Google DeepMind a présenté le 27 octobre 2026 Genie 4, son nouveau « modèle de monde ». Un modèle de monde est une IA qui crée en temps réel, à partir de texte ou d'images, un monde virtuel dans lequel on peut se déplacer et agir. Avec Genie 4, le réalisme de l'image progresse nettement, et le modèle sait désormais générer en même temps les sons d'ambiance, la musique et les dialogues des personnages. Il est pour l'instant proposé en préversion de recherche à un petit groupe de testeurs.
Qu'est-ce que Genie 4 ?
Avec Genie 4, lorsqu'on déclenche un événement, l'IA génère à la suite la façon dont le monde réagit, les sons qui se font entendre, et la manière dont les personnes présentes bougent et parlent. L'utilisateur contrôle au clavier les déplacements et l'orientation de la caméra, et modifie la scène par du texte.
- Changer le monde par la parole : on peut demander sur le moment de changer la météo, de déplacer la caméra ou de faire apparaître de nouveaux personnages ou objets
- Physique réaliste : il produit des mouvements proches de la physique réelle, comme les courants d'air ou les collisions entre objets
- Mouvements des personnages : les personnes bougent naturellement et réagissent aux changements autour d'elles ; Google DeepMind y voit sa plus grande avancée
- Génération du son : il crée en même temps les sons propres à chaque lieu, comme le vent dans les arbres ou le bruit des vagues, ainsi que de la musique ; Genie 4 est le premier modèle de monde en temps réel de l'entreprise à générer aussi le son
- Dialogues : les personnages parlent à la volée en fonction des actions de l'utilisateur et des événements du monde
Google DeepMind considère que la simulation du monde est une étape importante vers une IA aussi polyvalente qu'un être humain (AGI). Selon l'entreprise, elle doit servir à créer des environnements pour entraîner en toute sécurité des robots et des agents d'IA, ainsi qu'à la création dans des domaines comme le cinéma, le journalisme, le jeu vidéo ou l'industrie.
L'association avec Gemini
Genie 4 intègre les capacités des modèles Gemini. Gemini Omni rapproche l'apparence et les mouvements du monde de la réalité, tandis que d'autres modèles Gemini raisonnent pour que le monde reste cohérent.
Par exemple, Gemini 3.8 Flash joue le rôle de guide et observe en continu le monde en cours de génération. Il découpe l'objectif en plusieurs étapes et vérifie à l'image si chacune a réussi. Si l'utilisateur change ses consignes en cours de route, il refait son plan. Google DeepMind montre aussi un exemple où Gemini 4 Argon et Genie 4 simulent étape par étape une partie de dames jouée par Apollo, le robot humanoïde d'Apptronik.
Les usages des testeurs
Google DeepMind l'a testé avec des testeurs issus de la production audiovisuelle, du journalisme, de l'éducation, du jeu vidéo et de l'ingénierie. Voici les usages présentés :
- Production audiovisuelle : entrer dans la scène avant le tournage et essayer plusieurs « prises » en changeant l'angle de caméra, l'éclairage ou les répliques
- Journalisme et histoire : recréer en quelques secondes un lieu sous la forme d'un monde animé à partir d'une seule photo ancienne ; il est aussi testé pour montrer la propagation d'une inondation ou d'un feu de forêt
- Jeu vidéo : créer en quelques secondes, à partir d'une idée, un prototype explorable et tester par des mots son apparence et sa jouabilité
- Simulation : des entreprises l'évaluent comme outil pour créer rapidement des scénarios variés
Le calendrier de disponibilité
Genie 4 est d'abord proposé à un petit groupe de testeurs. Il doit ensuite arriver dans Project Genie, destiné aux abonnés Google AI Ultra, ainsi que chez les participants à l'accès anticipé de l'API Gemini et de Google AI Studio. Pour le calendrier, l'entreprise indique seulement « prochainement ». Project Genie accepte les inscriptions sur liste d'attente. L'annonce ne précise ni le prix ni les régions concernées, Japon compris.
Sécurité et défis restants
Google DeepMind indique avoir appliqué des restrictions fondées sur la même politique de sécurité que ses autres modèles, et n'avoir lancé la préversion qu'après une évaluation de sécurité interne. Les images et les sons créés par Genie 4 contiennent SynthID, un filigrane invisible qui permet d'identifier un contenu généré par IA.
L'entreprise précise toutefois que Genie 4 reste un modèle expérimental à un stade précoce. Il maintient la cohérence du monde sur de courtes durées, mais si on le fait tourner longtemps, si l'on enchaîne des consignes complexes ou si l'on se déplace dans la scène, les détails et la position des objets peuvent dériver. Les interactions physiques complexes, la précision du son, l'affichage du texte, l'exactitude spatiale et la cohérence sur la durée restent des sujets de recherche.
Le regard de CoAI
Les modèles de monde sont un domaine où les entreprises rivalisent. Le 24 octobre, Tencent a lui aussi publié Hy-Nomas, un modèle de monde ouvert. Genie 4 se distingue en générant à la volée non seulement l'image, mais aussi le son et les dialogues, et en s'appuyant sur Gemini pour garder un déroulement cohérent.
Le grand public devra cependant patienter. Les premiers à y avoir accès seront les abonnés de Google AI Ultra, l'offre la plus haut de gamme, et certains développeurs, et l'on ne sait pas s'il sera disponible au Japon. Ceux qui s'intéressent à la production audiovisuelle ou au prototypage de jeux peuvent juger de ses capacités sur les vidéos de démonstration en attendant l'annonce des régions et des tarifs.
