Intensif Gratuit 21–22/11Intensif gratuit de 2 jours en Vibecoding (21–22 nov, 16h00 MSK) · Cohorte 3 le 23/11S'inscrire gratuitement →Cohorte 3 (23/11)

Google dévoile Genie 4 : une IA qui génère en temps réel un monde avec son et répliques

Google a dévoilé Genie 4, une IA qui génère en temps réel un monde interactif dans lequel on peut agir comme dans un jeu vidéo. La musique, les bruitages d'ambiance et les répliques des personnages sont produits en même temps que l'image, et les répliques s'adaptent aux actions du joueur. La scène peut être modifiée à la volée par des consignes textuelles, par exemple en ajoutant de la pluie ou de nouveaux personnages. Pour les développeurs de robots et d'agents, c'est un terrain d'essai virtuel où les tests n'ont plus besoin d'être montés à la main.

Traité par IA depuis TG: @data_secrets (Data Secrets) ; édité par Hamidun News
Google dévoile Genie 4 : une IA qui génère en temps réel un monde avec son et répliques
Source : TG: @data_secrets (Data Secrets). Collage: Hamidun News.
Écouter l'article
Fiche synthèse et chiffres clés
ParamètreDonnées
Source primaireTG: @data_secrets (Data Secrets) ↗
Rédacteur en chef
Chiffre clé #1Gemini Omni gère le rendu réaliste du monde et son comportement
Gemini 3.8 Flash joue le rôle d'agentil planifie les étapes et réajuste son plan
Chiffre clé #3Dans la démo, l'humanoïde Apollo d'Apptronik joue aux dames à l'intérieur du monde généré

Google a dévoilé Genie 4, la nouvelle génération de son « modèle du monde ». On désigne ainsi une IA qui crée en temps réel un environnement interactif : on peut s'y déplacer, y modifier des choses et obtenir une réaction, comme dans un jeu vidéo. Dans Genie 4, le monde arrive d'emblée avec le son : la musique, les bruits d'ambiance et même les répliques des personnages sont générés en même temps que l'image, et les répliques s'adaptent aux actions de l'utilisateur. La version précédente était sortie il y a plus d'un an, en août 2025 ; pour cette nouvelle version, Google a mis l'accent sur le réalisme, la multimodalité, une physique améliorée et l'interactivité.

À quoi cela sert-il en pratique ? Imaginez qu'il faille vérifier comment un robot ou un agent IA se comportera dans une centaine de situations : dans la rue sous la pluie, dans une pièce pleine d'inconnus, dans un lieu où un nouvel objet vient d'apparaître. Monter de telles scènes à la main prend du temps et coûte cher. Genie 4 propose une autre voie : on décrit la situation avec des mots et on obtient un environnement dans lequel le système doit agir.

Un monde sonore et des répliques vivantes

Le premier point qui frappe, c'est le son. Les anciens générateurs de mondes ne produisaient pour la plupart que de l'image, et la bande sonore devait être ajoutée séparément. Ici, la musique, les bruits d'ambiance et les dialogues sont créés en même temps que la vidéo. Les répliques ne sont pas enregistrées à l'avance : si vous vous approchez d'un personnage ou si vous faites quelque chose dans la scène, la réponse en tient compte.

Le second point, c'est la mise en scène à la volée. On peut modifier la scène par des consignes pendant le travail : changer la météo, ajouter des personnages ou des objets. C'est, en gros, un moteur de jeu dans lequel on écrit ce que l'on veut voir à la place d'un éditeur de niveaux.

Le fonctionnement interne

Sous le capot, un ensemble de plusieurs modèles Gemini fonctionne, chacun ayant son rôle :

  • Gemini Omni assure l'apparence réaliste et le comportement du monde ;
  • d'autres modèles veillent à la cohérence de la simulation, pour que le monde ne se délite pas au fil de l'action ;
  • Gemini 3.8 Flash agit comme un agent dans la boucle, une sorte de cerveau du système.

Le rôle de ce dernier est plus simple à comprendre avec un exemple. Supposons que vous fixiez l'objectif « organiser une fête dans la cour ». L'agent découpe cet objectif en étapes, vérifie si elles sont accomplies et réajuste le plan si, en pleine scène, vous décidez que la soirée doit être pluvieuse et que les invités sont plus nombreux. Le monde suit donc un plan qui peut être modifié à tout moment, tandis que les images restent cohérentes entre elles.

Ce que cela apporte aux développeurs et aux chefs de produit

Selon Google, ce type d'environnement permet de tester des robots et des agents. Pour la démonstration, la société a présenté l'humanoïde Apollo d'Apptronik, qui joue aux dames dans le monde généré. Au lieu d'un terrain d'essai physique coûteux ou d'un simulateur réglé à la main, le scénario se définit par un texte.

On peut en retenir :

  • Le test des agents glisse progressivement vers des environnements génératifs : les scénarios se créent et se modifient par du texte, sans développement séparé de simulateur.
  • Le son et les dialogues à l'intérieur de la simulation ouvrent la voie à la vérification d'assistants vocaux et multimodaux dans des conditions plus vivantes.
  • Le schéma « modèle-artiste, modèles de contrôle et agent planificateur » constitue un bon repère pour vos propres systèmes : la répartition des rôles aide à préserver la cohérence d'une session longue.

Ce qu'il reste à vérifier

Pour l'instant, il s'agit d'une annonce et d'une démonstration. Les dames sont un scénario révélateur, mais simple, avec des règles claires. Pour tester sérieusement des robots, il faudra savoir dans quelle mesure la physique du monde généré correspond au réel, combien de temps le monde conserve sa cohérence, quelle est la latence de ses réactions aux actions, et s'il est possible de rejouer exactement un même scénario pour comparer les versions d'un agent entre elles. C'est de la réponse à ces questions que dépendra la transformation de Genie 4 en outil de test opérationnel, ou son maintien au rang de vitrine spectaculaire.

La direction est toutefois claire : Google mise sur la simulation comme terrain où entraîner et vérifier les futurs agents et robots. Ceux qui conçoivent ce type de systèmes feraient bien de suivre la disponibilité de Genie 4 et de la comparer aux simulateurs habituels. Les détails sont publiés sur le blog de Google DeepMind.

Dossier

Questions clés sur cet article

Que sait-on sur Un monde sonore et des répliques vivantes ?

Le premier point qui frappe, c'est le son. Les anciens générateurs de mondes ne produisaient pour la plupart que de l'image, et la bande sonore devait être ajoutée séparément. Ici, la musique, les bruits d'ambiance et les dialogues sont créés en même temps que la vidéo. Les répliques ne sont pas enregistrées à l'avance : si vous vous approchez d'un personnage ou si vous faites quelque chose dans la scène, la réponse en tient compte. Le second point, c'est la mise en scène à la volée.

Que sait-on sur Le fonctionnement interne ?

Sous le capot, un ensemble de plusieurs modèles Gemini fonctionne, chacun ayant son rôle : Gemini Omni assure l'apparence réaliste et le comportement du monde ; d'autres modèles veillent à la cohérence de la simulation, pour que le monde ne se délite pas au fil de l'action ; Gemini 3.8 Flash agit comme un agent dans la boucle, une sorte de cerveau du système. Le rôle de ce dernier est plus simple à comprendre avec un exemple. Supposons que vous fixiez l'objectif « organiser une fête dans la cour ».

Que sait-on sur Ce que cela apporte aux développeurs et aux chefs de produit ?

Selon Google, ce type d'environnement permet de tester des robots et des agents. Pour la démonstration, la société a présenté l'humanoïde Apollo d'Apptronik, qui joue aux dames dans le monde généré. Au lieu d'un terrain d'essai physique coûteux ou d'un simulateur réglé à la main, le scénario se définit par un texte. On peut en retenir : Le test des agents glisse progressivement vers des environnements génératifs : les scénarios se créent et se modifient par du texte, sans développement séparé de simulateur.

ZK
Zhemal Khamidun — CPO d'Alpina Digital, product manager d'AlpinaGPT. Conçoit des produits IA depuis 2019. Hamidun News est un projet personnel devenu un agrégateur en production avec plus de 6 000 lecteurs.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
Qu'en pensez-vous ?
Chargement des commentaires…