Présentation du modèle Genie 4
Google DeepMind a publié en aperçu de recherche Genie 4, la quatrième génération de son modèle de mondes virtuels. Le système crée des environnements photoréalistes, intègre une génération audio en temps réel (musique, bruits ambiants, dialogues) et accepte des invites textuelles pendant la simulation pour modifier la scène. Par rapport à Genie 3, il double la durée de cohérence d’une scène, passant de une à deux minutes, et améliore la physique ainsi que le rendu des personnages humains.
Le lancement intervient quelques mois après la sortie de GWM Worlds 2 par Runway, premier concurrent à proposer une interaction dynamique et de l’audio. Le secteur se consolide également : AMD a racheté World Labs, Amazon discute l’acquisition de Decart, et Rivian a acheté Third Dimension pour renforcer ses simulations de conduite autonome.
Architecture et intégration avec Gemini
Genie 4 fonctionne en tandem avec Gemini, le grand modèle de langage de Google. Gemini agit comme directeur : il planifie les étapes, vérifie les images générées et fournit les instructions textuelles que Genie 4 transforme en visuels et en sons. Dans une expérience liée à Gemini Robotics, le modèle Gemini 4 Argon a découpé une tâche en sous‑étapes que Genie 4 a simulées en temps réel, illustrant une chaîne de test robotique entièrement virtuelle.
Le modèle accepte des modifications libres, telles que le changement de météo, le repositionnement de la caméra ou l’ajout d’objets et de personnages, sans redémarrer la simulation. Cette flexibilité repose sur une architecture à plusieurs niveaux d’abstraction, où le texte de Gemini est converti en paramètres de rendu et en pistes audio synchronisées.
Applications potentielles et limites identifiées
Les cas d’usage annoncés couvrent le jeu vidéo, l’apprentissage interactif et la robotique. Une utilisation spéculative consiste à insérer une peinture historique et à dialoguer avec les personnages représentés. Des testeurs internes ont également évoqué le prototypage de films : le rendu instantané pourrait accélérer le story‑boarding et la génération d’assets créatifs, notamment via le futur modèle Gemini Omni qui combinera texte, image, audio et vidéo.
Genie 4 présente toutefois des limites. Les détails et les objets ont tendance à dériver lorsque la simulation dépasse la minute, la précision audio reste imparfaite et le texte intégré dans le monde n’est pas toujours lisible. Google reconnaît que le produit final n’est pas encore défini et que l’expérience end‑to‑end doit encore être validée.
Actuellement disponible pour les testeurs de confiance, Genie 4 sera déployé dans les semaines à venir aux abonnés de Google AI Ultra via le projet Genie, ainsi qu’aux partenaires early‑access du Gemini API et de Google AI Studio.
