Google DeepMind présente Genie 4, un modèle de monde qui génère le son et les dialogues en temps réel, encore réservé à des testeurs

Google DeepMind a annoncé le 27 octobre Genie 4, la nouvelle version de son « modèle de monde », un système qui génère en temps réel un environnement que l’on parcourt au clavier et que l’on peut modifier par des instructions écrites. Principale nouveauté : le modèle produit lui-même le son de la scène, de l’ambiance sonore aux dialogues des personnages. Genie 4 n’est pas ouvert au public : il est distribué en préversion de recherche à des testeurs choisis par Google.

Ce que DeepMind annonce

Durée maximale d'une scène cohérente : une minute pour Genie 3, deux minutes pour Genie 4, selon TechCrunch

Le billet signé par Raia Hadsell, Diego Rivas et Hang Qi décrit quatre progrès par rapport à Genie 3, présenté en août 2025.

Le premier concerne le pilotage en direct. Pendant que la simulation tourne, l’utilisateur peut demander en langage naturel de changer la météo, de déplacer la caméra ou d’ajouter une personne ou un objet. Un modèle Gemini reformule la demande pour qu’elle s’accorde avec la scène, puis surveille la suite pour garder le monde cohérent entre deux instructions.

Le deuxième porte sur le réalisme physique. DeepMind cite l’aérodynamique et les collisions, et présente la simulation des personnes comme son « progrès le plus spectaculaire » : des personnages qui se déplacent de façon naturelle, réagissent à leur environnement et peuvent être dirigés en temps réel.

Le troisième est l’audio. Genie 4 est, selon DeepMind, son premier modèle de monde en temps réel à générer le son nativement, dans la même passe que l’image : musique, bruits d’ambiance et dialogues qui s’adaptent aux actions de l’utilisateur. Genie 3 était muet.

Le quatrième est le couplage avec Gemini. DeepMind indique que Gemini 3.8 Flash sert d’« agent guide » dans la boucle : il observe la scène, découpe un objectif en étapes, examine les images produites pour vérifier que chaque étape a abouti et ajuste son plan si l’utilisateur intervient.

Deux minutes de cohérence, contre une pour la version précédente

Le billet de DeepMind ne publie ni résolution, ni cadence d’images, ni durée maximale. TechCrunch, présent au briefing de presse, rapporte que Genie 4 maintient une scène cohérente jusqu’à deux minutes, soit le double de la limite de son prédécesseur. C’est le seul chiffre de performance disponible à ce stade.

DeepMind reconnaît lui-même les limites du modèle dans une section dédiée. Les détails visuels et la permanence des objets « peuvent encore se modifier ou dériver » lorsque la simulation dure, après plusieurs modifications complexes ou quand on se déplace dans la scène. Les interactions physiques complexes, l’exactitude de l’audio, le rendu d’un texte lisible, la précision spatiale et la cohérence sur la durée restent des sujets de recherche ouverts.

Une expérience de robotique avec Gemini 4 Argon

DeepMind décrit aussi un essai mené avec Gemini 4 Argon dans le cadre de ses travaux Gemini Robotics. Argon découpe une tâche donnée par un utilisateur en étapes, transmises à Genie 4 sous forme de légendes textuelles pendant le rendu. La démonstration publiée montre le robot humanoïde Apollo, de la société Apptronik, jouant aux dames dans une scène simulée.

L’intérêt annoncé est de tester des scénarios de robotique en simulation avant de les reproduire dans le monde réel. Tejas Kulkarni, directeur de recherche chez Google, a résumé l’orientation devant la presse, selon TechCrunch : des modèles de monde « hybrides », où Gemini écrit du code et du texte que Genie convertit en temps réel en une simulation. Le billet de DeepMind parle lui aussi de « modèles de monde hybrides » comme d’une piste de travail, sans calendrier.

Ce que testent les premiers utilisateurs

DeepMind dit travailler avec des groupes de testeurs issus de la création, du journalisme, de l’éducation, du jeu vidéo et de l’ingénierie. Les usages cités restent exploratoires : prévisualisation pour des réalisateurs qui enchaînent des « prises » en changeant caméra, lumière et dialogues, transformation d’une photographie d’archive en environnement explorable, prototypage de concepts de jeu « avant d’écrire une ligne de code de moteur », génération de scénarios pour des entreprises.

Diego Rivas, ingénieur chez DeepMind, a insisté pendant le briefing sur le caractère précoce du projet : l’équipe ne sait pas encore à quoi ressemblera le produit final, selon TechCrunch.

Le précédent boursier de Genie 3

Le titre de Bloomberg sur l’annonce rappelle que la version précédente avait « secoué » les valeurs du jeu vidéo. Lors de l’élargissement de Project Genie, l’interface grand public bâtie sur Genie 3, fin janvier 2026, l’action Unity avait perdu plus de 20 % en une séance, et Roblox comme Take-Two avaient aussi reculé, selon le récapitulatif publié par Startup Fortune. Le PDG d’Unity, Matthew Bromberg, avait alors répondu que ces mondes générés image par image ne suffisaient pas, seuls, à des jeux qui exigent une expérience identique et reproductible d’un joueur à l’autre.

Le contexte concurrentiel a aussi changé depuis. TechCrunch cite la sortie de GWM Worlds 2 chez Runway et le rachat de World Labs, le laboratoire de Fei-Fei Li, par AMD pour 8,2 milliards de dollars.

Accès, filigrane et inconnues

Google annonce un déploiement « dans les prochaines semaines » auprès des abonnés Google AI Ultra dans Project Genie, ainsi que des partenaires en accès anticipé de l’API Gemini et de Google AI Studio. Une liste d’attente est ouverte. Aucun prix d’accès par l’API, aucune date de disponibilité générale et aucune limite de durée des sessions n’ont été communiqués.

Toutes les vidéos et tous les sons produits par Genie 4 porteront SynthID, le filigrane invisible de Google destiné à identifier les contenus générés. DeepMind affirme avoir soumis le modèle à des évaluations de sécurité internes avant la préversion, sans en publier les résultats.

L’audit et cadrage IA de DjeremIA dispose d’une présentation distincte.