Google DeepMind présente Genie 4 : des simulations d'environnements en temps réel avec audio natif

Le 27 octobre 2026, Google DeepMind a annoncé Genie 4, l'évolution de son « world model » conçu pour générer des simulations interactives en temps réel. La principale nouveauté mise en avant dans le billet signé par les chercheurs Raia Hadsell, Diego Rivas et Hang Qi tient à la nature nativement multimodale du système, qui associe au rendu visuel la génération contextuelle de musique, de bruits d'ambiance et de dialogues. Dans l'architecture décrite par l'entreprise, les modèles de la famille Gemini assurent la cohérence visuelle et logique : Gemini Omni ancre les simulations dans l'apparence et le comportement du monde réel, tandis que Gemini 3.8 Flash opère dans la boucle de contrôle, observe la séquence, vérifie que les étapes sont accomplies et corrige le plan si l'utilisateur intervient en langage naturel pour modifier la météo, la mise en scène ou la composition de la scène. Le blog officiel cite aussi le modèle Gemini 4 Argon, sans préciser son rôle.

Parmi les usages testés figurent le prototypage rapide de jeux vidéo, la transformation de photos d'archives en environnements et la génération de scénarios d'entreprise ; Google évoque aussi l'entraînement de robots et d'agents. DeepMind décrit en outre des expériences avec Gemini Robotics, dont un humanoïde Apptronik Apollo simulé qui joue aux dames. Selon TechCrunch, la cohérence temporelle des scènes atteindrait deux minutes — le double de Genie 3 —, mais ce chiffre ne figure pas sur les pages officielles publiées par DeepMind. Il manque aussi les données nécessaires à une vérification sur le terrain : l'entreprise n'a pas communiqué de paramètres techniques essentiels comme la résolution, la fréquence d'images, la latence de réponse, les coûts d'utilisation ou la durée maximale d'une session. DeepMind reconnaît d'ailleurs elle-même que la dégradation des détails et de la persistance des objets lors de longues sessions, ou après des modifications répétées par prompt, reste un problème ouvert.

Toutes les vidéos et tous les sons générés porteront le filigrane SynthID. Le déploiement est progressif : pour l'instant, l'aperçu est réservé à un petit groupe de trusted testers ; « bientôt » (dans les prochaines semaines, selon TechCrunch), il arrivera chez les abonnés Google AI Ultra dans Project Genie, avec liste d'attente, et chez les partenaires en accès anticipé de la Gemini API et de Google AI Studio. Sur le blog de Google, on lit que "Simulating the world is a crucial step toward AGI" ; Google DeepMind précise sur son blog que "Genie 4 remains an early, evolving area of research". Comme l'a dit à TechCrunch Tejas Kulkarni, research director chez Google, on verra de plus en plus de "hybrid world models", c'est-à-dire des modèles du monde hybrides. Intégrer l'audio à la synthèse de l'espace montre la volonté de traiter la simulation comme un écosystème sensoriel unique ; cependant, tant qu'il n'existera pas de vérifications indépendantes sur la latence et la stabilité réelle de l'environnement, l'efficacité du modèle en usage opérationnel reste entièrement à mesurer. — Olya