Genie 4 : le simulateur de mondes de Google DeepMind gagne le son et le dialogue

Google DeepMind a présenté le 27 octobre 2026 Genie 4, nouvelle version de son « modèle de monde ». Le terme désigne un système qui ne produit pas une vidéo figée, mais un environnement qui réagit : on s'y déplace, on y intervient, et l'image se calcule au fur et à mesure.

Ce que Genie 4 apporte

• Le son, généré avec l'image. Musique, bruits d'ambiance et dialogues avec les personnages sont produits en même temps que la scène. DeepMind parle d'un modèle nativement multimodal.
• Le pilotage en langage courant. On peut demander en cours de route de changer la météo, de déplacer la caméra, d'ajouter une personne ou un objet.
• Une physique plus crédible. Le laboratoire annonce des progrès sur l'aérodynamique, les collisions et les mouvements humains.
• Un agent pour guider la scène. Le modèle Gemini 3.8 Flash observe l'environnement, découpe un objectif en étapes et vérifie l'avancement.

Genie 4 s'appuie sur le reste de la famille Gemini : le modèle vidéo Gemini Omni sert à ancrer l'apparence et le comportement des objets dans le réel, d'autres modèles assurent la cohérence d'ensemble. Une démonstration montre un robot humanoïde Apollo, de la société Apptronik, simulé en train de jouer aux dames.

À quoi cela peut servir

DeepMind cite quatre familles d'usages :

• la prévisualisation de scènes pour le cinéma, en mode brouillon ;
• la reconstitution de lieux historiques à partir de photographies d'archives ;
• le prototypage rapide de concepts de jeux vidéo ;
• la simulation pour entraîner des robots et des agents, ou pour générer des scénarios en entreprise.

Qui peut l'utiliser

Pas grand monde pour l'instant. Genie 4 est un aperçu de recherche ouvert à des testeurs de confiance. Il doit arriver pour les abonnés Google AI Ultra dans Project Genie, et pour des partenaires en accès anticipé dans l'API Gemini et Google AI Studio. Une liste d'attente est ouverte. Aucun prix n'est communiqué.

Les limites

DeepMind en reconnaît plusieurs : les détails visuels et la permanence des objets peuvent se dégrader, surtout lors de longues sessions ou après plusieurs modifications. Les interactions physiques complexes, la justesse du son en temps réel, le rendu de texte lisible et la précision spatiale restent des chantiers de recherche.

Il faut y ajouter ce que l'annonce ne dit pas. Elle ne donne ni la définition de l'image, ni la cadence, ni la durée pendant laquelle un monde reste cohérent. Elle ne chiffre pas non plus l'écart avec la version précédente. Sans ces repères, impossible de juger si l'outil convient à un usage professionnel précis.

Côté garde-fous, le laboratoire mentionne des évaluations de sécurité internes, un déploiement par étapes et un filigrane SynthID sur toute la vidéo et tout le son générés.

Notre lecture

Pour une petite entreprise française, Genie 4 n'est pas un outil à mettre au budget : il n'est ni accessible ni tarifé. C'est en revanche un signal utile pour trois métiers. Les studios de jeu et d'animation, qui pourraient maquetter une idée en quelques minutes. Les acteurs du patrimoine et du tourisme, pour qui la reconstitution de lieux à partir d'archives est un usage concret. Les entreprises de robotique, qui ont besoin de simulations pour entraîner leurs machines. Si vous êtes dans l'un de ces cas, l'inscription sur la liste d'attente ne coûte rien. Pour les autres, le sujet est à suivre de loin.