Genie 4 : DeepMind ajoute le son à son modèle de monde

Google DeepMind a dévoilé le 27 octobre 2026 Genie 4, la nouvelle génération de son modèle de monde. Ce type de système génère en temps réel un environnement interactif dans lequel on peut se déplacer et agir. La principale nouveauté de Genie 4 est la génération native du son : musique, bruits ambiants et dialogues sont produits en même temps que l'image. Le modèle reste pour l'instant réservé à un cercle restreint de testeurs.

Un modèle de monde nativement multimodal

DeepMind présente Genie 4 comme le premier modèle de monde en temps réel à générer l'audio de façon native. Le modèle simule aussi la physique, des collisions à l'aérodynamique, et anime des personnages qui réagissent à leur environnement et peuvent être dirigés en direct.

Genie 4 s'appuie sur la famille Gemini. Selon le billet signé Raia Hadsell, Diego Rivas et Hang Qi, Gemini Omni ancre l'apparence et le comportement des éléments dans le monde réel, tandis que d'autres modèles Gemini fournissent le raisonnement nécessaire à la cohérence de la scène. L'utilisateur peut modifier la météo, déplacer la caméra ou ajouter des personnes et des objets en langage naturel.

Le billet ne donne en revanche ni résolution, ni fréquence d'images, ni durée de cohérence. Pour mémoire, Genie 3, présenté en août 2025, générait des mondes en 720p à 24 images par seconde, cohérents pendant quelques minutes.

Robotique, cinéma et prototypage

DeepMind met en avant plusieurs usages. En robotique, Genie 4 sert d'environnement d'entraînement pour des agents : une démonstration associe le modèle à Gemini 4 Argon pour décomposer une partie de dames jouée par le robot humanoïde Apollo d'Apptronik. Dans une autre, Gemini 3.8 Flash observe la scène, découpe un objectif en étapes et ajuste son plan à mesure que le monde évolue.

L'entreprise cite aussi la prévisualisation pour le cinéma, le prototypage de mécaniques de jeu avant le passage sur un moteur, la simulation de scénarios pour les entreprises ou la transformation d'une photographie d'archive en environnement explorable. Ces pistes prolongent le travail engagé avec Gemini 4 Argon, dont une déclinaison vise déjà la robotique.

Des limites reconnues

DeepMind liste lui-même les faiblesses du modèle. Les détails visuels et la permanence des objets peuvent dériver, surtout lors de longues sessions, après plusieurs modifications de la consigne ou pendant les déplacements. Les interactions physiques complexes, la précision de l'audio en temps réel, le rendu de texte lisible, la précision spatiale et la cohérence à long terme restent des axes de recherche.

Un accès progressif

Genie 4 est disponible en avant-première de recherche pour des testeurs de confiance. DeepMind prévoit ensuite de l'ouvrir aux abonnés Google AI Ultra via Project Genie, ainsi qu'aux partenaires en accès anticipé de l'API Gemini et de Google AI Studio. Une liste d'attente est ouverte. Les pays concernés ne sont pas précisés.

Côté sécurité, l'entreprise évoque des évaluations internes avant la préversion et un déploiement par étapes. Toutes les vidéos et pistes audio générées portent un filigrane SynthID, la technologie de marquage dont Google a récemment ouvert l'outil de détection au public.