Google DeepMind présente Genie 4, un modèle capable de générer et de faire évoluer des mondes photoréalistes en temps réel. L’utilisateur peut s’y déplacer, modifier la scène par une instruction et entendre les sons ou les dialogues produits avec l’environnement.
Annoncé le 27 octobre 2026, Genie 4 est d’abord proposé en aperçu de recherche à des testeurs sélectionnés. Google prévoit ensuite un accès pour les abonnés Google AI Ultra dans Project Genie, ainsi que pour des partenaires de l’API Gemini et de Google AI Studio.
Modifier un monde pendant qu’il est simulé
Le modèle accepte des commandes au clavier pour la navigation et la caméra, tandis que des instructions en langage naturel peuvent changer la météo, introduire un objet ou déplacer le point de vue. DeepMind affirme que la scène s’adapte sans interrompre la simulation.
Genie 4 s’appuie sur Gemini Omni pour ancrer l’apparence et le comportement du monde. Gemini 3.8 Flash joue aussi le rôle d’agent de guidage : il observe les images, découpe un objectif en étapes et vérifie leur exécution. L’utilisateur peut intervenir en cours de route, ce qui oblige le système à ajuster son plan.
Le modèle génère nativement l’ambiance sonore, la musique et les dialogues. DeepMind met également en avant les collisions, l’aérodynamique et des mouvements humains plus naturels. Ces résultats proviennent toutefois de démonstrations choisies par le laboratoire et ne constituent pas une évaluation indépendante de la fidélité physique.
This is Genie 4, our most realistic and interactive world model yet.
— Google DeepMind (@GoogleDeepMind) October 27, 2026
Des simulations pour les agents et la robotique
DeepMind relie explicitement Genie 4 à l’entraînement des agents et des robots. Le laboratoire montre notamment Gemini 4 Argon décomposant une partie de dames jouée par l’humanoïde Apollo d’Apptronik, puis transmettant les étapes à Genie pour les simuler.
L’intérêt potentiel est de produire rapidement des scénarios variés avant de les confronter au monde réel. Une équipe pourrait tester un agent dans des environnements difficiles à filmer ou à reproduire. Mais la valeur pour la robotique dépendra de l’écart entre les lois apprises par le modèle et les contraintes physiques d’une machine réelle. Une simulation convaincante à l’écran peut encore être insuffisante pour entraîner un contrôleur fiable.
Un aperçu limité et encore instable
Google reconnaît plusieurs limites. Les détails visuels et la permanence des objets peuvent dériver au fil d’une longue session ou après plusieurs modifications complexes. Les interactions physiques, la précision spatiale, le texte lisible et la synchronisation audio restent aussi des domaines de recherche.
Le déploiement commence donc auprès d’un groupe restreint. DeepMind indique avoir appliqué ses garde-fous habituels et ajoute SynthID aux vidéos et aux sons générés. Cette empreinte doit aider à identifier les contenus synthétiques, sans résoudre à elle seule les questions de provenance ou de détournement.
Genie 4 rapproche les modèles de mondes d’un moteur interactif piloté par langage. La prochaine étape sera moins spectaculaire mais décisive : mesurer la cohérence sur la durée, la reproductibilité des scénarios et leur utilité réelle pour l’entraînement d’agents ou de robots.
Sources : annonce Google DeepMind, page du modèle Genie et présentation officielle sur X.
