Genie 3 : le modèle monde interactif de DeepMind vers l’AGI

DeepMind a présenté en 2025 Genie 3, son dernier modèle fondationnel capable de générer des environnements 3D interactifs en temps réel. Ce modèle monde généraliste dépasse les limites des précédents systèmes spécialisés en produisant des mondes photoréalistes ou imaginaires, tout en conservant une cohérence physique sur plusieurs minutes. Cette innovation est considérée comme une étape clé vers l’intelligence artificielle générale (AGI), où les agents peuvent apprendre et agir dans des environnements simulés complexes.

Un modèle monde interactif et cohérent sur la durée

Genie 3 peut générer plusieurs minutes d’environnements 3D à 720p et 24 images par seconde à partir d’une simple description textuelle. Contrairement à son prédécesseur Genie 2, limité à 10-20 secondes, il intègre une mémoire interne qui lui permet de se souvenir des éléments déjà générés, assurant ainsi une continuité physique et temporelle. Cette capacité auto-régressive, qui consiste à produire une image à la fois en se basant sur les précédentes, confère au modèle une compréhension implicite des lois physiques, sans recourir à un moteur de physique codé manuellement.

Cette mémoire dynamique permet à Genie 3 de simuler des interactions réalistes, comme un objet sur le point de tomber, ou d’adapter le monde généré en fonction de commandes textuelles modifiant les événements dans l’environnement. Toutefois, certaines limites subsistent, notamment dans la modélisation précise des phénomènes complexes, comme la neige en mouvement, ou dans la gestion d’interactions entre plusieurs agents indépendants.

Vers des agents IA plus autonomes et polyvalents

DeepMind envisage d’utiliser Genie 3 pour entraîner des agents capables d’accomplir des tâches générales dans des environnements variés. Par exemple, le laboratoire a testé le modèle avec son agent généraliste SIMA, qui a réussi à atteindre des objectifs simples dans un entrepôt simulé, comme se déplacer vers un objet précis. Cette réussite repose sur la cohérence du monde simulé, qui permet à l’agent de planifier et d’agir de manière autonome.

Le potentiel de Genie 3 réside dans sa capacité à pousser les agents à apprendre par essais et erreurs, à explorer et à gérer l’incertitude, des compétences essentielles pour atteindre une intelligence proche de celle des humains. Selon Jack Parker-Holder, chercheur chez DeepMind, ce modèle pourrait inaugurer une nouvelle ère pour les agents incarnés, capables de prendre des initiatives inédites dans des environnements complexes, à l’image du fameux « Move 37 » d’AlphaGo en 2016.