Genie 4 : Google ajoute du son aux mondes interactifs, en aperçu de recherche

Google DeepMind a présenté Genie 4 le 27 octobre. Ce modèle génère des environnements que l’on peut explorer et modifier pendant leur déroulement. Il ajoute une dimension sonore : bruit ambiant, musique et dialogues sont produits avec la scène. L’accès commence en aperçu de recherche auprès de testeurs sélectionnés.

Une scène que l’on peut diriger

Dans sa présentation détaillée (ouvre deepmind.google dans un nouvel onglet)Aller vers deepmind.google, DeepMind montre des interactions au clavier et des instructions en langage naturel. L’utilisateur peut demander de changer la météo, de déplacer la caméra ou d’introduire un élément. Le modèle poursuit ensuite la simulation à partir de cette intervention.

Les modèles Gemini participent au maintien du contexte et à l’organisation des événements. La nouveauté est donc aussi dans la boucle de commande : une demande n’aboutit pas seulement à un clip terminé, elle modifie un environnement qui continue à évoluer. Les séquences montrées par Google restent des démonstrations de l’éditeur.

Cela change la façon d’évaluer le résultat. Pour une vidéo, on peut examiner une séquence fixe. Pour un monde interactif, il faut aussi vérifier ce qui se passe après une intervention imprévue, un déplacement ou une succession de demandes. La beauté d’une capture ne suffit pas à démontrer la cohérence de tout le système.

Des pistes pour la création et la simulation

Le billet d’annonce de Google (ouvre blog.google dans un nouvel onglet)Aller vers blog.google cite notamment les environnements d’entraînement pour robots et agents, ainsi que des usages créatifs. Pour un concepteur, l’intérêt envisagé est d’explorer une idée de scène ou une interaction avant d’investir dans sa réalisation complète. Ce potentiel ne prouve pas encore qu’un prototype généré puisse devenir directement un jeu commercial.

La démarche complète les outils de vidéo que nous suivons, comme Kling 4.0 et ses séquences de 30 secondes. Pour la robotique, elle rejoint la question des essais préalables à un déploiement réel, évoquée dans notre dossier sur Digit 5.

Des limites encore reconnues

DeepMind signale des dérives possibles des détails visuels et de la permanence des objets lorsque la session s’allonge ou que les modifications se multiplient. La précision spatiale, la physique complexe, le texte lisible et la justesse de l’audio restent aussi des sujets de recherche.

Google annonce ensuite une arrivée auprès des abonnés AI Ultra dans Project Genie et de partenaires en accès anticipé dans l’API Gemini et AI Studio. Au 30 octobre, les deux annonces consultées ne donnent pas de date d’ouverture générale. Il faut donc retenir un aperçu encadré, avec des usages à évaluer, plutôt qu’un produit déjà accessible à tous.