L'IA Genie 4 de Google DeepMind crée des mondes virtuels qu'on modifie d'une phrase

Sur l'écran, une scène se déroule. On tape « fais tomber la pluie » ou « ajoute un personnage », et le monde change sans s'arrêter. Le 27 octobre, Google DeepMind a dévoilé Genie 4, la quatrième génération de son « modèle de monde » : une IA qui ne produit pas une vidéo figée mais un environnement simulé, dans lequel on se déplace et avec lequel on interagit en temps réel.

Il ne s'agit encore que d'une préversion de recherche, réservée à des testeurs choisis. Selon TechCrunch, l'accès s'ouvrira dans les prochaines semaines aux abonnés de la formule Google AI Ultra, via le service Project Genie, et à des partenaires de l'interface de programmation Gemini et d'AI Studio. Une liste d'attente est ouverte. L'annonce ne mentionne aucune région ; Project Genie est déployé progressivement depuis mai 2026 auprès des abonnés Ultra éligibles de 18 ans et plus dans le monde entier.

Ce qui change par rapport à Genie 3

La nouveauté la plus visible est le son. DeepMind présente Genie 4 comme son premier modèle de monde en temps réel à générer nativement musique, bruits d'ambiance et dialogues qui s'adaptent aux événements de la scène. Selon TechCrunch, une scène reste cohérente jusqu'à deux minutes, deux fois plus longtemps qu'avec Genie 3, sorti un peu plus d'un an plus tôt. Google met aussi en avant une physique plus crédible (collisions, aérodynamique) et des mouvements humains plus naturels.

Genie 4 ne travaille pas seul. Les modèles Gemini interprètent les demandes de l'utilisateur, ancrent la scène dans une apparence réaliste et découpent un objectif en étapes. DeepMind cite Gemini 3.8 Flash dans ce rôle de guide, qui vérifie l'avancement et revoit son plan quand le monde change. Dans une expérience de robotique, le modèle Gemini 4 Argon décompose une tâche que Genie 4 simule ensuite, une façon de tester un robot avant de le lâcher dans le monde réel.

À quoi cela peut-il servir ?

Google avance plusieurs usages : la prévisualisation de films, où un réalisateur enchaîne des « prises » dans une simulation ; le prototypage rapide d'expériences interactives ; la reconstitution d'un environnement historique à partir d'une photo d'archive ; la simulation d'inondations ou d'incendies ; l'entraînement de robots et d'agents d'IA dans des environnements sans danger. Diego Rivas, ingénieur chez Google DeepMind, cité par TechCrunch, voit l'outil utile dans la phase de recherche d'idées et de storyboard, pour trouver des idées rapidement. Il reconnaît qu'il est encore tôt et qu'on ne sait pas encore ce que sera l'expérience complète du produit.

Des limites que Google reconnaît

DeepMind présente lui-même Genie 4 comme un modèle « précoce et expérimental ». Les détails visuels et la permanence des objets dérivent avec le temps, surtout dans les sessions longues ou après plusieurs modifications. Les interactions physiques complexes, la justesse du son, la lisibilité des textes dans la scène et la cohérence à long terme restent des chantiers ouverts. Toutes les images et tous les sons produits portent le filigrane invisible SynthID de Google.

Faute d'évaluation indépendante, ces promesses reposent pour l'instant sur les démonstrations choisies par Google. Le vrai test viendra avec l'ouverture aux abonnés, quand on verra comment le modèle tient hors des exemples de lancement.