Genie 4 : le modèle de monde de DeepMind gagne l'audio natif et deux minutes de cohérence

Google DeepMind a présenté Genie 4 le 27 octobre, la nouvelle génération de son modèle de monde (world model). Le modèle génère des environnements interactifs photoréalistes en temps réel, avec pour la première fois un son produit nativement : ambiances, musique et dialogues de personnages. L'accès démarre en préversion de recherche pour des testeurs choisis, avant une ouverture aux abonnés Google AI Ultra via Project Genie, puis aux premiers partenaires de l'API Gemini et d'AI Studio.

Un modèle de monde piloté par un agent, pas un générateur de vidéo

Genie 4 ne travaille pas seul : Gemini Omni ancre l'apparence et le comportement des mondes dans le réel, et Gemini 3.8 Flash joue l'agent de guidage en temps réel. Quand l'utilisateur tape un prompt, cet agent l'adapte à la scène en cours, découpe les objectifs en étapes, puis contrôle chaque image pour confirmer que l'étape a réussi. Si le monde change ou si l'utilisateur intervient, il replanifie. La logique est celle d'un agent qui contrôle une simulation, là où Veo génère une vidéo linéaire sans retour possible.

Les progrès revendiqués par rapport à Genie 3, sorti en août 2025 en 720p à 24 images par seconde : physique plus crédible (aérodynamique, collisions), mouvements humains plus naturels, cohérence doublée à deux minutes, et surtout l'audio natif. DeepMind a aussi montré un cas robotique : Gemini 4 Argon a planifié une partie de dames exécutée en simulation par le robot humanoïde Apollo d'Apptronik, Genie servant de terrain d'entraînement.

Ce qu'on verra de plus en plus à l'avenir, ce sont ces modèles de monde hybrides.

DeepMind liste elle-même les limites : les détails visuels et la permanence des objets dérivent dans les sessions longues ou après plusieurs modifications par prompt, le texte affiché dans les scènes reste illisible, la précision de l'audio temps réel est un chantier ouvert. Autour, les rachats s'enchaînent : AMD a accepté de racheter World Labs, le laboratoire de Fei-Fei Li, Amazon négocie le rachat de Decart et Rivian a acquis Third Dimension pour la simulation de conduite. Ces acheteurs parient sur la simulation interactive comme terrain d'entraînement des agents et des robots.

Mon avis : notable, pas un basculement. La démonstration technique est réelle, l'audio natif et l'agent de contrôle en boucle sont des premières. Mais un outil accessible sur liste d'attente, limité à deux minutes de cohérence et sans date d'API reste un aperçu de recherche. Pour un studio, une agence de formation ou une équipe produit française, c'est le moment d'observer, pas d'acheter.

Qui est concerné, et pour quoi faire

Les premiers testeurs viennent du cinéma, du journalisme, de l'éducation, du jeu et de l'ingénierie. Des photojournalistes ont par exemple transformé des photos d'archives en simulations explorables. Si vous produisez de la formation immersive, des prototypes de jeu ou des visites virtuelles, Genie 4 préfigure un pipeline où l'environnement se génère à la demande au lieu de se modéliser à la main.

Si vous utilisez l'API Gemini pour du texte ou de l'analyse, rien ne change : Genie 4 n'y est pas disponible et aucun tarif n'existe. Notez quand même le marquage : toutes les vidéos et tous les sons générés portent le filigrane invisible SynthID, détectable par les outils de Google. Pour un éditeur, cela signifie qu'un contenu Genie publié tel quel sera identifiable comme synthétique.

Sources

• Google DeepMind - Genie 4: a new generation of world simulation (27 octobre 2026)
• The Next Web - Google DeepMind's Genie 4 builds AI worlds that talk and change on command (28 octobre 2026)
• MarkTechPost - Meet Google DeepMind's Genie 4 (28 octobre 2026)