Genie 4 et les modèles de monde IA : ce que Google DeepMind a construit

Qu’est-ce que Genie 4 ?

Genie 4 est un modèle de monde de Google DeepMind, annoncé le 27 octobre 2026 et conçu pour la simulation interactive en temps réel. L’utilisateur se déplace dans un monde généré avec les commandes standard du clavier ^[1] et le modifie par des prompts textuels pendant son exécution. ^[1][2]

Genie est la famille de modèles de DeepMind qui génèrent des environnements interactifs. Genie 3, annoncé le 5 août 2025, était un modèle de monde généraliste dont les mondes pouvaient être parcourus en temps réel. ^[3] Google a ensuite intégré Genie 3 dans Project Genie, une application web de Google Labs lancée le 29 janvier 2026. ^[4]

Le principal changement de Genie 4 est le son. DeepMind décrit le modèle comme nativement multimodal : musique, bruits d’ambiance et dialogues interactifs sont générés en même temps que le monde. ^[1][2] DeepMind le présente comme son premier modèle de monde en temps réel à générer de l’audio de façon native. Chaque monde porte le son d’ambiance de son décor, et les personnages peuvent tenir des dialogues qui s’adaptent aux actions de l’utilisateur et aux événements du monde. ^[1]

Que signifie « modèle de monde » dans le vocabulaire de Google ?

L’annonce de Project Genie par Google explique qu’un modèle de monde simule la dynamique d’un environnement, en prédisant comment il évolue et comment les actions l’affectent. Google l’oppose aux expériences explorables bâties sur des instantanés 3D statiques, car Genie génère en temps réel le chemin qui s’ouvre devant vous à mesure que vous avancez. ^[4]

Qui peut l’utiliser ?

Genie 4 est un aperçu de recherche pour testeurs de confiance, et DeepMind le décrit comme un modèle précoce et expérimental. ^[1][2] La section consacrée à l’accès, plus bas, fait le point sur ce que l’on sait d’une disponibilité plus large.

Qu’est-ce qu’un modèle de monde en IA ?

Un modèle de monde est un système d’IA qui construit une représentation opérationnelle d’un environnement afin de prédire comment celui-ci change en réponse à l’action. C’est la définition donnée dans une note de politique publique de Stanford HAI datée du 27 juillet 2026. ^[5] La formulation de DeepMind est proche : les modèles de monde s’appuient sur leur compréhension du monde pour en simuler certains aspects, afin que les agents puissent prédire comment un environnement évoluera et comment leurs actions l’affecteront. ^[3] TechCrunch a rapporté que DeepMind présente les modèles de monde comme une étape vers l’intelligence artificielle générale (AGI). ^[6]

D’où vient cette idée ?

Quanta Magazine la fait remonter à la monographie de 1943 du psychologue Kenneth Craik, qui décrivait l’esprit comme portant en lui un « modèle à petite échelle » de la réalité. Quanta rapporte que Yann LeCun, Demis Hassabis et Yoshua Bengio estiment tous que les modèles de monde sont essentiels pour une IA plus intelligente et plus sûre. ^[7]

Pourquoi les laboratoires les veulent-ils ?

L’intérêt est qu’un agent peut s’exercer et planifier dans une simulation plutôt que dans le monde réel. La note de Stanford HAI évoque des usages comme la planification d’infrastructures, la réponse aux crises et les essais industriels. ^[5] DeepMind a testé son agent SIMA, un agent généraliste pour les environnements virtuels 3D, dans des mondes Genie 3. ^[6]

Existe-t-il un consensus sur ce qui en est un ?

Non. Quanta rapporte que « personne ne s’accorde sur les détails » : ce qui est représenté, avec quelle fidélité, si cela est appris ou intégré d’avance, et comment on le détecterait. ^[7] Selon Stanford HAI, la ressource la plus rare pour les modèles de monde est constituée de données d’interaction étiquetées par action, comme les trajectoires de robots et les journaux de flottes, qui ne peuvent pas être collectées sur le web. ^[5]

Comment fonctionne Genie 4 ?

L’annonce de DeepMind et la presse décrivent les principaux éléments, présentés ci-dessous.

Qu’est-ce qui commande le monde ?

Les utilisateurs pilotent avec les commandes clavier standard pour la navigation et la caméra. ^[1] Des prompts textuels modifient la scène pendant son exécution, par exemple pour changer la météo, déplacer la caméra ou ajouter une personne ou un objet. ^[1][2]

Quel rôle jouent les modèles Gemini ?

Genie 4 s’appuie sur des capacités de la famille Gemini. DeepMind explique que Gemini Omni ancre la simulation dans l’apparence et le comportement du monde réel, et que d’autres modèles Gemini apportent le raisonnement qui maintient la cohérence de la simulation. ^[1] Dans la boucle, Gemini 3.8 Flash joue le rôle d’agent guide : il observe la scène générée, découpe les objectifs en étapes et vérifie les images entrantes pour s’assurer que chaque étape a réussi. ^[1]

TechCrunch décrit cette conception comme un modèle de monde hybride. Selon Tejas Kulkarni, directeur de recherche chez Google, cité par TechCrunch, dans les modèles de monde hybrides Gemini écrit du code et du texte tandis que Genie simule la réalité à différents niveaux d’abstraction. ^[2] Kulkarni a déclaré aux journalistes que les modèles de monde hybrides deviendront plus courants. ^[2]

D’où vient cette conception ?

L’article original sur Genie (arXiv, 23 février 2024, Bruce et al., Google DeepMind) décrivait un environnement interactif génératif entraîné sans étiquettes d’action à partir de vidéos Internet non étiquetées. Avec 11 milliards de paramètres, il était présenté comme un modèle de monde fondationnel, composé d’un tokeniseur vidéo, d’un modèle de dynamique autorégressif et d’un modèle d’action latente. ^[8]

Genie 2, annoncé en décembre 2024, transformait une seule image-prompt en environnements 3D jouables restant cohérents jusqu’à 1 minute, la plupart des exemples durant 10 à 20 secondes. ^[9] Genie 3 a suivi en août 2025, avec des mondes en temps réel générés à partir d’un prompt textuel à 24 images par seconde et en résolution 720p. ^[3][6]

Qu’est-ce qui change dans Genie 4 par rapport à Genie 3 ?

L’article de DeepMind étaye 3 changements, et TechCrunch en rapporte un quatrième. ^[1][2]

• Son et parole. TechCrunch rapporte que Genie 4 ajoute l’audio par rapport à Genie 3. DeepMind indique qu’il génère sons d’ambiance, musique et dialogues en même temps que le monde. ^[1][2]
• Gemini dans la boucle. Un modèle Gemini planifie et vérifie la scène pendant son exécution. ^[1]
• Pilotage par texte en cours d’exécution. Des prompts peuvent changer la météo, la caméra ou les objets pendant une session. ^[1][2]
• Durée. TechCrunch rapporte que Genie 4 peut maintenir une scène cohérente jusqu’à 2 minutes, soit le double de la limite de Genie 3. Ce chiffre vient de TechCrunch, pas de DeepMind. ^[2]

Pourquoi les durées de session diffèrent-elles ?

Elles proviennent de sources différentes et de produits différents. DeepMind a décrit Genie 3 comme maintenant la cohérence pendant « quelques minutes », avec une mémoire visuelle remontant à environ 1 minute. ^[3] Project Genie, le prototype grand public, plafonnait les générations à 60 secondes. ^[4] L’article de DeepMind sur Genie 4 ne donne aucun chiffre dans les sections examinées. ^[1] La comparaison « double » de TechCrunch est difficile à concilier avec les « quelques minutes » de DeepMind pour Genie 3 à la seule lecture du texte ; considérez donc les 2 minutes comme un chiffre rapporté par TechCrunch plutôt que comme une spécification de DeepMind. ^[2][3]

Le tableau ci-dessous présente côte à côte la lignée Genie, avec la formulation propre à chaque source.

Peut-on utiliser Genie 4 aujourd’hui, et combien cela coûte-t-il ?

Au 3 novembre 2026, Genie 4 est un aperçu de recherche pour testeurs de confiance. DeepMind indique recueillir des retours avant de proposer le modèle aux consommateurs et aux développeurs, en commençant par les abonnés Google AI Ultra dans Project Genie et les partenaires d’accès anticipé de l’API Gemini et de Google AI Studio. Une liste d’attente est ouverte. ^[1] TechCrunch indique que le déploiement plus large est attendu dans les semaines à venir. ^[2]

Aucun prix ni aucune date de disponibilité générale n’apparaissait dans les sources examinées. Consultez les pages officielles de Google pour connaître les conditions actuelles.

À quoi ressemblait Project Genie à son lancement ?

Project Genie a été lancé le 29 janvier 2026 comme application web prototype expérimentale dans Google Labs, reposant sur Genie 3, Nano Banana Pro et Gemini. ^[4] 9to5Google a rapporté la même date de lancement et les composants Genie 3 et Nano Banana Pro. ^[10] Il était ouvert aux abonnés Google AI Ultra aux États-Unis âgés de 18 ans et plus, avec une extension à d’autres territoires « en temps voulu ». ^[10] L’annonce de Google précise qu’il n’était pas disponible pour les utilisateurs de Google AI Ultra for Business. ^[4]

Ses 3 capacités principales étaient l’esquisse de mondes à partir de texte et d’images, l’exploration de mondes et le remix de mondes. Les générations étaient limitées à 60 secondes, et les événements de monde pilotables par prompt de Genie 3 n’étaient pas inclus dans le prototype. ^[4]

Genie 4 est-il disponible en Iran ?

Aucune des sources examinées n’aborde l’Iran ; rien de spécifique à ce pays ne peut donc être affirmé comme un fait. La base documentée est que Project Genie a d’abord été une offre réservée aux États-Unis pour les abonnés Ultra, et que DeepMind cite les abonnés Ultra parmi les premiers utilisateurs grand public visés pour Genie 4. ^[1][4][10] Les lecteurs en Iran devraient consulter les pages officielles de Google sur la disponibilité et le paiement, et ne pas se fier aux affirmations de tiers sur l’accès.

À quoi peuvent servir des modèles de monde comme Genie 4 ?

Les usages se répartissent entre travail créatif, entraînement d’agents et de robots, et planification.

Que font les testeurs avec Genie 4 ?

DeepMind indique que des testeurs de confiance dans les industries créatives, le journalisme, l’éducation, le jeu vidéo et l’ingénierie essaient Genie 4, par exemple pour la prévisualisation, la recherche d’idées et la transformation de photographies d’archives en simulations. ^[1] L’article de TechCrunch mentionne le prototypage de films, la recherche d’idées et le storyboard. ^[2]

Comment les modèles de monde aident-ils à entraîner agents et robots ?

L’idée est de donner à un agent un lieu où agir et échouer à moindre coût. DeepMind a testé une version de son agent SIMA dans des mondes Genie 3. Lors d’un point presse rapporté par TechCrunch, Jack Parker-Holder, chercheur chez DeepMind, a déclaré que le modèle « reçoit simplement les actions de l’agent », qui voit ensuite le monde simulé autour de lui. ^[6]

Pour Genie 4, TechCrunch décrit une expérience dans laquelle Gemini 4 Argon, avec Gemini Robotics, a découpé une tâche en étapes que Genie 4 a simulées en temps réel. ^[2] L’article de DeepMind précise que la démonstration simulait le robot humanoïde Apollo d’Apptronik jouant aux dames. ^[1] Cela illustre une planification au sein d’une simulation, non un robot accomplissant la tâche dans le monde physique.

Qu’attendent les chercheurs en politiques publiques ?

Stanford HAI cite la planification d’infrastructures, la réponse aux crises et les essais industriels comme exemples, et note que les trajectoires de robots et les journaux de flottes, difficiles à obtenir, constituent la ressource d’entraînement la plus rare. ^[5]

Quelles sont les promesses et les limites de Genie 4 ?

Que propose-t-il ?

• Des mondes interactifs avec son et dialogues adaptatifs générés dans un seul système. ^[1]
• Un pilotage par texte pendant une session, fonction que les testeurs peuvent employer pour la recherche d’idées et les changements rapides de scénario. ^[1][2]
• Une boucle de planification et de vérification dans laquelle un modèle Gemini contrôle que chaque étape a réussi. ^[1]

Quelles sont les limites ?

TechCrunch rapporte que l’équipe de Genie 4 reconnaît que les détails et les objets peuvent dériver à mesure que la simulation se prolonge, et qu’elle n’a pas trouvé comment garantir un audio précis et un texte lisible dans le monde simulé. ^[2] Pour Genie 3, TechCrunch avait signalé une gamme d’actions limitée et des difficultés à modéliser plusieurs agents en interaction. ^[6]

Quelles sont les préoccupations de gouvernance ?

Stanford HAI affirme qu’aucun benchmark existant ne donne aux décideurs publics une base suffisante pour juger un modèle de monde destiné à un déploiement critique en matière de sécurité. Il qualifie aussi les modèles de monde de technologie à double usage, aux implications pour la sécurité nationale. ^[5]

DeepMind et TechCrunch décrivent tous deux un aperçu limité à des testeurs de confiance. ^[1][2] On peut raisonnablement en déduire qu’il n’existe pas encore d’évaluation indépendante de Genie 4, même si aucune des deux sources ne le dit directement.

Un modèle de monde est-il la même chose qu’un grand modèle de langage ?

Non, même si les deux se recoupent. Stanford HAI définit un modèle de monde par ce qu’il est censé faire : prédire comment un environnement change en réponse à l’action. ^[5] Les travaux rapportés par Quanta l’opposent aux grands modèles de langage (LLM), qui peuvent apprendre des raccourcis disjoints à la place. ^[7]

Les LLM contiennent-ils déjà des modèles de monde ?

Certains chercheurs voient dans des capacités émergentes, comme jouer à l’Othello, des signes de modèles de monde internes. ^[7] Quanta rapporte que des chercheurs de Harvard et du MIT ont entraîné un modèle de langage qui donnait des itinéraires quasi parfaits dans Manhattan sans avoir appris de plan cohérent des rues. Lorsque 1 % des rues étaient bloquées au hasard, ses performances s’effondraient. Quanta présente ce type de résultats comme suggérant que les LLM apprennent des « sacs d’heuristiques ». ^[7]

Quelle voie mène à de meilleurs modèles de monde ?

Selon Quanta, Google DeepMind et OpenAI parient qu’assez de données multimodales, comme la vidéo et la simulation 3D, feront émerger un modèle de monde dans un réseau de neurones. Yann LeCun, de Meta, pense qu’il faut une nouvelle architecture non générative. ^[7] L’approche de LeCun, JEPA, apprend des représentations abstraites de données du monde réel et fait des prédictions dans l’espace de représentation, en ignorant les détails imprévisibles. Elle s’oppose aux modèles génératifs qui restituent des pixels. ^[11]

Genie 4 se situe sur la voie générative, et TechCrunch rapporte que l’équipe reconnaît que les détails et les objets peuvent dériver. ^[2] Kulkarni décrit l’approche hybride comme Gemini qui écrit du code et du texte pendant que Genie simule la réalité à différents niveaux d’abstraction. ^[2]

Qui d’autre développe des modèles de monde ?

Plusieurs entreprises poursuivent les modèles de monde par des voies différentes. Le tableau ci-dessous résume ce que rapportent les sources.

AMI Labs

AMI Labs, la société de Yann LeCun, a levé 1,03 milliard de dollars sur la base d’une valorisation pré-money de 3,5 milliards de dollars, annoncée le 9 mars 2026, pour construire des modèles de monde fondés sur JEPA, que LeCun a proposé en 2022. ^[12][11] Son directeur général, Alexandre LeBrun, a prédit que « modèles de monde » sera le prochain mot à la mode et que chaque entreprise se dira modèle de monde pour lever des fonds. Il a aussi indiqué qu’il pourrait falloir des années pour passer de la théorie aux applications commerciales. ^[12]

World Labs

World Labs, cofondée par Fei-Fei Li, a rendu Marble généralement disponible le 12 novembre 2025. Marble crée des mondes 3D persistants et téléchargeables à partir de texte, d’images ou de courtes vidéos, au lieu de générer les images à la volée comme le fait Genie. ^[13][14] L’article de TechCrunch du 9 mars 2026 sur AMI Labs rapportait que World Labs avait levé 1 milliard de dollars le mois précédent. ^[12]

Runway et mouvements du marché

TechCrunch indique que la sortie de Genie 4 est intervenue quelques mois après celle du deuxième modèle de monde de Runway, GWM Worlds 2, qui inclut la génération audio. Le média rapporte aussi que World Labs est en cours de rachat par AMD, qu’Amazon est en discussion pour acheter Decart et que Rivian a acquis Third Dimension. ^[2] Ce sont des informations de TechCrunch, que les sources examinées ne confirment pas de façon indépendante.

Qu’est-ce qui reste incertain à propos de Genie 4 ?

Beaucoup de points restent en suspens, et les prochaines étapes probables concernent surtout l’accès et l’évaluation.

• Accès. DeepMind prévoit de proposer Genie 4 aux consommateurs et aux développeurs après avoir recueilli des retours ; TechCrunch parle de « semaines à venir », et aucun prix ni aucune date de disponibilité générale n’a été publié dans les sources examinées. ^[1][2]
• Preuves indépendantes. L’aperçu est limité à des testeurs de confiance ; les affirmations sur la qualité viennent donc de DeepMind et de la presse. ^[1][2]
• Benchmarks. Selon Stanford HAI, aucun benchmark existant ne donne aux décideurs publics une base suffisante pour juger les modèles de monde en vue d’un usage critique en matière de sécurité. ^[5]
• Définitions et architecture. Le domaine est divisé sur ce qui constitue un modèle de monde et sur la meilleure voie entre génération de pixels et prédiction abstraite. ^[7][11]
• Effet de mode. Le directeur général d’AMI lui-même s’attend à ce que le terme soit très galvaudé pour lever des fonds. ^[12]

Quels signaux suivre ensuite ?

Les premiers signes seront le déploiement auprès des abonnés Google AI Ultra dans Project Genie et l’accès anticipé via l’API Gemini et Google AI Studio. ^[1][2] L’équipe reconnaît des problèmes de dérive, d’audio et de texte dans le monde simulé. ^[2] De l’avis de ce guide, ce sont des tests indépendants sur ces points qui montreront si les modèles de monde hybrides tiennent au-delà de sessions courtes. Tejas Kulkarni, de Google, prédit que les hybrides deviendront plus courants, mais cela reste une prédiction et non un résultat établi. ^[2]