Google DeepMind a présenté Genie 4, la nouvelle version de son modèle de monde, un système qui génère une scène explorable image par image pendant que vous vous y déplacez au clavier. Le changement principal est le son. Les précédents modèles Genie en temps réel étaient muets ; celui-ci produit bruits d'ambiance, musique et dialogues parlés en même temps que l'image. Pour qui doit juger une scène et pas seulement la regarder, c'est une étape réelle.
Le modèle s'appuie sur la famille Gemini. Selon DeepMind, Gemini Omni garde l'apparence et le comportement de la scène proches du monde réel, tandis que d'autres modèles Gemini assurent le raisonnement qui la maintient cohérente. Pendant une session, vous pouvez taper des instructions, comme changer la météo, déplacer la caméra ou ajouter une personne ou un objet, et Gemini reformule la demande pour l'adapter à la scène. Pour les tâches plus longues, Gemini 3.8 Flash travaille dans la boucle : il découpe un objectif en étapes, observe les images qui arrivent et vérifie que chaque étape a réussi. Une démonstration associe Gemini 4 Argon à Genie 4 pour simuler le robot humanoïde Apollo d'Apptronik jouant aux dames.
Les testeurs de confiance décrits par DeepMind viennent du cinéma, du journalisme, de l'éducation, du jeu vidéo et de l'ingénierie. Les cinéastes s'en servent comme brouillon de prévisualisation et rejouent une scène avec une autre lumière ou d'autres dialogues. Les développeurs de jeux passent d'une idée à un prototype explorable avant d'écrire du code de moteur. Des photojournalistes testent si une seule photographie d'archive peut devenir un lieu simulé. Tout ce qui est généré porte un filigrane SynthID, dans l'image comme dans le son.
Genie 4 arrive dans un domaine qui se remplit. Nos tests de Genie 4 et de HY-World 2.0 de Tencent couvrent deux réponses différentes à la même question : un modèle peut-il remplacer un environnement 3D construit à la main. Le pari de DeepMind consiste à lier étroitement le modèle de monde à ses modèles de langage, la planification se faisant dans Gemini et le rendu dans Genie. L'entreprise y voit un pas vers des modèles de monde hybrides.
Les lacunes sont importantes. Le billet ne donne ni résolution, ni cadence d'images, ni durée maximale de session, et aucune comparaison avec les concurrents. DeepMind reconnaît que les détails et la permanence des objets dérivent quand la session s'allonge ou après plusieurs modifications, et que la physique, la justesse du son, le texte lisible et la précision spatiale restent en chantier. L'accès est pour l'instant réservé aux testeurs de confiance ; suivront les abonnés Google AI Ultra dans Project Genie et les premiers partenaires de la Gemini API et de Google AI Studio, sans date ni prix. Tant que ces chiffres manquent, c'est un aperçu à suivre plutôt qu'un outil sur lequel planifier.