Genie 4 : Google DeepMind génère des mondes virtuels explorables, avec le son et des dialogues

Décrire un lieu en quelques mots, puis s’y promener comme dans un jeu vidéo, entendre le vent, croiser des personnages qui répondent : c’est la promesse de Genie 4, le nouveau modèle de monde de Google DeepMind, dévoilé le 27 octobre 2026. Pour la première fois, le laboratoire ajoute le son à ses mondes générés en temps réel. Une avancée spectaculaire, qui intéresse autant les créateurs que les chercheurs en robotique, mais qui reste pour l’instant réservée à quelques testeurs.

Qu’est-ce qu’un modèle de monde ?

Un modèle de monde est une IA capable de simuler un environnement et son évolution : elle génère image après image ce que l’on verrait en s’y déplaçant, en tenant compte des actions de l’utilisateur. Contrairement à un jeu vidéo classique, rien n’est programmé à l’avance : le monde est inventé à mesure que l’on avance.

Ces modèles intéressent les laboratoires d’IA pour deux raisons. Ils ouvrent des usages créatifs, du prototypage de jeux à la préparation de films. Et ils offrent des terrains d’entraînement pour les agents d’IA et les robots, qui peuvent s’exercer dans une infinité de situations simulées avant d’agir dans le monde réel. La recherche sur ces environnements virtuels mobilise d’ailleurs des investissements croissants, comme le montre l’essor des mondes virtuels conçus pour entraîner les agents d’IA.

Ce qui change avec Genie 4

DeepMind présente Genie 4 comme son premier modèle de monde en temps réel à générer le son nativement. Il produit des bruits d’ambiance, comme le vent ou les vagues, de la musique et des dialogues : les personnages peuvent parler et réagir aux paroles de l’utilisateur ou aux événements.

Les autres nouveautés annoncées :

Lorsqu’un utilisateur formule une demande, Gemini la réécrit pour l’adapter à la scène et guide la simulation entre deux consignes pour préserver la cohérence. Google explore ainsi une architecture où Gemini gère la structure et le rythme du récit, tandis que Genie génère l’apparence, le son et les réactions de l’environnement.

Des usages qui se dessinent

Selon DeepMind, des testeurs de plusieurs secteurs utilisent déjà Genie 4 comme un outil de brouillon rapide :

• des cinéastes pour la prévisualisation, en tournant plusieurs prises virtuelles d’une même scène ;
• des photojournalistes pour transformer une photo d’archive en environnement explorable ;
• des studios de jeu vidéo pour prototyper des idées de niveaux ou de mécaniques ;
• des acteurs de l'éducation et de l'ingénierie, et des entreprises qui testent la génération de scénarios industriels.

L’usage le plus stratégique concerne la robotique. DeepMind teste Genie 4 avec Gemini 4 Argon dans le cadre de Gemini Robotics : le modèle découpe une tâche en étapes, pendant que Genie 4 génère la scène correspondante. Les robots peuvent ainsi répéter une tâche en simulation avant de l’exécuter pour de vrai, ce qui réduit les risques et les coûts.

Comment y accéder

Genie 4 est pour l’instant une préversion de recherche réservée à des testeurs de confiance. Google annonce un accès prochain pour les abonnés Google AI Ultra, sa formule la plus chère, via l’expérience Project Genie, ainsi que pour des développeurs partenaires via l’interface Gemini et Google AI Studio. Une liste d’attente est ouverte. Aucune date ni disponibilité géographique précise n’a été communiquée. Les abonnés européens devront donc patienter, sans garantie que l’outil soit proposé dans les mêmes conditions qu’aux États-Unis. Comme souvent pour les outils génératifs de Google, l’ouverture pourrait se faire progressivement, par pays et par formule d’abonnement.

Des limites reconnues

DeepMind ne cache pas les faiblesses de son modèle, qu’il qualifie d’expérimental. Les détails visuels et la permanence des objets, c’est-à-dire le fait qu’un objet reste identique quand on le quitte des yeux puis qu’on y revient, peuvent dériver au fil d’une longue session ou après plusieurs modifications complexes. Les interactions entre plusieurs personnages, la précision du son en temps réel, l’affichage de textes lisibles, la fidélité spatiale des lieux réels et la cohérence à long terme restent des chantiers de recherche.

Les performances annoncées n’ont pas encore pu être vérifiées par des chercheurs extérieurs, et DeepMind n’a pas publié de mesures chiffrées détaillées.

Un filigrane sur chaque création

Côté sécurité, Google indique que Genie 4 applique des garde-fous alignés sur ceux de ses autres modèles. Toutes les vidéos et tous les sons générés portent SynthID, le filigrane numérique invisible de Google, qui permet d’identifier un contenu produit par ses outils.

Cette précaution est d’autant plus importante que des mondes générés à partir de photos réelles, avec des personnages qui parlent, pourraient être détournés pour fabriquer de fausses scènes crédibles.

Les questions que soulève l’outil

L’arrivée de mondes virtuels générés en quelques secondes pose plusieurs questions, que Google n’a pas toutes tranchées.

Les droits sur les images de départ. Transformer une photo en environnement explorable suppose d’avoir les droits sur cette photo. Pour un photojournaliste qui utilise ses propres archives, la question ne se pose pas. Pour un utilisateur qui partirait d’une image trouvée en ligne, elle relève du droit d’auteur, comme pour tout outil de création.

La place des métiers créatifs. Dans le cinéma et le jeu vidéo, la prévisualisation et le prototypage mobilisent aujourd’hui des équipes spécialisées. Un outil capable de produire en quelques minutes une maquette sonore et animée pourrait transformer ces étapes, sans remplacer à ce stade la création finale, faute de cohérence sur la durée.

La frontière entre réel et virtuel. Des scènes crédibles, avec des personnages qui parlent, compliquent la distinction entre images authentiques et fabriquées. Le filigrane SynthID constitue une première réponse, à condition que les plateformes de diffusion sachent le détecter et le signaler.

Vers des mondes virtuels à la demande

Avec Genie 4, Google DeepMind rapproche la génération de mondes virtuels d’un outil créatif utilisable. Pour le jeu vidéo et le cinéma, la technologie pourrait accélérer l’exploration des idées, en permettant de tester un décor, une ambiance ou une mise en scène avant d’engager des moyens importants. Pour l’éducation, elle laisse entrevoir des visites interactives de lieux historiques ou de phénomènes scientifiques. Pour la robotique, elle offre un terrain d’entraînement quasi illimité, où les erreurs ne coûtent rien. Reste à voir, quand l’outil sera ouvert plus largement, si la qualité promise tient face à des usages réels et variés, et comment les créateurs s’en empareront.