Genie 4 : l’IA de Google crée des mondes sonores qui obéissent à vos phrases

Genie 4 est le nouveau modèle du monde de Google DeepMind, et les univers qu’il crée ont enfin du son. Décrivez une scène en une phrase, ou donnez-lui une image de référence : le modèle génère alors un lieu que vous pouvez parcourir au clavier, tandis qu’il fait entendre le vent dans les arbres, les vagues sur la plage et les voix des personnes présentes. Celles-ci peuvent désormais engager une conversation qui réagit à vos actions, une avancée que DeepMind présente comme la véritable frontière franchie par cette nouvelle version.

Pour quiconque a essayé les versions précédentes, le grand changement tient au contrôle. Vous pouvez saisir une instruction pour changer la météo, faire pivoter la caméra ou ajouter une personne ou un objet à la scène, et Gemini reformule votre demande pour l’adapter à ce qui apparaît déjà à l’écran. Entre vos commandes, Gemini continue de piloter la simulation afin que le monde ne parte pas en morceaux. On a moins l’impression de jouer à un jeu vidéo que de diriger un plateau de tournage qui ne s’arrête jamais de tourner : certains des premiers testeurs l’utilisent déjà ainsi.

Gemini planifie la scène pendant que Genie la façonne

Genie 4 s’appuie sur le reste de la famille de modèles de Google. Selon l’annonce de DeepMind, Gemini Omni ancre chaque simulation dans l’apparence et le comportement du monde réel, tandis que d’autres modèles Gemini prennent en charge le raisonnement nécessaire pour maintenir la cohérence d’une scène d’un instant à l’autre. Gemini 3.8 Flash intervient dans la boucle comme agent de pilotage : il observe le monde à mesure que Genie 4 le génère, décompose un objectif en étapes, vérifie les images reçues pour confirmer que chacune a fonctionné, puis modifie son plan si vous l’interrompez.

DeepMind affirme que le bond le plus important concerne les personnages. Leurs mouvements sont plus naturels, ils réagissent à leur environnement et peuvent être dirigés pendant la simulation ; le modèle gère aussi des phénomènes physiques comme l’aérodynamique et les collisions. Les démonstrations publiées sur le blog de l’entreprise montrent notamment une samare d’érable tournoyant jusqu’à l’herbe, une gare de campagne japonaise bondée dans les années 1980 et une course de dragons en vue subjective, ponctuée de battements d’ailes tonitruants. Tous les sons sont générés par Genie 4 lui-même. Genie 3 produisait des mondes silencieux en 720p à 24 images par seconde ; cette fois, DeepMind n’a publié aucun chiffre sur la résolution ou la fréquence d’images. Il faut donc se fier à ses propres extraits pour juger de l’amélioration.

Les jeux ne sont pas le seul objectif. Pour DeepMind, simuler le monde est une étape cruciale vers l’intelligence artificielle générale. Dans une démonstration, Genie 4 est associé à Gemini 4 Argon pour simuler le robot humanoïde Apollo d’Apptronik en train de jouer aux dames. Argon décompose la tâche en étapes et les transmet à Genie 4 sous forme de légendes textuelles pendant que la scène est générée. À long terme, l’enjeu commercial est de créer des environnements d’entraînement sûrs et aux variations infinies pour les robots et les agents logiciels, bien avant que quiconque ne vende un jeu Genie.

Les cinéastes et les photojournalistes l’ont essayé en premier

DeepMind teste Genie 4 auprès de groupes issus des industries créatives, du journalisme, de l’éducation, du jeu vidéo et de l’ingénierie. Les cinéastes s’en servent comme d’un mode brouillon pour la prévisualisation : ils entrent dans une scène en temps réel et en tournent plusieurs versions, tout en ajustant les angles de caméra, l’éclairage, les dialogues et l’action. Les développeurs de jeux passent d’une idée à un prototype explorable en quelques secondes, avant même d’écrire la moindre ligne de code pour le moteur. Des partenaires du secteur cherchent, eux, à l’utiliser pour générer rapidement des scénarios.

L’expérience la plus délicate concerne les photojournalistes. Ils testent la possibilité de transformer en quelques secondes une simple photographie d’archive en une simulation de l’endroit représenté, peuplée et animée. DeepMind évoque aussi la visualisation du déroulement d’une crue éclair ou d’un incendie de forêt. Une promenade convaincante dans une rue historique réelle, où des personnages inventés prennent la parole, peut tout aussi bien devenir un faux convaincant. La réponse de DeepMind s’appelle SynthID : ce filigrane invisible est intégré à toutes les vidéos et à tous les fichiers audio produits par Genie 4. L’entreprise y ajoute des évaluations de sécurité internes et un déploiement progressif. SynthID n’est utile que si les plateformes et les personnes qui regardent les images utilisent effectivement un détecteur ; à l’écran, rien n’indique au spectateur non averti que les images sont synthétiques.

Les mondes finissent encore par dériver

DeepMind reconnaît avec une franchise inhabituelle les limites de son modèle. Genie 4 maintient la cohérence d’un environnement pendant de courtes sessions, mais les détails visuels et la permanence des objets peuvent évoluer au fil d’une simulation plus longue, après plusieurs modifications complexes des instructions ou lorsque l’on se déplace dans la scène. Les interactions physiques complexes, la génération audio précise en temps réel, les textes lisibles, la précision spatiale et la cohérence à long terme figurent toutes parmi les problèmes de recherche encore non résolus. En clair, la bibliothèque devant laquelle vous êtes passé il y a une minute ne sera peut-être plus la même lorsque vous vous retournerez.

Pour l’instant, la plupart des gens ne peuvent pas non plus essayer le modèle. Genie 4 est une préversion de recherche réservée à des testeurs de confiance. Google indique qu’il sera bientôt accessible aux abonnés Google AI Ultra par l’intermédiaire de Project Genie, son application web de génération de mondes, ainsi qu’aux partenaires bénéficiant d’un accès anticipé à l’API Gemini et à Google AI Studio. Une liste d’attente est déjà ouverte. Aucune date de sortie n’a été annoncée, ni aucun prix au-delà de l’abonnement Ultra, l’offre d’IA la plus chère de Google ; l’entreprise n’a pas non plus précisé quels pays seraient concernés en premier. Lors du lancement de Project Genie, le 29 janvier 2026, avec Genie 3, le service était réservé aux abonnés Ultra âgés d’au moins 18 ans aux États-Unis, et les sessions étaient limitées à 60 secondes.

DeepMind a annoncé Genie 4 le 27 octobre 2026, dans un billet signé par Raia Hadsell, Diego Rivas et Hang Qi. L’aventure avait commencé en février 2024 avec un modèle qui transformait des images en jeux de plateforme simples en 2D, avant de passer à la 3D avec Genie 2 en décembre 2024, puis à l’exploration en temps réel avec Genie 3 en août 2025. Chaque génération a apporté quelque chose de nouveau : une troisième dimension, puis le mouvement en temps réel, et maintenant le son et la parole. Genie 4 doit encore prouver qu’un monde peut garder le souvenir de lui-même plus longtemps qu’une pause-café.

Étiquettes: intelligence artificielle, Google, Gemini, Google DeepMind, Genie 4, modèles de monde