L’essentiel
- Google DeepMind a présenté Genie 4 le 27 octobre 2026 : un modèle de monde qui calcule une scène image par image, en temps réel, avec son et dialogues générés nativement.
- Gemini 3.8 Flash joue le rôle d’agent dans la boucle : il observe la scène, découpe un objectif en étapes, vérifie chaque étape sur les nouvelles images et ajuste son plan.
- Le modèle reste réservé à des testeurs de confiance, avec une cohérence limitée à de courtes sessions (environ deux minutes, contre une pour Genie 3).
- DeepMind cite l’entraînement de robots et d’agents parmi les usages visés, avec une démonstration où l’humanoïde Apollo d’Apptronik joue aux dames sans robot réel.
Du vent dans les arbres, des personnages qui se répondent, un orage déclenché d’une simple phrase : la vitrine de Genie 4 s’adresse aux joueurs et aux cinéastes. Dans son annonce pourtant, DeepMind range en tête de ses justifications autre chose : des environnements d’entraînement pour des robots et des agents.
C’est à cette aune qu’il faut juger le modèle. Un décor qui impressionne en démonstration ne fait pas un terrain d’essai fiable, et l’écart se mesure sur des critères que le grand public ne regarde pas.
Un agent aux commandes, sur un schéma ancien
Genie 4 ne travaille pas seul. Selon DeepMind, Gemini Omni ancre l’apparence et le comportement des scènes dans le réel, tandis que d’autres modèles Gemini fournissent le raisonnement nécessaire à la continuité de la simulation. Gemini 3.8 Flash y tient le rôle d’« agent guide » : il observe la scène en continu, découpe un objectif en sous-étapes, s’appuie sur les nouvelles images pour vérifier que chaque étape a fonctionné, et révise son plan quand le monde change ou quand l’utilisateur intervient.
Cette boucle (percevoir, planifier, vérifier, replanifier) est celle des architectures d’agents conçues bien avant les grands modèles de langage (LLM). Un planificateur, un exécuteur, un contrôle du résultat : seules les pièces ont changé. L’exécuteur est un générateur de pixels, le planificateur un LLM, et DeepMind parle de modèles de monde hybrides, qui marient le raisonnement des modèles de langage et de code à une simulation au niveau du pixel.
Un terrain d’essai dont l’arbitre est aussi le décorateur
La démonstration la plus parlante pour l’entraînement d’agents est brève. Gemini 4 Argon, testé pour relier Genie à la recherche en robotique de DeepMind, découpe une partie de dames en étapes. Genie 4 reçoit ces étapes sous forme de texte et simule l’humanoïde Apollo qui joue, sans aucun robot physique.
Pour entraîner un agent, il faut deux choses : un monde qui garde son état d’un instant à l’autre, et une règle fiable pour dire que l’agent a réussi. Dans ce montage, le monde est généré, et la vérification repose sur un modèle qui regarde des images produites par un modèle de la même famille. À notre lecture, il y a là une circularité : si la scène dérive, rien n’indique que l’arbitre le verra, puisqu’il juge sur ce que le monde lui montre. DeepMind ne publie pas de mesure de ce risque dans son annonce. NVIDIA a pris un autre chemin avec Cosmos : des modèles de monde ouverts, que les équipes de robotique téléchargent et ajustent sur leurs propres données pour produire des données d’entraînement synthétiques.
Deux minutes de mémoire, c’est court pour apprendre
DeepMind qualifie Genie 4 de modèle initial et expérimental. Le monde reste cohérent sur de courtes sessions, mais des détails visuels peuvent changer et des objets ne persistent pas toujours dans les simulations longues ou après plusieurs modifications complexes par prompt. Une expérience dure environ deux minutes, contre une pour Genie 3.
Pour un joueur, c’est un détail d’ergonomie. Pour un agent, c’est le plafond de l’épisode d’entraînement : toute tâche qui dépasse cette durée se déroule dans un monde dont les objets peuvent disparaître ou changer d’aspect. L’entreprise précise aussi qu’elle travaille encore sur les interactions physiques complexes, sur le son en temps réel fidèle et sur le texte lisible. Un robot qui apprend dans une simulation où les collisions sont approximatives apprend des gestes faux.
Des testeurs triés, des chiffres absents
Genie 4 est en aperçu de recherche pour des testeurs sélectionnés. Il doit arriver prochainement chez les abonnés Google AI Ultra, dans l’application web Project Genie, et chez des partenaires en accès anticipé à l’API Gemini et à Google AI Studio. Une liste d’attente est ouverte. Toutes les vidéos et pistes audio porteront SynthID, le filigrane invisible de Google pour les contenus générés.
Si vous évaluez ce type d’outil pour des agents, trois questions se posent dès l’ouverture de l’accès : les objets persistent-ils d’un épisode à l’autre, le même scénario peut-il être rejoué à l’identique, la condition de réussite est-elle vérifiée autrement que par le modèle qui génère la scène ? Sans réponse chiffrée, Genie 4 reste un générateur d’expériences, pas encore un banc d’essai.
Mon avis
Un simulateur incapable de rejouer deux fois la même scène ne sert pas à entraîner un agent, seulement à le démontrer. Genie 4 deviendra un terrain d’essai le jour où DeepMind publiera des chiffres de reproductibilité et de permanence des objets sur des durées d’épisode réelles. D’ici là, je le range côté vitrine de recherche, et le son n’y change rien.
Sources
Ils m’ont fait confiance
« Il ne se contente pas de corriger les symptômes, il cherche à comprendre l'origine des problèmes et à sécuriser les modifications effectuées. J'ai réellement le sentiment d'avoir trouvé un développeur qui comprend à la fois la technique et les enjeux globaux du projet. »
Évaluation client · projet WordPress · septembre 2026
5,0/5 sur 22 évaluations
Faire appel à mes services →
