Google DeepMind a dévoilé Genie 4, un modèle capable de faire tourner un univers virtuel en temps réel et d'en générer aussi les sons. Le déploiement démarre prudemment, auprès de quelques testeurs triés sur le volet.
Genie 4 : ce que Google DeepMind a annoncé
Google DeepMind a présenté Genie 4 le 27 octobre, sous la forme d'une préversion de recherche. Le modèle n'est pas encore ouvert à tous. Il passe d'abord entre les mains de « testeurs de confiance », avant de rejoindre les abonnés Google AI Ultra dans l'application Project Genie, puis quelques partenaires dotés d'un accès anticipé à l'API Gemini et à Google AI Studio.
Pour situer l'objet, un modèle de monde ne rédige pas de texte et ne compose pas une image fixe. Il construit un environnement qu'on peut parcourir, avec des objets, une physique et des personnages qui bougent. Genie 4 pousse cette idée plus loin que son prédécesseur Genie 3, lancé il y a un peu plus d'un an.
Le principe de départ reste simple. On décrit une scène, le modèle la génère, puis on la modifie sans tout relancer.
Un modèle de monde qui ajoute le son et la parole
La nouveauté la plus visible touche l'audio. Genie 4 produit une bande-son qui colle à ce qui se passe à l'écran : bruits d'ambiance, musique et dialogues. Google présente son modèle comme le premier du genre à générer nativement de l'audio en temps réel. Une affirmation qui vient de l'entreprise elle-même, et qu'aucun tiers n'a encore vérifiée.
La simulation gagne aussi en durée. Là où Genie 3 tenait une scène cohérente pendant environ une minute, Genie 4 tient jusqu'à deux minutes, selon Google. La physique paraît plus crédible, et les personnages se déplacent de façon plus naturelle.
Surtout, on intervient sans redémarrer la simulation. Une phrase tapée pendant que le monde tourne suffit à changer la météo, à déplacer la caméra ou à faire entrer un nouvel objet dans le champ. Cette prise en main en direct sépare Genie 4 d'une simple génération de vidéo, qu'on regarde sans y toucher.
Comment Gemini pilote la simulation de Genie 4
Genie 4 ne travaille pas seul. Gemini, le modèle de Google, joue les metteurs en scène. Il planifie les étapes et vérifie les images, pendant que Genie 4 fabrique le rendu visuel.
Un exemple rend l'idée concrète. Dans une expérience liée à Gemini Robotics, un modèle Gemini 4 Argon découpe une tâche en plusieurs étapes, et Genie 4 les simule en direct. Le robot agit donc dans un monde virtuel avant d'affronter le réel. Pour une équipe de robotique, cela ouvre la possibilité de tester un plan fragile sans casser de matériel.
Tejas Kulkarni, directeur de recherche chez Google, parle de « modèles de monde hybrides ». Sa description tient en une phrase : Gemini écrit du code et du texte, Genie l'absorbe aussitôt et simule la réalité à plusieurs niveaux d'abstraction. Rien d'étonnant à voir les deux modèles avancer ensemble, puisque la famille Gemini fournit déjà la couche de raisonnement.
Un usage inattendu : prototyper des films
Les testeurs de confiance ont repéré un débouché auquel Google ne pensait pas en premier : le cinéma. Un modèle qui réagit vite sert au moment où l'idée se cherche encore, quand on enchaîne les essais avant de tourner la vraie séquence.
Diego Rivas, ingénieur chez Google DeepMind, résume l'avantage. Le temps réel vaut surtout quand on veut garder le rythme de création, pendant la conception et le storyboard. On voit tout de suite ce que donnerait une ambiance, une lumière ou un cadrage.
Cette boucle courte explique pourquoi certains monteurs préfèrent ce type d'outil à une génération de vidéo classique, qui demande d'écrire un prompt, d'attendre la réponse, puis de tout reprendre depuis le début.
L'écosystème de Google couvre déjà les étapes d'après. Veo génère des vidéos en haute définition avec un son synchronisé. Gemini Omni, un modèle multimodal, doit transformer ces prototypes en contenus finis, mais Rivas indique que ces capacités restent lointaines.
Les limites que Google reconnaît
L'honnêteté du discours officiel mérite d'être soulignée. Pendant les démonstrations, l'équipe a listé ce qui ne marche pas encore.
Plus une simulation dure, plus les détails dérivent et les objets se transforment. Un décor qui semblait ferme finit par se déformer au bout d'un moment, et personne n'a encore trouvé comment figer les choses. L'audio pose un problème du même ordre, parce que sa justesse n'est pas garantie quand la scène évolue. Quant au texte affiché dans le monde virtuel, il n'est pas toujours lisible.
Rivas répète que Genie 4 est encore jeune et que l'expérience finale n'est pas arrêtée. Ces réserves comptent. Elles disent ce qu'on peut attendre de l'outil aujourd'hui : un laboratoire d'idées, pas une machine à produire des films finis.
Pas encore, en tout cas.
Un marché des modèles de monde en pleine recomposition
Genie 4 arrive dans un secteur qui bouge vite. Deux mois plus tôt, la société Runway a sorti son deuxième modèle de monde, GWM Worlds 2, capable de réagir aux actions de l'utilisateur.
Les rachats s'enchaînent en parallèle. World Labs, la start-up de Fei-Fei Li, est reprise par AMD pour 8,2 milliards de dollars, selon des informations de presse. Amazon discute l'achat de Decart, autour de 7 milliards de dollars. Et Rivian a racheté Third Dimension pour intégrer la simulation à ses essais de conduite autonome.
Ces montants viennent de médias, pas des entreprises. Ils dessinent tout de même une tendance nette : la simulation de mondes attire les grands acteurs, qui préfèrent acheter une équipe déjà rodée plutôt que de la construire de zéro. Google, de son côté, parie sur une brique déjà reliée à sa famille Gemini, ce qui réduit son risque.
Ce qu'il faut retenir avant l'accès à Genie 4
Genie 4 ne se commande pas comme une application grand public. Il faut être testeur invité, ou attendre son arrivée chez les abonnés Google AI Ultra et chez les partenaires de l'API. Rien à télécharger pour le moment.
D'ici là, la question ouverte reste la même. Que fera-t-on vraiment de ces mondes réactifs une fois l'effet de démonstration passé? Le jeu, l'apprentissage interactif et la robotique sont sur la table. Le reste se décidera à l'usage.
