Avec Genie 4, Google DeepMind dévoile un modèle de monde capable de produire, en temps réel, des environnements explorables avec image photoréaliste, son natif et dialogues. Il s’appuie sur les modèles Gemini pour garder ces mondes cohérents. Pour l’instant, il reste réservé à des testeurs de confiance.
Le 27 octobre 2026, Google DeepMind a présenté Genie 4, la nouvelle génération de sa famille de « modèles de monde ». Le principe est resté le même depuis Genie 3, publié en août 2025 : à partir d’une description ou d’une image, le modèle génère un environnement dans lequel on peut se déplacer, au lieu d’une simple séquence vidéo figée. Ce qui change avec Genie 4, c’est la nature de ce qui est simulé. Le monde ne s’affiche plus seulement, il réagit, il résonne et il parle.
Un modèle nativement multimodal
La principale rupture tient au son. Genie 4 est présenté comme le premier modèle de monde en temps réel à produire de l’audio de manière native. Chaque environnement porte l’ambiance sonore qui lui correspond, du vent dans les arbres au ressac d’une plage, sans piste ajoutée après coup : l’image et le son sont générés ensemble, en même temps que le monde lui-même.
DeepMind met aussi en avant la parole. Les personnages peuvent dialoguer et réagir aux actions du joueur ou aux événements de la scène, avec des répliques qui s’adaptent à la volée. L’équipe parle de « frontière » à propos de ce point précis, ce qui laisse entendre que la maîtrise du dialogue reste le terrain le moins stabilisé.
Physique, mouvement humain et pilotage en langage naturel
Sur le plan visuel, DeepMind revendique un nouveau niveau de réalisme pour une simulation interactive, appuyé sur une compréhension plus fine de la physique : aérodynamique, collisions et phénomènes comparables. Les démonstrations publiées vont d’une chute de graine d’érable en gros plan à une gare japonaise bondée des années 1980. Le progrès que l’équipe juge le plus marquant concerne toutefois les humains. Les personnages se déplacent de façon plus naturelle, réagissent à leur environnement et peuvent être dirigés en temps réel.
Ce pilotage se fait par des moyens simples : les touches du clavier pour la navigation et la caméra, puis des instructions textuelles pour modifier la scène pendant qu’elle évolue. On peut ainsi changer la météo, déplacer le point de vue ou introduire une personne ou un objet. Gemini adapte alors chaque instruction au contexte de la scène, puis continue de surveiller l’ensemble entre deux interventions pour que le monde progresse de façon cohérente.
Gemini dans la boucle
C’est l’un des aspects les plus instructifs de l’annonce, car il montre l’architecture choisie. Genie 4 hérite de capacités de la famille Gemini : Gemini Omni ancre les simulations dans l’apparence et le comportement du monde réel, tandis que d’autres modèles Gemini apportent le raisonnement nécessaire à la continuité de la simulation.
Pour les scénarios les plus complexes, DeepMind fait fonctionner Gemini 3.8 Flash comme un agent de guidage. Pendant que Genie 4 génère le monde, Gemini observe la scène, découpe un objectif en étapes, examine les images produites pour vérifier que chaque étape a bien abouti, et révise son plan si le monde change ou si l’utilisateur intervient. L’objectif affiché est d’obtenir une causalité fiable, des comportements procéduraux et un raisonnement en plusieurs temps.
Cette logique est poussée plus loin en robotique. En associant Genie 4 à Gemini 4 Argon, DeepMind rapproche ses travaux sur les mondes simulés de Gemini Robotics. Dans la démonstration, Argon décompose une tâche en étapes, qui sont transmises sous forme de légendes textuelles à Genie 4 pendant le rendu. L’exemple retenu montre le robot humanoïde Apollo, d’Apptronik, jouant une partie de dames. Le but est de pouvoir tester des agents d’IA dans une grande variété de situations imaginées avant de les confronter au réel.
Ce qu’en disent les premiers testeurs
Avant tout lancement public, DeepMind a travaillé avec des testeurs issus de la création, du journalisme, de l’éducation, du jeu vidéo et de l’ingénierie. Les retours décrivent des usages encore exploratoires. Dans la création, des cinéastes s’en servent comme d’un brouillon de pré-visualisation : ils entrent dans une scène simulée et enchaînent plusieurs prises en ajustant caméra, lumière, dialogue et action. Des photojournalistes examinent la possibilité de transformer une photographie d’archive en environnement simulé, pour explorer un lieu historique ou visualiser un événement comme une crue soudaine ou un incendie. Les studios de jeu, eux, passent d’une idée à un prototype explorable en quelques secondes, avant d’écrire la moindre ligne de code moteur. Enfin, des partenaires industriels évaluent le modèle pour générer rapidement des scénarios de simulation, et pointent les lacunes à combler.
Vers des modèles de monde hybrides
DeepMind esquisse la suite : des modèles hybrides qui associent le raisonnement structuré du code et des modèles de langage à la richesse sensorielle d’une simulation au niveau du pixel. Dans ce schéma, Gemini organise la structure et planifie la chronologie du récit, pendant que Genie produit la réalité immédiate, c’est-à-dire l’aspect du monde, ses sons et ses réactions. Genie 4 en constitue un premier pas.
Garde-fous et limites
Le laboratoire indique avoir soumis le modèle à des évaluations de sécurité internes et l’avoir d’abord confié à des partenaires de confiance. Toutes les vidéos et tous les sons produits par Genie 4 intègrent SynthID, la technologie de filigrane imperceptible de Google, qui permet d’identifier un contenu généré par IA.
DeepMind reconnaît aussi que le modèle reste expérimental. Les environnements sont cohérents sur de courtes sessions, mais les détails visuels et la permanence des objets peuvent dériver, surtout quand la simulation dure, après plusieurs modifications complexes ou lors de déplacements importants dans la scène. Les interactions physiques complexes, la précision de l’audio en temps réel, la lisibilité du texte, l’exactitude spatiale et la cohérence à long terme figurent parmi les chantiers ouverts.
Disponibilité
Genie 4 est pour l’instant déployé en préversion de recherche auprès de testeurs de confiance. DeepMind annonce son arrivée prochaine pour les abonnés Google AI Ultra dans Project Genie, ainsi que pour des partenaires en accès anticipé via l’API Gemini et Google AI Studio. Une liste d’attente est ouverte pour Project Genie.
Source : Google DeepMind, « Genie 4: A new generation of world simulation », 27 octobre 2026, par Raia Hadsell, Diego Rivas et Hang Qi.