Genie 4 ne se contente pas de générer une vidéo : il produit un monde dans lequel on peut entrer, se déplacer et parler. Google DeepMind a présenté le 27 octobre 2026 la nouvelle version de son modèle de monde, en preview pour des testeurs triés sur le volet. La promesse : des scènes plus photoréalistes, une physique plus crédible, des personnages plus humains, un audio natif et un pilotage en temps réel. Pour la première fois, les mondes de Genie ont une bande-son générée par le modèle lui-même.
Le vocabulaire compte. Genie 4 n'est pas un générateur de vidéo qui produit une séquence fixe. C'est un modèle de monde : il prédit ce qui va se passer ensuite, image par image, en fonction des actions de l'utilisateur. On avance avec le clavier, on oriente la caméra, on tape une phrase pour changer la météo ou faire apparaître un objet. Le modèle recalcule la scène à la volée. C'est cette interactivité qui distingue Genie d'un simple outil de création vidéo.
Quatre changements, pas un seul
Le premier changement est la durée. Genie 4 peut maintenir une scène cohérente pendant deux minutes, soit le double de Genie 3, selon TechCrunch. Ce n'est pas encore un monde persistant, mais c'est suffisant pour laisser une saynète se dérouler, pour explorer un lieu ou pour tester un scénario robotique. La cohérence n'est pas parfaite : les détails et les objets peuvent dériver quand la simulation dure.
Le deuxième changement est le pilotage. On peut modifier la scène en langage naturel pendant qu'elle tourne : changer le temps, déplacer la caméra, introduire une nouvelle personne ou un nouvel objet. Gemini adapte la demande au contexte et continue de surveiller la scène entre deux interventions pour qu'elle ne parte pas dans tous les sens. C'est une différence importante par rapport à un simple prompt initial : le contrôle est continu.
Le troisième changement est la physique. DeepMind parle d'une meilleure compréhension des collisions, de l'aérodynamique et des mouvements du corps. Les personnages se déplacent plus naturellement, réagissent à leur environnement et peuvent être dirigés en temps réel. Les démos montrent des scènes de dragon, de ballon au-dessus de l'Antarctique ou de musicien sur une plateforme flottante. Le rendu est spectaculaire. Il reste une démonstration, pas une garantie de robustesse.
Le quatrième changement est le son. Genie 4 est le premier modèle de monde temps réel de DeepMind à générer de l'audio nativement. Chaque monde porte l'ambiance de son décor : le vent dans les arbres, les vagues sur une plage, des pas, de la musique. Le modèle produit aussi des dialogues interactifs : les personnages parlent et réagissent aux actions de l'utilisateur, en temps réel. DeepMind insiste : tous les sons de la démonstration sont générés par Genie 4, pas ajoutés en post-production.
Gemini devient le metteur en scène
Genie 4 n'est pas seul. Il s'appuie sur la famille Gemini. Gemini Omni ancre les simulations dans une apparence et un comportement réalistes. D'autres modèles Gemini apportent le raisonnement nécessaire pour garder une scène cohérente. Et Gemini 3.8 Flash joue le rôle d'agent de guidage : il observe la scène, décompose un objectif en étapes, vérifie les images qui arrivent et adapte le plan quand l'utilisateur intervient.
Cette boucle a été testée avec Gemini 4 Argon et Genie 4 dans le cadre de Gemini Robotics. Le modèle de raisonnement décompose une tâche, Genie 4 la simule, et les étapes s'enchaînent sous forme de légendes textuelles. La démonstration montre Apptronik Apollo, un robot humanoïde, en train de jouer aux dames. L'intérêt n'est pas le jeu en lui-même : c'est la possibilité de tester des scénarios robotiques dans un monde simulé avant de les transposer dans le réel.
« Ce que nous allons voir de plus en plus, ce sont des modèles de monde hybrides, où Gemini écrit du code et du texte, et où Genie ingère cela en temps réel pour simuler la réalité à différents niveaux d'abstraction », explique Tejas Kulkarni, directeur de recherche chez Google, pendant une présentation. C'est peut-être la vraie direction : un modèle de raisonnement qui planifie, un modèle de monde qui rend la scène tangible.
À quoi cela peut servir
Les usages mis en avant sont classiques : jeux, apprentissage interactif, robotique. Un élève pourrait entrer dans un tableau historique et discuter avec ses personnages. Un robot pourrait répéter une tâche dans une usine virtuelle avant de la faire en vrai. Un développeur pourrait prototyper un niveau de jeu en quelques minutes. Les testeurs de DeepMind, eux, ont insisté sur un usage moins attendu : le prototypage de films.
« Le temps réel devient le plus utile dans les domaines où garder un état de flow dans la création est essentiel », explique Diego Rivas, ingénieur chez Google DeepMind. « Par exemple, dans la phase d'idéation, dans le storyboard, dès qu'on a besoin d'itérer vite. » L'idée n'est pas de remplacer un tournage, mais de tester une scène, une lumière, un mouvement de caméra avant de produire. Google possède déjà Veo pour la vidéo générative ; Genie 4 se situe en amont, dans l'exploration interactive.
Preview, limites et concurrence
Genie 4 est disponible dès maintenant pour des testeurs de confiance. Dans les prochaines semaines, il doit arriver aux abonnés Google AI Ultra dans Project Genie, l'outil de Google pour créer des mondes interactifs, ainsi qu'aux partenaires en accès anticipé de la Gemini API et de Google AI Studio. Il y a une liste d'attente. Ce n'est pas encore un produit grand public.
DeepMind reconnaît les limites. Les détails visuels et la permanence des objets peuvent dériver, surtout après plusieurs modifications complexes ou quand on se déplace dans la scène. Les interactions physiques complexes, l'exactitude de l'audio en temps réel, le rendu de texte lisible, la précision spatiale et la cohérence à long terme restent des sujets de recherche. TechCrunch ajoute que l'équipe n'a pas encore résolu la précision de l'audio ni la lisibilité du texte dans les mondes. Autrement dit : la démo impressionne, mais le simulateur fiable n'est pas encore là.
La concurrence s'accélère. Runway a lancé GWM Worlds 2, un modèle de monde jouable avec audio. Selon TechCrunch, AMD rachète World Labs, la société de Fei-Fei Li, Amazon discute pour racheter Decart et Rivian a acquis Third Dimension pour internaliser la simulation destinée à ses véhicules autonomes. Les modèles de monde deviennent stratégiques : ils servent à entraîner des robots, à tester des voitures et à produire des images interactives. Google arrive avec un avantage : Gemini, une distribution cloud et un public d'abonnés.
Le son, la sécurité et le vrai test
DeepMind insiste sur la sécurité. Genie 4 applique les garde-fous de l'entreprise, a été évalué avant la preview et n'est ouvert qu'à des testeurs choisis. Toutes les vidéos et tous les audios générés portent SynthID, le filigrane imperceptible de Google, conçu pour identifier les contenus générés par IA. C'est une mitigation utile. Ce n'est pas une solution complète : un filigrane peut être détecté par un outil, mais il n'empêche pas un contenu de circuler.
Le vrai test de Genie 4 n'est pas la beauté d'une scène de dragon. C'est la capacité du modèle à tenir un monde cohérent pendant qu'on le modifie, à produire un son synchronisé avec ce qui se passe, et à être piloté par un agent sans perdre le fil. Si cette boucle fonctionne, elle ouvre une nouvelle façon d'entraîner des robots et de prototyper des expériences. Si elle ne fonctionne qu'en démonstration, elle reste un très beau teaser.
Le saut le plus important n'est peut-être pas le son. C'est la boucle fermée entre un modèle de raisonnement et un simulateur. C'est là que Genie 4 peut devenir autre chose qu'un jouet génératif.