Google DeepMind a dévoilé Genie 4, un modèle d’IA qui propose une simulation interactive en temps réel d’un monde réel, avec un son natif et un réalisme accru. Le déploiement a commencé sous la forme d’un aperçu de recherche auprès de testeurs de confiance.
- Google DeepMind présente Genie 4, un modèle de monde interactif qui simule des environnements en temps réel.
- Le modèle génère l’image et le son en même temps, et l’utilisateur modifie la scène par simple texte.
- Il s’appuie sur la famille Gemini pour respecter la physique et la cohérence des événements.
- Il reste expérimental et n’est accessible qu’à des abonnés Google AI Ultra et à des partenaires.
Le système permet aux utilisateurs de générer des environnements dynamiques et de s’y déplacer, en pilotant les scènes à la volée. Pendant ce temps, le modèle calcule simultanément la physique, le comportement des personnages et les paysages sonores. Sundar Pichai, PDG d’Alphabet et de Google, a qualifié Genie 4 de « notre modèle de monde le plus réaliste et le plus interactif ».
Google DeepMind, laboratoire de recherche anglo-américain spécialisé dans l’intelligence artificielle, est une filiale d’Alphabet Inc. Fondé au Royaume-Uni en 2010, il a été racheté par Google en 2014, puis a fusionné avec la division Google Brain de Google AI pour devenir Google DeepMind en avril 2023. Son siège est à Londres, et l’entreprise dispose de centres de recherche aux États-Unis, au Canada, en France, en Allemagne et en Suisse.
Un pilotage en temps réel et un son généré en même temps que l’image
Selon Google, les utilisateurs peuvent explorer les environnements simulés à l’aide des commandes clavier standard et modifier l’univers par de simples invites en texte brut. Ils peuvent ainsi changer la météo, ajuster les angles de caméra ou introduire de nouveaux personnages et objets. Google indique aussi que Genie 4 marque un bond significatif en matière de précision physique, avec des interactions complexes comme l’aérodynamique, les collisions ou la résistance de l’environnement, et que les personnages numériques se déplacent et réagissent immédiatement aux commandes.
Google présente Genie 4 comme le premier modèle de monde en temps réel capable de générer nativement du son synchronisé, au fur et à mesure de l’affichage des images. Il produit des ambiances contextuelles, comme le souffle du vent dans les arbres ou le déferlement des vagues, ainsi que de la musique de fond. Il gère aussi des dialogues parlés interactifs : les personnages conversent et répondent aux demandes de l’utilisateur comme aux événements de l’environnement.
Un modèle adossé à la famille Gemini
Genie 4 n’est pas un moteur graphique autonome. Il s’appuie sur les capacités de raisonnement multimodal de la famille Gemini. Gemini Omni ancre chaque simulation dans une apparence et une dynamique physique issues du monde réel, tandis que les modèles de raisonnement Gemini préservent la logique de la scène, afin que les événements gardent une cohérence de cause à effet. Le modèle Gemini 3.8 Flash joue le rôle d’agent de pilotage : il suit les images entrantes, découpe les objectifs en étapes, vérifie que chaque action aboutit et adapte le plan dès qu’un changement survient dans la scène ou qu’un utilisateur intervient.
Google souligne que cette association permet de modéliser des événements complexes en plusieurs étapes, et de tester le comportement de systèmes d’IA dans différents environnements avant de les déployer dans le monde réel. La société rappelle également que « comprendre et simuler le monde est un aspect crucial de la construction d’une IA générale (AGI) ».
Des premiers retours encore expérimentaux
Genie 4 reste, selon Google, un modèle expérimental à un stade précoce. Le déploiement concerne d’abord les abonnés à Google AI Ultra dans le cadre du projet Genie, ainsi que des partenaires bénéficiant d’un accès anticipé à l’API Gemini et à Google AI Studio. Google a travaillé avec des testeurs issus de la création, du journalisme, de l’éducation, du jeu vidéo et de l’ingénierie. Les cinéastes peuvent par exemple réaliser plusieurs prises d’une même scène en temps réel, tandis que des photojournalistes explorent comment une photographie d’archive en 2D peut devenir une simulation réaliste de son environnement. D’autres équipes examinent la visualisation d’événements environnementaux de courte durée, tels qu’une crue soudaine ou un incendie de forêt.
Le modèle s’inscrit aussi dans les travaux de la filiale Alphabet dédiée à la conduite autonome. En février 2026, la société Waymo, détenue par Alphabet, avait présenté Waymo World, un modèle qui s’appuyait sur les capacités de Genie 3 pour construire des environnements virtuels à partir d’invites textuelles. Ce système générait des images de conduite synthétiques ainsi que des données de perception de profondeur, comparables à celles de caméras et de capteurs lidar montés sur des véhicules.
