Genie 4 est le modèle de monde que Google DeepMind a présenté le 27 octobre 2026, dans un article du blog Google DeepMind publié le jour même. Il ne génère pas seulement des images : il produit en même temps des sons d'ambiance, de la musique et des dialogues de personnages, tandis que les utilisateurs se déplacent dans la simulation au clavier et réécrivent la scène par écrit pendant qu'elle tourne. Pour les jeux, le cinéma et l'entraînement des robots, l'intérêt est de répéter d'abord dans un monde virtuel, plutôt que de payer le prix des essais et des erreurs dans le monde réel.
Le son est le plus grand changement
Genie 4 est le premier modèle de monde en temps réel de DeepMind à générer l'audio de façon native. Chaque monde a son propre son d'ambiance, avec le vent dans les arbres et les vagues sur la plage, tandis que les dialogues des personnages évoluent en temps réel selon les entrées et les événements du monde. La simulation ressemble ainsi davantage à une scène vivante, capable d'écouter, de répondre et d'être interrompue.
Les scènes peuvent être modifiées pendant leur déroulement
Les utilisateurs peuvent changer la météo, déplacer la caméra ou ajouter un nouveau personnage ou un nouvel objet en langage naturel pendant qu'une simulation tourne, et Gemini adapte l'instruction à la scène environnante. Dans la boucle, Gemini 3.8 Flash agit comme un agent de guidage qui observe la scène en continu, décompose un objectif en étapes et vérifie la progression image par image ; quand l'utilisateur intervient ou que le monde change, il ajuste le plan sur place. Gemini Omni ancre la simulation dans l'apparence et le comportement du monde réel, tandis que d'autres modèles Gemini aident à la garder cohérente.
D'abord des testeurs de confiance, et les limites sont énoncées clairement
Genie 4 est pour l'instant disponible en avant-première de recherche pour des testeurs de confiance. Il parviendra ensuite d'abord aux abonnés Google AI Ultra dans Project Genie, ainsi qu'aux partenaires en accès anticipé de l'API Gemini et de Google AI Studio. DeepMind reconnaît aussi que plus une simulation dure longtemps et plus les modifications sont complexes, plus les détails visuels et la persistance des objets peuvent dériver, et que les interactions physiques complexes, la précision de l'audio en temps réel, le rendu de texte lisible et la précision spatiale restent des sujets de recherche. Toutes les vidéos et tous les sons générés par Genie 4 porteront un filigrane SynthID, pour que les contenus générés par l'IA puissent être identifiés.
Pour la plupart des lecteurs, la valeur de Genie 4 ne tient pas à une démonstration de plus, encore plus réaliste. Elle tient au fait que la simulation de mondes devient une manière de répéter le travail encore et encore : les cinéastes peuvent entrer dans une scène et essayer des prises, les équipes de jeu peuvent tester des idées avant d'écrire du code moteur, et les équipes de robotique peuvent tester des procédures dans un environnement virtuel. Mais tant qu'il ne s'ouvre pas à davantage de personnes, il ressemble plutôt à une avant-première de recherche qu'à un produit prêt à être livré aujourd'hui.
