Google dévoile Genie 4 : une IA qui génère des mondes interactifs avec du son et des personnages vivants

Ce qui change par rapport à la version précédente

Google DeepMind a dévoilé Genie 4, une nouvelle version de sa technologie de "world model". Il s'agit d'une IA qui ne dessine pas une vidéo préfabriquée, mais construit un monde interactif à la volée : l'utilisateur se déplace, tourne la caméra, tape une instruction en texte — et le modèle reconstruit la scène en réponse, image par image, en temps réel. Genie 4 repose sur Gemini, et c'est la première version de la série où, en plus de l'environnement visuel, apparaissent du son et des personnages qui bougent, réagissent à ce qui se passe et parlent.

La précédente Genie 3, présentée en 2025, ne savait générer que la partie visuelle du monde — paysage, objets, mouvement de caméra. Pas de son, pas de personnages vivants. Genie 4 ajoute cette couche : désormais, la simulation inclut la façon dont le monde sonne et la façon dont se comportent les personnes dans la scène — leurs mouvements, leurs réactions et leur parole. Pour un world model, c'est une étape décisive : auparavant, ces systèmes étaient des générateurs vidéo « muets » avec un contrôle interactif ; maintenant, c'est une simulation dotée d'un véritable environnement sonore et social.

Le contrôle de Genie 4 fonctionne à deux niveaux :

• les touches classiques gèrent la navigation du personnage et le contrôle de la caméra — comme dans n'importe quel jeu ;
• les commandes textuelles modifient la scène elle-même au fil de l'action : on peut ajouter un objet, déclencher un nouvel événement, changer la météo ou le décor sans sortir de l'image en cours.

DeepMind insiste sur un point : toutes les séquences de démonstration de l'annonce sont de véritables sessions d'interaction avec le modèle en temps réel, et non des vidéos scénarisées et rendues à l'avance. Pour les démos génératives de ce type d'entreprises, ce détail compte, car distinguer une vraie interactivité d'un montage est presque impossible pour le spectateur — et ici, Google affirme clairement qu'il n'y a pas de montage : chaque image montrée est la réponse du modèle à une action précise de l'utilisateur.

À qui et quand l'accès sera-t-il donné

Google déploie Genie 4 par étapes, et non à tout le monde en même temps :

• les premiers à recevoir le modèle sont des testeurs de confiance, dans un format de research preview — un accès fermé à un cercle restreint d'utilisateurs qui donnent leur retour avant le lancement élargi ;
• viennent ensuite les abonnés Google AI Ultra, l'abonnement premium payant de Google pour ses services d'IA ; ils accéderont à Genie 4 via l'interface Project Genie, créée spécialement pour entrer dans les mondes générés ;
• en parallèle, l'accès sera ouvert aux premiers partenaires de Gemini API — des développeurs qui pourront intégrer Genie 4 à leurs propres produits ;
• ainsi qu'aux participants de l'accès anticipé de Google AI Studio, l'environnement de développement où l'on peut expérimenter avec les modèles de Google.

L'inscription sur liste d'attente pour Project Genie est déjà ouverte. Google ne donne pas de dates précises pour le lancement complet, ni de tarifs — seulement la promesse d'un accès élargi « prochainement ».

À quoi ça sert et à qui ça profite

L'intérêt pour les world models tient à leur utilité pratique, pas seulement au spectacle des démonstrations. Pour les studios de jeux, cette technologie permet de prototyper rapidement des niveaux sans programmer manuellement l'environnement. Pour les chercheurs qui entraînent des agents autonomes et de la robotique, elle offre une source quasi infinie d'environnements d'apprentissage — plus besoin de construire chaque simulation à la main. Et pour les créateurs de contenu interactif, elle permet de composer une scène avec des mots, sans développement 3D traditionnel.

Le fait que Genie 4 repose sur Gemini n'est pas un hasard : cela réunit dans un même système la compréhension du langage par le modèle et la simulation du monde physique — le modèle ne sait pas seulement à quoi ressemble le monde, il comprend aussi ce qui doit logiquement s'y produire ensuite selon l'instruction textuelle.

L'annonce laisse néanmoins des questions ouvertes auxquelles Google ne répond pas : combien de temps le monde reste-t-il cohérent avant de « se déliter » sans perdre sa logique, quelle est la résolution réelle de la génération, et quelles ressources de calcul exige une session. C'est de ces réponses que dépend le fait que Genie 4 devienne un outil de travail pour les développeurs ou reste une démonstration technologique impressionnante.

Que faire dès maintenant

Si vous travaillez dans les jeux vidéo, les simulations d'apprentissage ou le développement d'agents, il vaut la peine de s'inscrire sur la liste d'attente de Project Genie et de candidater en avance pour l'accès anticipé à Gemini API via Google AI Studio. Tant que le modèle reste fermé au grand public, il est utile de préparer dès maintenant deux ou trois scénarios concrets de test : comment le modèle réagit au contrôle textuel à la volée, comment se comportent les personnages générés, à quel point l'environnement sonore semble crédible. Cela permettra, une fois l'accès ouvert, d'évaluer rapidement si Genie 4 convient au prototypage pour votre usage.

Il est encore trop tôt pour construire un produit fini dessus, mais le moment est venu de prévoir du temps pour le tester.