vs. Photogrammétrie : que choisir ?

Ces trois technologies ne sont pas en concurrence frontale, elles répondent à des besoins distincts. En résumé : la photogrammétrie reste la référence pour les applications nécessitant une précision métrologique certifiée (contrôle qualité, métrologie industrielle). Le NeRF excelle pour les rendus de très haute qualité où le temps de calcul n'est pas une contrainte. Le Gaussian Splatting s'impose comme le meilleur compromis pour le rendu photoréaliste en temps réel, avec une capacité à capturer les surfaces complexes que la photogrammétrie ne sait pas bien traiter (Escadrone, 2025 ; Synima, 2025).

4. Applications concrètes : ce que le Gaussian Splatting change pour l'industrie

Jumeau numérique et documentation d'installations

Le Gaussian Splatting ouvre une nouvelle ère pour la création de jumeaux numériques photoréalistes. En capturant un site industriel (une usine, un entrepôt, une infrastructure énergétique) avec une caméra ou un drone, il devient possible de générer un jumeau visuel navigable en temps réel, d'une fidélité visuelle sans précédent. Là où la photogrammétrie peut laisser des surfaces incomplètes ou des textures approximatives, le Gaussian Splatting restitue la végétation, les structures fines, les matériaux réfléchissants avec une précision perceptive remarquable (Escadrone, 2025). Des acteurs majeurs ont déjà intégré la technologie dans leurs outils.

Inspection industrielle et maintenance

Le Gaussian Splatting se révèle particulièrement pertinent pour l'inspection d'infrastructures complexes : sous-stations électriques, raffineries, ouvrages d'art, éoliennes. Couplé à des drones, il permet de générer des représentations navigables d'un site en un temps réduit, exploitables directement pour la détection d'anomalies ou la planification d'interventions de maintenance. Bentley Systems a notamment démontré l'usage du Gaussian Splatting pour visualiser des sous-stations électriques et des sites géospatiaux dans CesiumJS, avec une immersion et une fluidité que les maillages traditionnels ne permettaient pas (Khronos Group / Bentley Systems, 2026).

Réalité virtuelle et formation immersive

Pour les applications de formation en environnement VR, le Gaussian Splatting offre la possibilité de recréer des environnements industriels réels, et non plus seulement modélisés, avec un niveau de photoréalisme inédit. Les opérateurs peuvent s'entraîner dans une reproduction fidèle de leur site de travail, ce qui renforce l'efficacité pédagogique.

Robotique et navigation autonome

La recherche en robotique s'empare également du Gaussian Splatting pour la représentation dense d'environnements. Sa capacité à fournir des cartes visuelles riches et exploitables en temps réel en fait un candidat sérieux pour la navigation de robots autonomes, la planification de trajectoires et la reconnaissance de scènes (Zhu et al., "3D Gaussian Splatting in Robotics: A Survey", arXiv, 2024).

5. Vers une standardisation : le moment charnière de 2026

L'un des principaux freins à l'adoption massive du Gaussian Splatting a longtemps été l'absence de format d'échange standard. Chaque outil utilisait ses propres formats propriétaires (PLY, SPZ, etc.), rendant complexe la circulation des scènes entre moteurs 3D, plateformes web et pipelines industriels.

Ce verrou est en train de sauter. En février 2026, le Khronos Group (le consortium à l'origine des standards OpenGL, Vulkan et glTF) a annoncé un candidat à la publication pour l'extension KHR_gaussian_splatting pour glTF 2.0, le format de livraison 3D le plus largement adopté sur le web et dans les moteurs temps réel. Cette extension définit comment les attributs d'un Gaussian Splat (position, orientation, échelle, couleur, opacité) sont stockés dans un fichier glTF standard (Khronos Group, février 2026).

La ratification définitive est attendue pour le deuxième trimestre 2026, avec le soutien de Google, NVIDIA, Apple, Adobe, Autodesk, Bentley Systems et Esri. Neil Trevett, président du Khronos Group, a qualifié cette extension de "jalon majeur pour la communauté 3D" (Khronos Group, 2026).

Pour les industriels, c'est une nouvelle décisive : une scène photoréaliste capturée à partir d'images pourra bientôt être encapsulée dans un fichier glTF standard, manipulable par les mêmes outils que les modèles 3D classiques. Le mécanisme de "fallback" prévu garantit en outre la compatibilité minimale : lorsqu'un logiciel ne supporte pas encore l'extension, il peut afficher le contenu sous forme de nuage de points (Leaxea, 2026).

6. Les limites à connaître

Le Gaussian Splatting est une technologie puissante, mais elle n'est pas exempte de contraintes à anticiper avant de l'intégrer dans un pipeline industriel :

• Précision géométrique limitée. La technologie est optimisée pour la qualité visuelle, pas pour la précision métrologique. Les mesures géométriques moyennes affichent une erreur de l'ordre de 7,8 cm, insuffisant pour des applications de contrôle dimensionnel strict. Pour ces usages, le LiDAR reste indispensable en complément (The Future 3D, 2026).
• Poids des fichiers. Un modèle Gaussian Splatting peut représenter des centaines de mégaoctets, voire plusieurs gigaoctets, ce qui pose des enjeux de stockage, de streaming et de compatibilité mobile. Les travaux de compression (notamment le format SPZ de Niantic Spatial, qui réduit la taille de 90 % par rapport au PLY) sont en cours de standardisation (Khronos/OGC, 2025).
• Artefacts sur certaines géométries. Les longues structures linéaires (câbles, antennes, rails) tendent à produire des artefacts visuels difficiles à éliminer sans augmenter significativement la taille des fichiers (Khronos/OGC, 2025).
• Édition et interactivité physique. Contrairement à un maillage, un Gaussian Splat n'est pas naturellement "modifiable" ou soumis à la physique. Des travaux récents explorent l'intégration de dynamiques physiques pour permettre des interactions en VR, mais ces approches restent expérimentales.
• Expertise et outillage encore en maturation. La chaîne de traitement (capture, optimisation, visualisation) requiert encore des compétences spécialisées et des logiciels dédiés (Nerfstudio, PostShot, SuperSplat, DJI Terra…). L'écosystème se structure rapidement, mais la courbe d'apprentissage reste réelle.

Conclusion

En moins de trois ans, le Gaussian Splatting est passé d'un article de recherche à une technologie intégrée dans les outils d'Autodesk, d'Esri, de DJI et bientôt dans le standard glTF lui-même. Sa capacité à produire des environnements 3D photoréalistes navigables en temps réel, à partir de simples photos ou vidéos, en fait un levier stratégique pour les acteurs de l'industrie 4.0, du jumeau numérique, de la réalité augmentée et de la formation immersive.

La standardisation en cours en 2026 est le signal que la technologie est en train de passer du stade expérimental au déploiement professionnel à grande échelle. Pour les industriels, la question n'est plus de savoir si le Gaussian Splatting va s'imposer, mais comment s'y préparer dès aujourd'hui, en termes de capture de données, de pipeline 3D et de compétences internes.

Sources

• Kerbl B. et al., 3D Gaussian Splatting for Real-Time Radiance Field Rendering, INRIA / Université de Tübingen, ACM Transactions on Graphics, 2023 — repo-sam.inria.fr
• Clarté / augmented-reality.fr — À la découverte du Gaussian Splatting et de ses usages avec Grégory Duvalet, septembre 2025
• Widdim — 3D Gaussian Splatting : la nouvelle révolution de la visualisation 3D, octobre 2025
• Artlight — Gaussian Splatting : de la photogrammétrie au rendu temps réel, avril 2026 — artlight.fr
• Escadrone — Gaussian Splatting : impact et intégration dans DJI Terra, novembre 2025
• Synima — The Differences between Photogrammetry, NeRF and Gaussian Splatting, 2025
• Teleport / Varjo — Gaussian splatting vs. photogrammetry vs. NeRFs, 2024
• arcorama.fr — Gaussian Splats : une nouvelle technologie de rendu 3D pour votre SIG, décembre 2025
• AEC Magazine — Introducing Gaussian Splats for AEC, février 2026
• Khronos Group — Khronos Announces glTF Gaussian Splatting Extension (KHR_gaussian_splatting), février 2026 — khronos.org
• Khronos Group / OGC — Khronos, OGC, and Geospatial Leaders Add 3D Gaussian Splats to the glTF Asset Standard, août 2025
• Bentley Systems — Why an Open Standard For Gaussian Splats Changes 3D Modeling, février 2026
• Leaxea — 3D Gaussian Splatting arrive dans glTF, mars 2026
• The Future 3D — The State of Gaussian Splatting in 2026: Standards and Tools, avril 2026
• Tu L. et al. (VRSplat) — Fast and Robust Gaussian Splatting for Virtual Reality, arXiv, mai 2025 — arxiv.org/abs/2505.10144
• Zhu S. et al. — 3D Gaussian Splatting in Robotics: A Survey, arXiv, 2024 — arxiv.org/abs/2410.12262
• Fan S. et al. — A review of recent advances in Gaussian splatting, Applied Intelligence / Springer Nature, 2026