Deepmind lance Genie 4, un modèle de monde interactif calculé image par image en temps réel et capable de produire directement ambiance sonore et dialogues. Le système reste expérimental, s'appuie sur la planification de Gemini pour garder la cohérence et n'est disponible que sur invitation, avec un marquage SynthID annoncé pour tout média généré.
Limites connues, accès restreint et médias marqués par SynthID
Deepmind décrit Genie 4 comme un modèle initial et expérimental. D'après l'entreprise, la cohérence du monde est maintenue lors de sessions brèves, mais certains éléments visuels peuvent varier et des objets risquent de ne pas rester présents lors de simulations prolongées ou après plusieurs modifications complexes des invites. L'entreprise précise poursuivre ses efforts sur la gestion d'interactions physiques avancées, la génération d'un son en temps réel fidèle et la production de texte lisible. Genie 4 est proposé en aperçu de recherche à des testeurs sélectionnés uniquement. Google affirme par ailleurs que toutes les vidéos et pistes audio issues du système seront marquées par SynthID, un filigrane invisible pour le contenu généré par l'IA.
Ce que sait faire Genie 4 côté monde, personnages et interaction
Genie 4 calcule les environnements image par image en temps réel et ne produit pas de vidéos finies, réagissant aux entrées à mesure qu'elles surviennent. Les utilisateurs se déplacent au clavier et orientent la scène avec des invites textuelles. Deepmind présente ce modèle comme son premier monde temps réel générant directement du son, avec pour chaque univers une ambiance dédiée, et la prise en charge de dialogues entre personnages en réaction aux actions et aux événements. La société situe le principal gain de réalisme dans le rendu et le comportement des personnages, censés se mouvoir naturellement, réagir à l'environnement et pouvoir être contrôlés directement.
Vous suivez la course aux modèles IA ?
Chaque sortie (GPT, Claude, Gemini, Mistral…) décryptée le soir même, en 5 min. Gratuit.
Inclus dès l'inscription : notre sélection des meilleurs guides & comparatifs IA.
Choisissez votre rythme
Gratuit · Pas de spam · Désabonnement en 1 clic
La cohérence du monde s'appuie sur Gemini et s'ajuste en continu
Pour l'apparence et le comportement réalistes, Genie 4 s'appuie sur les capacités du modèle vidéo Gemini Omni. D'autres variantes de Gemini aident à planifier la simulation pour maintenir sa cohérence, en pilotant des tâches en plusieurs étapes et en adaptant en continu le monde aux invites et aux conditions changeantes. Par exemple, si un utilisateur modifie la météo par texte, Gemini adapte l'instruction à la scène en cours. Entre deux entrées utilisateur, Gemini dirige aussi des événements afin que le monde continue d'évoluer de manière logique.
Suivi en boucle fermée avec Gemini 3.8 Flash et tâches en étapes
Deepmind décrit un fonctionnement par tâches décomposées en étapes. Gemini 3.8 Flash surveille en continu la scène, segmente un objectif en sous-buts, puis s'appuie sur les nouvelles images générées pour vérifier l'exécution de chaque étape. Si l'état du monde change ou si un utilisateur intervient, le plan est ajusté par le modèle.
Pont vers la robotique, feuille de route d'accès et contexte de gamme
Deepmind teste Gemini 4 Argon pour relier Genie à sa recherche en robotique. Lors d'une présentation, Argon a segmenté le jeu de dames en différentes étapes, et Genie 4 s'est appuyé sur ces consignes pour reproduire une partie jouée par le robot humanoïde Apollo d'Apptronik, sans recourir à un robot physique. Genie 4 prend la suite de Genie 3, présenté en août 2025, et il est prévu qu'il soit bientôt accessible aux abonnés de Google AI Ultra via l'application web Project Genie, ainsi qu'à certains partenaires disposant d'un accès anticipé à l'API Gemini et à Google AI Studio. Deepmind considère la combinaison de Gemini et Genie comme un premier pas vers des modèles hybrides qui associent raisonnement en langage et en code à une simulation au niveau du pixel. Des modèles de monde aboutis pourraient être utilisés comme environnements d'entraînement permettant à des robots et agents d'apprendre grâce à l'expérience simulée.
