DeepMind lance Genie 4, un modèle de monde amélioré avec physique réaliste

Présentation du modèle Genie 4

DeepMind dévoile Genie 4, la seconde génération de son modèle de monde. Le système crée un environnement virtuel à la volée, sans nécessiter de scènes pré‑rendus ni de scripts d’interaction. L’utilisateur décrit simplement le scénario souhaité et le modèle génère chaque image en temps réel, cadre par cadre. Par rapport à Genie 3, la nouvelle version intègre des simulations physiques plus précises et une représentation plus fidèle des personnages humains, ce qui réduit l’aspect « jeu vidéo » qui avait inquiété les développeurs l’an passé.

Architecture et rôle de Gemini 3.8 Flash

Genie 4 s’appuie sur Gemini 3.8 Flash, un modèle de raisonnement de la suite Gemini, qui agit comme agent directeur. À chaque requête, Gemini 3.8 Flash décompose l’objectif en sous‑tâches, contrôle la cohérence des images générées et ajuste les paramètres de la scène. Cette boucle de rétroaction permet de maintenir le fil narratif lorsqu’on fait évoluer le décor, la météo ou la position de la caméra. Le guidage par Gemini repose sur des prompts internes similaires à ceux utilisés par les modèles de raisonnement pour affiner leurs réponses, mais appliqués à la génération visuelle.

Performances, limites et perspectives d’usage

Les tests internes montrent que les simulations restent cohérentes pendant quelques minutes avant que le modèle ne perde le contexte initial. Cette contrainte temporelle provient probablement de la capacité de la mémoire interne à stocker les états précédents, un problème récurrent dans les modèles de monde. Malgré cette limitation, la capacité à modifier les paramètres en cours de génération ouvre des scénarios d’entraînement pour les robots physiques : chaque minute de simulation peut fournir un nouveau jeu de données d’interaction sans re‑développement manuel. De même, les créatifs peuvent exploiter la génération instantanée pour prototyper des scènes complexes, en ajustant rapidement les éléments visuels et sonores.

Sur le plan technique, la génération image‑par‑image en temps réel impose des exigences de calcul élevées, notamment pour le rendu de la physique réaliste. L’utilisation de Gemini 3.8 Flash comme contrôleur ajoute une couche de calcul supplémentaire, mais elle semble indispensable pour éviter les dérives de la simulation. Les futures itérations devront probablement augmenter la capacité de mémoire du modèle ou introduire des mécanismes de rappel d’états afin d’allonger la durée de cohérence.