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)
SortieAnalyse · Sur le radarTechCrunch→ original

Google DeepMind dévoile Genie 4 : un monde avec son, des retouches en cours de route et une scène tenue jusqu'à deux minutes

Google DeepMind a dévoilé Genie 4, un « modèle de monde » qui construit à partir d'un texte une scène de jeu dans laquelle on peut se déplacer et modifier la scène en temps réel. En pleine simulation, vous écrivez « qu'il se mette à pleuvoir » ou « ajoute des passants », et le modèle accompagne l'action avec de la musique, des bruits et des répliques. La scène reste cohérente jusqu'à deux minutes, soit deux fois plus que Genie 3. Il ne s'agit pour l'instant que d'un aperçu, mais les studios et les équipes de robotique ont déjà intérêt à se pencher sur le couple Gemini et Genie.

Traité par IA depuis TechCrunch ; édité par Hamidun News
Google DeepMind dévoile Genie 4 : un monde avec son, des retouches en cours de route et une scène tenue jusqu'à deux minutes
Source : TechCrunch. Collage: Hamidun News.
Écouter l'article
Fiche synthèse et chiffres clés
ParamètreDonnées
Source primaireTechCrunch ↗
Rédacteur en chef
Accèstesteurs fermés pour l'instant, puis Google AI Ultra dans quelques semaines
Gemini joue le rôle de réalisateuril planifie les étapes et vérifie les images produites par Genie
Points faiblesles détails « flottent », et le texte à l'intérieur du monde est parfois illisible

Imaginez que vous lanciez une scène de jeu à partir d'une description textuelle, puis que vous écriviez, sans l'arrêter : « qu'il se mette à pleuvoir » ou « ajoute des passants ». Le monde change sous vos yeux, et la musique, les bruits et les répliques des personnages retentissent en même temps. Genie 4, le nouveau « modèle de monde » de Google DeepMind, publié en version research preview, sait faire cela. Pour les développeurs de jeux, les concepteurs de simulateurs et les roboticiens, c'est un signal : la génération interactive d'environnements sort du stade de la démo, et un marché commence à se structurer autour d'elle.

Ce que sait faire Genie 4

Un modèle de monde est un réseau de neurones qui ne produit pas une vidéo toute faite, mais un espace qui réagit aux actions de l'utilisateur. Vous vous déplacez, vous modifiez quelque chose, et l'image se recompose immédiatement. Genie 3 était sorti il y a un peu plus d'un an, également en version préliminaire. La quatrième version apporte plusieurs améliorations notables.

Premièrement, l'image est désormais la plus photoréaliste et la plus interactive de tous les mondes produits par Google. Deuxièmement, le son fait son apparition : il est généré en temps réel et s'adapte à ce qui se passe, avec musique, bruits de fond et dialogues interactifs. Troisièmement, la scène peut être librement retouchée pendant la simulation : changer la météo ou l'angle de la caméra, ajouter des personnes et des objets.

Un paramètre chiffré est également important. La scène conserve sa cohérence pendant deux minutes, soit deux fois plus longtemps que Genie 3. Google évoque aussi une physique améliorée et des personnages plus « humains ». En revanche, l'entreprise ne communique aucun chiffre sur la vitesse, le coût de calcul ou la taille du modèle : l'économie de l'inférence ne peut donc pas être évaluée pour l'instant.

Gemini en réalisateur, Genie en opérateur de caméra

Ce qui intéresse le plus les ingénieurs, c'est le couplage avec Gemini. Le modèle de langage joue le rôle de réalisateur : il planifie les étapes et vérifie les images pendant que Genie les génère. Dans une expérience liée à Gemini Robotics, le modèle Gemini 4 Argon découpait la tâche en étapes, et Genie 4 simulait ces étapes en temps réel.

L'intérêt pratique est clair : les scénarios destinés aux robots peuvent d'abord être exécutés dans un monde virtuel, puis lancés dans le monde réel. C'est moins coûteux et plus sûr que de mettre le matériel à l'épreuve. Le directeur de la recherche chez Google, Tejas Kulkarni, parle de l'avenir des « modèles de monde hybrides » : Gemini écrit le code et le texte, et Genie les transforme à la volée en simulation à différents niveaux d'abstraction.

Parmi les usages commerciaux, Google cite les jeux, la formation interactive et la robotique. Pour la formation, l'exemple avancé est celui d'un tableau historique dans lequel on pourrait entrer pour dialoguer avec ses personnages. Les testeurs fermés ont suggéré une autre niche : le prototypage de films. L'ingénieur de DeepMind Diego Rivas a expliqué que le mode temps réel est précieux là où il faut préserver le flux créatif, au stade des idées et des storyboards. Ces ébauches pourront ensuite être transformées en matériaux finis grâce à Gemini Omni, mais cette possibilité reste lointaine. Il existe par ailleurs Veo, le modèle vidéo de Google, qui gagne en popularité auprès des cinéastes.

Limites et marché environnant

Google reconnaît les points faibles. Plus la simulation dure, plus les détails et les objets « flottent ». La précision du son n'est pas garantie pour l'instant, et le texte à l'intérieur du monde n'est pas toujours lisible. Rivas a souligné qu'il s'agit d'une phase précoce et que le produit final destiné aux utilisateurs n'est pas encore défini.

L'accès est lui aussi restreint. Genie 4 est actuellement réservé aux testeurs fermés. Dans les prochaines semaines, il sera disponible pour les abonnés de Google AI Ultra dans Project Genie, ainsi que pour les partenaires de l'accès anticipé à Gemini API et Google AI Studio.

Le contexte compte autant que le modèle lui-même. Il y a deux mois environ, Runway a lancé GWM Worlds 2, une deuxième génération de modèle de monde, également dotée de son et de réactions aux actions de l'utilisateur. Le marché commence par ailleurs à se consolider : World Labs de Fei-Fei Li est en train de racheter AMD, Amazon négocie le rachat de Decart, et Rivian a acquis Third Dimension pour développer en interne des simulations de tests pour ses véhicules autonomes.

La conclusion pour les praticiens est la suivante. Si vous développez des jeux, des produits éducatifs ou si vous testez des robots et des pilotes automatiques, il est pertinent d'essayer dès maintenant les modèles de monde, mais sans les intégrer en production : deux minutes de stabilité et la dérive des détails limitent encore les scénarios longs. Surveillez l'arrivée d'un accès par API : il indiquera le coût réel de ce type de simulation et dira si elle convient à un travail sérieux.

Dossier

Questions clés sur cet article

Que sait-on sur Ce que sait faire Genie 4 ?

Un modèle de monde est un réseau de neurones qui ne produit pas une vidéo toute faite, mais un espace qui réagit aux actions de l'utilisateur. Vous vous déplacez, vous modifiez quelque chose, et l'image se recompose immédiatement. Genie 3 était sorti il y a un peu plus d'un an, également en version préliminaire. La quatrième version apporte plusieurs améliorations notables. Premièrement, l'image est désormais la plus photoréaliste et la plus interactive de tous les mondes produits par Google.

Que sait-on sur Gemini en réalisateur, Genie en opérateur de caméra ?

Ce qui intéresse le plus les ingénieurs, c'est le couplage avec Gemini. Le modèle de langage joue le rôle de réalisateur : il planifie les étapes et vérifie les images pendant que Genie les génère. Dans une expérience liée à Gemini Robotics, le modèle Gemini 4 Argon découpait la tâche en étapes, et Genie 4 simulait ces étapes en temps réel. L'intérêt pratique est clair : les scénarios destinés aux robots peuvent d'abord être exécutés dans un monde virtuel, puis lancés dans le monde réel.

Que sait-on sur Limites et marché environnant ?

Google reconnaît les points faibles. Plus la simulation dure, plus les détails et les objets « flottent ». La précision du son n'est pas garantie pour l'instant, et le texte à l'intérieur du monde n'est pas toujours lisible. Rivas a souligné qu'il s'agit d'une phase précoce et que le produit final destiné aux utilisateurs n'est pas encore défini. L'accès est lui aussi restreint. Genie 4 est actuellement réservé aux testeurs fermés.

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…