Genie 4 : Google muscle ses mondes interactifs en temps réel

Google DeepMind a dévoilé Genie 4, son modèle de monde capable de générer des environnements interactifs en temps réel, le 27 octobre 2026. La société le réserve d’abord à des testeurs de confiance, avant une ouverture progressive via Project Genie, Google AI Ultra et les outils développeurs Gemini API et AI Studio. L’enjeu dépasse la démo technique : Google veut montrer qu’un modèle peut simuler un monde crédible, avec du son, des personnages et des réactions cohérentes, au moins pendant de courtes sessions.

Un monde qui se construit pendant qu’on le traverse

Genie 4 ne produit pas une vidéo figée. Le modèle calcule la scène image par image, en fonction des déplacements de l’utilisateur et de consignes en langage naturel, ce qui le rapproche d’un moteur de simulation plus que d’un générateur classique. Google dit que l’expérience peut durer environ deux minutes, contre une minute pour Genie 3, avec une meilleure continuité des scènes.

Le fonctionnement repose aussi sur Gemini 3.8 Flash, utilisé comme agent de pilotage pour découper les objectifs, vérifier les étapes et maintenir la cohérence de l’ensemble. Autrement dit, Gemini surveille le décor pendant que Genie dessine la scène. Le tandem sert à garder une causalité lisible, même quand l’utilisateur change la météo, ajoute un objet ou déplace la caméra en cours de route.

Pourquoi Google insiste autant sur le réalisme

DeepMind met en avant plusieurs gains visibles : une physique plus crédible, des collisions mieux rendues, des comportements humains plus naturels et une meilleure stabilité visuelle. Le point le plus sensible reste la représentation des personnes, souvent bancale dans ce type de modèles ; Google assure que les personnages bougent désormais avec davantage de fluidité et réagissent mieux à l’environnement.

La nouveauté la plus nette tient à l’audio natif. Genie 4 génère des sons d’ambiance, comme le vent ou les vagues, et peut aussi produire des dialogues interactifs qui s’adaptent au scénario. DeepMind dit même que le son des démonstrations a été généré directement par le modèle. Pour les usages visés, cela compte : un prototype de jeu ou une prévisualisation de film devient tout de suite plus convaincant quand il ne flotte pas dans un silence de musée.

Des usages qui dépassent le jeu vidéo

Google présente Genie 4 comme un outil utile pour la prévisualisation cinématographique, le prototypage d’idées de jeu et la création de scénarios d’entraînement pour des robots. Dans les tests menés avec des partenaires, l’entreprise évoque aussi des applications en journalisme, en éducation, en ingénierie et en industrie créative. Les équipes peuvent explorer une scène, modifier l’éclairage, tester plusieurs prises ou simuler une situation historique à partir d’une simple image 2D.

DeepMind relie aussi Genie 4 à ses travaux sur la robotique et aux modèles Gemini. L’idée, selon la société, est de combiner la planification logique des modèles de raisonnement avec la simulation pixel par pixel d’un environnement vivant. C’est la version très sérieuse du “et si on faisait semblant, mais bien”, avec un objectif clair : entraîner des agents et des robots dans des mondes simulés plutôt que dans le seul texte.

Limites, accès et surveillance

Genie 4 reste un modèle expérimental. Google prévient que les détails visuels et la permanence des objets peuvent dériver au fil des sessions, surtout quand l’utilisateur multiplie les modifications ou prolonge trop la simulation. La recherche continue aussi sur les interactions physiques complexes, l’exactitude du son en temps réel, le texte lisible et la cohérence longue durée.

L’accès suivra un parcours en plusieurs étapes. Le modèle est d’abord ouvert à des testeurs sélectionnés, puis doit arriver “bientôt” pour les abonnés Google AI Ultra dans Project Genie, avant une disponibilité pour certains partenaires via Gemini API et Google AI Studio. Google précise aussi que tous les contenus vidéo et audio générés par Genie 4 intégreront SynthID, son filigrane invisible pour identifier les contenus produits par IA.