Google DeepMind publie Genie 4, son modèle du monde doté d'audio, de parole et de deux minutes de cohérence

Ce que Google a publié

Google DeepMind a publié Genie 4 mardi 27 octobre, en aperçu de recherche. Genie est un modèle du monde, un type d'IA qui simule un environnement dans lequel l'utilisateur peut se déplacer au clavier et qu'il peut modifier par des instructions écrites. Au lieu de concevoir chaque élément à l'avance, le système génère chaque image en temps réel à partir d'une description textuelle. La première version s'adresse à des « testeurs de confiance », les personnes qui reçoivent un accès anticipé aux produits de Google. Google présente la technologie comme une étape vers l'intelligence artificielle générale, capable de traiter des tâches très diverses au-delà des jeux vidéo.

La trajectoire de développement de Genie

Genie 1 générait des environnements bidimensionnels contrôlables et a été présenté en février 2024. Genie 2 est passé à la 3D en décembre de la même année, et Genie 3, annoncé en août 2025, permettait une exploration plus réaliste en temps réel en 720p et à 24 images par seconde.

Aucun de ces modèles n'a été largement disponible. Genie 3 était accessible via Project Genie, une application web expérimentale qui combinait le modèle avec Nano Banana Pro et Gemini. Les utilisateurs devaient avoir au moins 18 ans et disposer d'un abonnement Google AI Ultra, et les explorations étaient limitées à 60 secondes.

Ce qu'apporte la nouvelle version

Par rapport à Genie 3, DeepMind indique que Genie 4 améliore la simulation des collisions et de l'aérodynamique, ainsi que les mouvements et les réactions humaines. L'ajout le plus notable est l'audio natif, généré en même temps que les images et intégré à l'environnement, comme le vent dans les arbres ou les vagues qui se brisent sur une plage. Le modèle produit aussi de la parole humaine et du dialogue interactif, de sorte que les personnages peuvent se parler et réagir aux événements de la simulation. Les utilisateurs peuvent saisir des instructions en cours de simulation pour changer la météo ou l'angle de caméra, ou ajouter de nouvelles personnes et de nouveaux objets.

La fenêtre de cohérence est le changement chiffré le plus net. Genie 4 maintient une scène cohérente jusqu'à deux minutes, soit le double de la limite de son prédécesseur, qui permettait environ une minute.

Genie 31

Genie 42

Genie 3

1 minutes

Genie 4

2 minutes

Données tirées du texte de l’article

Le rôle de Gemini et les limites connues

Gemini est plus étroitement intégré à Genie 4. Le système utilise les capacités de Gemini Omni pour améliorer le réalisme et s'appuie sur Gemini 3.8 Flash comme superviseur qui observe la scène, planifie les étapes et vérifie les images pendant que Genie crée les visuels. Dans une expérience de recherche liée à Gemini Robotics, le système a décomposé les tâches en étapes que Genie 4 a simulées en temps réel, une manière possible de tester des scénarios de robots avant qu'ils ne se produisent dans le monde physique. Tejas Kulkarni, directeur de recherche chez Google, a décrit cette orientation lors d'un point presse.

« Ce que nous verrons de plus en plus à l'avenir, ce sont ces modèles du monde hybrides, où l'on a une combinaison de Gemini écrivant du code et du texte »

Les limites sont claires. Google prévient que, lorsque les simulations durent plus longtemps, les détails et la permanence des objets peuvent se dégrader avec le temps. Les comptes rendus du lancement notent que le modèle commence à oublier ce qu'il a montré au bout d'environ deux minutes.

Usages, concurrents et accès

Google destine Genie 4 à la prévisualisation pour les cinéastes, au prototypage d'idées de jeux et à la construction de scénarios d'entraînement pour les robots et les agents d'IA, qui peuvent apprendre les conséquences de leurs actions avant d'agir dans le monde physique. Les testeurs de confiance citent le prototypage de films comme un nouvel usage possible.

Bloomberg situe le lancement dans un contexte d'inquiétude des investisseurs, en notant que la technologie a ébranlé les investisseurs des entreprises de jeux vidéo. Le secteur se concentre : AMD rachète World Labs, la société dirigée par Fei-Fei Li, Amazon est en discussions pour acheter Decart, et Rivian a acquis Third Dimension pour internaliser des capacités de simulation destinées aux essais de conduite autonome. Runway avait déjà publié GWM Worlds 2, un modèle jouable qui inclut la génération audio.

Genie 4 sera « bientôt disponible » pour les abonnés Google AI Ultra, et Google a ouvert une liste d'attente où les personnes peuvent demander à l'essayer via Project Genie.