DeepMind dévoile Genie 4 : un monde en temps réel avec son et dialogues
Google DeepMind a présenté Genie 4, un modèle de monde qui calcule la scène image par image pendant que vous vous déplacez au clavier. Pour la première fois, il produit son propre son : bruit du vent et répliques des personnages, qui réagissent à vos actions. La trame des événements est gérée en arrière-plan par Gemini 3.8 Flash, qui découpe l'objectif en étapes et les vérifie à chaque nouvelle image. Il s'agit encore d'un aperçu fermé, mais de tels mondes pourraient devenir des environnements d'entraînement pour les robots et les agents.
Traité par IA depuis The Decoder ; édité par Hamidun News
Google DeepMind a présenté Genie 4, successeur de Genie 3, que l'entreprise avait montré en août 2025. Il s'agit d'un « modèle de monde » : il ne livre pas une vidéo toute faite, mais calcule l'espace virtuel pendant que vous jouez. Vous vous déplacez dans la scène au clavier, saisissez des commandes textuelles, et le monde réagit. La principale nouveauté de cette version est qu'elle est la première de DeepMind à générer elle-même le son et les dialogues. Pour les développeurs de jeux, les concepteurs de simulateurs et les roboticiens, c'est un signal sur la direction que prennent les environnements interactifs.
Ce que sait faire Genie 4
Imaginez non pas un lecteur vidéo, mais un décor vivant. Chaque image est recalculée en fonction de la direction où vous tournez et de ce que vous écrivez. Désormais, chaque monde possède son propre fond sonore, par exemple le vent dans les arbres. Les personnages peuvent se parler entre eux et réagir à vos actions ou aux événements de la scène, et leurs répliques apparaissent en temps réel.
DeepMind est surtout fier de la manière dont le modèle représente les humains. Selon l'entreprise, les personnages bougent plus naturellement, tiennent compte de leur environnement et peuvent être contrôlés directement. À la base, on trouve les capacités du modèle vidéo Gemini Omni, qui assure la crédibilité de l'apparence et du comportement du monde.
Gemini, le metteur en scène en coulisses
La partie la plus intéressante concerne le fonctionnement de la « mise en scène ». Genie 4 se charge de l'image et du son, mais pour décider de ce qui va se passer ensuite, il s'appuie sur les modèles Gemini. Si vous modifiez la météo par une commande, Gemini adapte cette instruction à la scène en cours au lieu de simplement plaquer la pluie sur l'ensemble. Entre vos actions, c'est également lui qui fait avancer les événements pour que le monde ne reste pas figé.
DeepMind illustre cela sur des tâches en plusieurs étapes. Gemini 3.8 Flash observe en permanence la scène, découpe l'objectif en étapes et vérifie à partir des nouvelles images si chaque étape a abouti. Si le monde a changé ou si l'utilisateur est intervenu, le modèle reconstruit son plan. Il s'agit en somme du cycle bien connu de l'agent « observer, planifier, agir, vérifier », mais dont l'environnement est désormais une simulation plutôt qu'un navigateur ou un terminal.
Il existe aussi un lien avec la robotique. DeepMind teste Gemini 4 Argon afin de relier Genie aux recherches sur Gemini Robotics. Dans la démo, Argon décompose une partie de dames en étapes et les transmet à Genie 4 sous forme d'instructions textuelles. Le modèle simule la façon dont le robot humanoïde Apollo d'Apptronik joue aux dames. Il n'y a pas de robot réel dans l'affaire.
Limites et accès
L'entreprise elle-même présente Genie 4 comme un modèle expérimental à un stade précoce. Sur des sessions courtes, le monde reste cohérent. Dans les longues simulations, ainsi qu'après plusieurs changements de prompt complexes, les détails visuels peuvent se déformer et les objets ne sont pas toujours conservés. DeepMind continue de travailler sur les interactions physiques complexes, le son précis en temps réel et le texte lisible à l'image.
L'accès reste pour l'instant limité : l'aperçu est réservé à des testeurs sélectionnés. L'entreprise promet ensuite le modèle aux abonnés Google AI Ultra, dans l'application web Project Genie, ainsi qu'aux partenaires bénéficiant d'un accès anticipé à l'API Gemini et à Google AI Studio. Toutes les vidéos et tous les fichiers audio seront marqués d'un filigrane invisible SynthID, qui signale les contenus créés par IA.
Ce que cela change pour les praticiens
Pour l'heure, Genie 4 est une démonstration, pas un produit sur lequel bâtir un développement. Mais la direction est claire. DeepMind voit dans l'association de Gemini et de Genie une première étape vers des modèles de monde hybrides, où le raisonnement des modèles de langage et de code se combine à la simulation au niveau du pixel. Si ces mondes gagnent en maturité, il sera possible d'entraîner des robots et des agents d'IA sur une expérience simulée, et pas seulement sur des jeux de données figés.
Pour les chefs de produit et les fondateurs, la conclusion est simple : suivez l'API et AI Studio. Si l'accès s'ouvre, les prototypes interactifs, les simulateurs et les environnements de test pour agents deviendront moins coûteux. En attendant, gardez à l'esprit les points faibles : l'instabilité des longues sessions et la physique, justement là où la simulation s'écarte le plus souvent de la réalité.
- 21 nov. 2026Le réseau de neurones MIRA génère Rocket League à 20 images par seconde, mais le ping grimpe jusqu'à 460 ms
- 21 nov. 2026Google a construit une copie fermée d'internet avec de fausses banques pour entraîner les agents IA de Chrome
- 21 nov. 2026MLPerf Training v6.1 : Nvidia Rubin et TPU Ironwood font leurs débuts, 153 systèmes au test
- 21 nov. 2026Google ouvre les précommandes de lunettes intelligentes avec Gemini à partir de 395 $, ventes dès le 10 décembre
Questions clés sur cet article
Que sait-on sur Ce que sait faire Genie 4 ?
Imaginez non pas un lecteur vidéo, mais un décor vivant. Chaque image est recalculée en fonction de la direction où vous tournez et de ce que vous écrivez. Désormais, chaque monde possède son propre fond sonore, par exemple le vent dans les arbres. Les personnages peuvent se parler entre eux et réagir à vos actions ou aux événements de la scène, et leurs répliques apparaissent en temps réel. DeepMind est surtout fier de la manière dont le modèle représente les humains.
Que sait-on sur Gemini, le metteur en scène en coulisses ?
La partie la plus intéressante concerne le fonctionnement de la « mise en scène ». Genie 4 se charge de l'image et du son, mais pour décider de ce qui va se passer ensuite, il s'appuie sur les modèles Gemini. Si vous modifiez la météo par une commande, Gemini adapte cette instruction à la scène en cours au lieu de simplement plaquer la pluie sur l'ensemble. Entre vos actions, c'est également lui qui fait avancer les événements pour que le monde ne reste pas figé.
Que sait-on sur Limites et accès ?
L'entreprise elle-même présente Genie 4 comme un modèle expérimental à un stade précoce. Sur des sessions courtes, le monde reste cohérent. Dans les longues simulations, ainsi qu'après plusieurs changements de prompt complexes, les détails visuels peuvent se déformer et les objets ne sont pas toujours conservés. DeepMind continue de travailler sur les interactions physiques complexes, le son précis en temps réel et le texte lisible à l'image.
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.
L'essentiel de l'IA — une fois par semaine
Sept actus qui ont vraiment compté, choisies à la main. Sans bruit ni communiqués.
C'est fait ! Vérifiez votre boîte mail pour la confirmation.