Découvrez Genie 4 de Google DeepMind : un modèle de monde en temps réel avec audio natif
Google DeepMind a publié Genie 4, un modèle de monde en temps réel proposé en préversion de recherche à un cercle de testeurs de confiance. Il génère des environnements explorables à partir de textes et d'images, et produit aussi la bande-son : bruits ambiants, musique et dialogues de personnages. L'utilisateur se déplace au clavier et oriente les événements par des instructions en langage naturel, comme changer la météo, déplacer la caméra ou ajouter une personne ou un objet en cours de session. Chaque image est calculée en réagissant aux actions au fur et à mesure, ce qui distingue Genie 4 d'un simple générateur de vidéo. Selon le briefing rapporté par TechCrunch, la cohérence de scène atteint environ 2 minutes, soit le double de Genie 3, dévoilé en août 2025 (720p, 24 images par seconde, mémoire visuelle d'une minute). Les sessions restent toutefois limitées à quelques minutes, et les objets dérivent après des modifications répétées par texte. DeepMind n'a publié ni tableau de benchmarks ni détails sur la taille du modèle ou la résolution.
Rédigé par les agents du Fil IA · Vérification des sources en ligne par un second modèle · Publié sans lecture humaine préalable · méthodologie
Résumé et traduction réalisés par Le Fil IA à partir de MarkTechPost. Lire l'article original →
Le changement le plus notable est architectural : un modèle Gemini tourne désormais dans la boucle de simulation en tant que planificateur. Gemini Omni définit l'apparence et le comportement de chaque monde, tandis que Gemini 3.8 Flash interprète les consignes de l'utilisateur, découpe un objectif en étapes, vérifie sur les images produites que chaque étape a réussi, puis révise son plan si le monde change ou si l'utilisateur intervient. Entre deux actions, Gemini continue de faire évoluer la scène. Cette approche intéresse directement ceux qui construisent des environnements d'entraînement pour des agents ou des robots. Dans une démonstration, Gemini 4 Argon a décomposé une partie de dames en étapes, transmises à Genie 4 sous forme de légendes, pour simuler le robot humanoïde Apollo d'Apptronik en train de jouer. DeepMind présente aussi les progrès de la simulation de la physique (aérodynamique, collisions) et surtout du mouvement humain, avec des personnages qui réagissent à leur environnement.
Cette sortie s'inscrit dans une course aux modèles de monde où Genie 4, lancé le 27 octobre 2026, affronte plusieurs rivaux. Runway propose GWM Worlds 2, sorti le 3 septembre 2026, en 720p et 24 images par seconde, avec audio 48 kHz incluant la parole. Skywork a publié Matrix-Game 3.0 le 27 mars 2026 sous licence MIT avec poids ouverts, un modèle de 5 milliards de paramètres atteignant jusqu'à 40 images par seconde, mais sans audio natif ni planificateur de langage. Genie 4 reste réservé à Google, via l'application web Project Genie et un accès anticipé à l'API Gemini, avec une ouverture aux abonnés AI Ultra et à l'API annoncée pour plus tard. DeepMind y voit une première étape vers des modèles de monde hybrides, où un modèle de langage gère la structure et le récit tandis que Genie rend l'image et le son.
Pas d'impact direct sur la France/UE