Le fait
Google DeepMind a présenté le 27 octobre 2026 Genie 4, la nouvelle version de son modèle de monde, un modèle qui génère un environnement interactif image par image en réponse aux actions de l’utilisateur. Genie 4 produit désormais le son en même temps que l’image, y compris des dialogues, et accepte des consignes textuelles pendant la simulation pour en modifier le cours.
Contexte
DeepMind montre Genie 4 couplé à ses autres modèles : Gemini Omni et un agent Gemini 3.8 Flash dans la boucle, ou encore une démonstration de jeu de dames avec le robot humanoïde Apollo d’Apptronik et un bras UR5. Le modèle sert ainsi à créer des situations d’entraînement pour des agents et des robots.
L’accès commence par une préversion de recherche réservée à des testeurs de confiance. Il doit ensuite s’ouvrir aux abonnés Google AI Ultra (Project Genie) puis, en accès anticipé, à l’API Gemini et à AI Studio. Les contenus portent le filigrane invisible SynthID.
Pourquoi ça compte
Les modèles de monde sont l’une des voies pour fabriquer en grande quantité des données d’entraînement pour la robotique, sans tourner chaque scène dans le monde réel. Le son ajoute une modalité utile pour les robots qui doivent réagir à la voix ou aux bruits.
Lecture Neurone21
DeepMind reconnaît lui-même les limites : la scène dérive sur la durée, les objets ne restent pas toujours en place, le texte affiché est souvent illisible. Pour une entreprise, Genie 4 reste un outil de recherche, pas encore un simulateur fiable.