Google DeepMind Genie 4 ajoute l'audio natif à son modèle de monde

Google DeepMind a annoncé Genie 4 le 27 octobre 2026, un modèle de monde qui génère des scènes interactives avec du son intégré. Un modèle de monde est un système d'IA qui crée un lieu dans lequel on peut se déplacer et que l'on peut modifier en temps réel, comme un niveau de jeu créé à la volée. D'après l'annonce de Google, chaque monde génère désormais « de l'audio natif à la volée, y compris des sons d'ambiance, de la musique et des dialogues interactifs ». Un petit groupe de testeurs de confiance y a accès dès maintenant, et les développeurs sont les suivants, via l'API Gemini.

Google présente ce travail comme plus qu'un divertissement. « Simuler le monde est une étape cruciale vers l'AGI, qui permet des environnements d'entraînement sûrs pour les robots et les agents », indique son billet de blog.

Ce qu'apporte Genie 4

Les utilisateurs pilotent une scène avec des instructions en langage courant pendant qu'elle tourne. Parmi les exemples de Google figurent le déplacement de la caméra, le changement de météo et l'ajout de personnages.

La page du modèle chez Google DeepMind présente Genie 4 comme « notre modèle de monde le plus réaliste et le plus interactif à ce jour ». Elle indique que Gemini Omni ancre l'apparence et le comportement des objets. D'autres modèles Gemini assurent le raisonnement qui garde une scène cohérente dans le temps.

Gizmodo le compare à Genie 3, que Google a dévoilé en août de l'année dernière. Genie 3 n'avait pas d'audio, et ses personnages humains « avaient tendance à être plus mécaniques », écrit le média. Genie 4 montre des mouvements humains et des expressions faciales plus fluides, avec des personnages qui parlent et réagissent. Le titre de Gizmodo affirme que le modèle génère des voix humaines. Les propres pages de Google décrivent un « dialogue interactif » mais n'emploient pas le mot voix.

Qui peut l'utiliser, et quand

Groupe	Accès
Testeurs de confiance	Déploiement en cours en tant qu'aperçu de recherche
Abonnés Google AI Ultra	« Bientôt disponible » dans Project Genie
Partenaires en accès anticipé de l'API Gemini	« Bientôt disponible »
Partenaires en accès anticipé de Google AI Studio	« Bientôt disponible »
Tous les autres	Une liste d'attente sur la page de DeepMind

Google n'a donné ni prix ni date pour une diffusion plus large. Selon Gizmodo, les testeurs actuels comptent des développeurs de jeux vidéo.

Project Genie est l'application web de Google pour explorer des mondes générés. Gizmodo note que son lancement en janvier aurait fait nettement chuter les actions du secteur du jeu vidéo.

Sécurité et filigranes

Google DeepMind indique avoir volontairement ouvert Genie 4 d'abord à des testeurs de confiance. Le modèle dispose de « garde-fous de sécurité stricts, conformes à nos politiques de sécurité pour nos autres modèles », précise la page du modèle.

Chaque clip vidéo et audio produit par Genie 4 portera SynthID, le filigrane invisible de Google qui permet de repérer les contenus générés par l'IA. Cela couvre à la fois l'image et le son.

Ce que Google dit que le modèle ne sait pas encore faire

La page du modèle dresse une liste franche de limites :

• Il prend en charge « quelques minutes d'interaction continue, plutôt que des sessions prolongées ».
• Il ne peut pas simuler des lieux réels avec une précision parfaite.
• La précision de l'audio en temps réel est encore en cours d'amélioration.
• Les détails visuels et la permanence des objets peuvent dériver avec le temps, surtout après plusieurs modifications complexes du prompt.
• Les interactions entre de nombreux agents indépendants dans un monde partagé restent difficiles.
• Un texte lisible n'apparaît généralement que lorsque l'entrée le décrit.

Gizmodo ajoute que le modèle « a parfois du mal à maintenir la cohérence visuelle et la précision audio ».

Ce que cela signifie pour les développeurs

Genie 4 n'est pas quelque chose que la plupart des développeurs peuvent appeler aujourd'hui. Les démarches utiles dès maintenant relèvent de la préparation.

• Inscrivez-vous sur la liste d'attente si vous créez des jeux ou des simulations. Les partenaires en accès anticipé de l'API Gemini vont influencer la façon dont le modèle sera exposé. Entrer tôt vous donne voix au chapitre.
• Concevez pour des sessions courtes. Quelques minutes d'interaction conviennent aux prototypes, aux démos et aux idées de niveaux. Cela ne convient pas encore aux longues sessions de jeu ni aux mondes persistants.
• Utilisez-le comme terrain d'entraînement pour robots, avec prudence. Google explore des usages en robotique. Des mondes qui dérivent avec le temps peuvent enseigner de mauvaises leçons aux agents. Vérifiez donc les résultats par des tests en conditions réelles.
• Prévoyez des contrôles de filigrane. Toutes les sorties portent SynthID. Si votre produit mélange des images réelles et générées, décidez comment vous allez les signaler et les détecter.
• Gardez votre budget en réserve. Aucun prix n'est encore publié. Évitez de bâtir un business case tant que les tarifs et les limites de débit ne sont pas publics.
• Surveillez l'audio. Le son est la fonction phare et aussi un point faible reconnu. Vérifiez que les dialogues restent synchronisés avant de vous en servir pour des personnages vraiment interactifs.

Genie 4 fait passer les modèles de monde de clips muets à des scènes avec du son et de la parole. La limite de quelques minutes et les problèmes de dérive montrent à quel point ils restent loin de remplacer un moteur de jeu.