Le 27 octobre 2026, Google DeepMind a présenté Genie 4, sa nouvelle génération de modèle de monde. Sa grande nouveauté : les mondes générés produisent leurs propres sons, les personnages parlent, et vous pouvez modifier la scène en tapant des instructions pendant que vous la regardez. Au matin du 28 octobre, le premier post officiel sur X comptait environ 1,7 million de vues et 15 300 mentions « J’aime ». Pour l’instant, l’accès reste réservé à un petit groupe de testeurs de confiance.
L’essentiel : comprendre en 3 minutes ce que Genie 4 apporte, s’il est accessible et ce que vous pouvez faire ensuite.
Première nouveauté de Genie 4 : le monde prend la parole
En bref : Genie 4 ne génère plus une scène muette à regarder, mais un environnement qui émet des sons, réagit et se modifie à la volée.
Commençons par expliquer ce qu’est un « modèle de monde ». Un modèle vidéo ressemble à une adresse à laquelle on vous remet un film déjà tourné. Un modèle de monde, lui, ressemble davantage à un spectacle en direct : les acteurs sont sur scène en permanence, vous criez « il pleut », la pluie commence à tomber et la suite de l’histoire change en conséquence. Dans son billet officiel, Google DeepMind présente quatre grandes avancées de Genie 4. Voyons-les une par une.
Légende : dans la vidéo officielle de lancement, un personnage entre dans le monde peint par Van Gogh dans La Nuit étoilée. Source : post officiel de Google DeepMind (27 octobre 2026), extrait de la démonstration officielle.
Première capacité de Genie 4 : modifier le monde en temps réel
D’après le blog officiel, vous pouvez modifier une simulation en cours avec des instructions en langage naturel : changer la météo, déplacer la caméra ou ajouter des personnes et des objets. Dans la démonstration officielle, une instruction saisie pendant que la scène se déroule suffit à modifier le temps, déplacer la caméra ou faire apparaître une personne.
Un détail important : selon Google, Gemini tient compte de l’environnement pour reformuler votre invite en une instruction mieux adaptée à la scène. Entre deux instructions, Gemini continue aussi d’observer et de guider la scène, pour que le monde ne se « fige » pas lorsque vous cessez de saisir des instructions.
Légende : une invite saisie pendant que la scène se déroule fait apparaître un piano dans la neige. Une grue s’en approche et se pose sur les touches. Source : idem.
Deuxième capacité de Genie 4 : une physique et des personnages plus réalistes
Selon le blog officiel, Genie 4 peut simuler des phénomènes physiques réels comme l’aérodynamique et les collisions. La démonstration montre notamment une pastèque qui tombe au sol, des feuilles d’érable qui virevoltent et des objets qui entrent en collision. Il faut toutefois garder à l’esprit qu’il s’agit de démonstrations publiées par Google.
Pour Google, la plus grande amélioration concerne les personnages : leurs mouvements sont plus naturels, ils peuvent réagir à leur environnement et être contrôlés en temps réel. Les personnages de la génération précédente, Genie 3, étaient relativement rigides. Google présente donc cet aspect comme l’un des principaux progrès de cette version.
Légende : il suffit d’écrire « écrase la pastèque avec une tête en marbre » pour qu’une tête apparaisse dans la scène et fracasse la pastèque, dont la chair éclabousse les alentours. Source : idem.
Capacité n° 3 de Genie 4 : générer du son nativement
Selon Google, Genie 4 est son « premier modèle de monde en temps réel à générer de l’audio nativement ». Chaque monde possède ses propres sons d’ambiance, du vent dans les arbres au bruit des vagues, et peut aussi inclure une musique de fond. Ces sons sont générés en synchronisation avec les images, et non ajoutés après coup.
Les personnages peuvent aussi dialoguer. Selon le blog officiel, ils réagissent à vos interventions ou aux événements du monde et prennent la parole en temps réel. Parmi les premiers à l’avoir essayé, @venturetwins a parlé sur X d’« une grande avancée », en soulignant notamment la présence d’un « audio natif ». Il s’agit d’une impression personnelle, pas d’une validation des résultats.
Légende : dans le monde de l’opéra, la caméra se relève d’elle-même pour montrer la coupole. La vidéo originale comprend des sons d’ambiance et des dialogues, mais le GIF ne conserve pas le son. Source : idem.
Capacité n° 4 de Genie 4 : simuler des événements complexes avec Gemini
Selon le blog officiel, Genie 4 peut simuler des événements en plusieurs étapes lorsqu’il est associé à Gemini. Les systèmes d’IA peuvent ainsi tester leurs réactions dans un environnement simulé avant d’évoluer dans le monde réel. Cette capacité vise principalement des domaines de recherche comme la robotique : le grand public n’y aura pas accès à court terme.
Genie 4, deuxième changement : trois modèles travaillent de concert
En bref : Genie 4 génère les pixels, tandis que plusieurs modèles Gemini se chargent de l’apparence, de la coordination et de la décomposition des tâches.
Le blog officiel précise que Gemini Omni ancre la simulation dans l’apparence et le comportement du monde réel : c’est lui qui donne aux éléments de l’image un aspect crédible. Pour en savoir plus sur son contexte, consultez notre article « Modèle vidéo Gemini Omni : 8 indices pointent vers une annonce à l’I/O 2026 ».
Le deuxième modèle cité par Google est Gemini 3.8 Flash, décrit comme un « agent de guidage dans la boucle ». Il ne dessine pas : il ressemble plutôt à un réalisateur qui suit aussi la continuité du tournage. Il observe la scène en permanence, découpe l’objectif en actions successives, puis examine les images générées pour vérifier que chaque étape est accomplie. Si le monde change ou que l’utilisateur intervient en cours de route, il adapte son plan immédiatement.
Le troisième est Gemini 4 Argon, utilisé dans des expériences liées à Gemini Robotics. Dans l’exemple donné par Google, Argon décompose une partie de dames en étapes et les transmet en temps réel à Genie 4 sous forme de sous-titres. Genie 4 génère ensuite les images du robot humanoïde Apollo d’Apptronik en train de jouer.
Dans un briefing cité par TechCrunch, Tejas Kulkarni, directeur de recherche chez Google, évoque l’arrivée de « modèles de monde hybrides » : Gemini écrirait du code et du texte, que Genie recevrait en temps réel pour simuler la réalité. Le blog officiel décrit la même direction : Gemini s’occuperait de la structure et de la chronologie narrative, tandis que Genie assurerait la représentation physique au niveau des pixels.
Genie 4, troisième changement : ce n’est pas un modèle vidéo comme Veo
En bref : un modèle vidéo produit une séquence finie, tandis qu’un modèle de monde crée une scène qui continue d’évoluer et dans laquelle on peut intervenir à tout moment.
Les deux répondent à des besoins différents : l’un ne remplace pas l’autre. Un modèle vidéo comme Veo convient à la production de séquences fixes, prêtes à être intégrées dans une œuvre. Genie 4 est davantage adapté à la conception, à la prévisualisation et aux prototypes interactifs. Google DeepMind ne le présente ni comme un outil de production vidéo finale, ni comme un remplaçant des moteurs de jeu.
Légende : dans une gare de campagne japonaise des années 1980, on traverse le quai à la première personne pendant que les passants se déplacent d’eux-mêmes. C’est précisément ce qu’un modèle vidéo ne peut pas offrir. Source : voir ci-dessus.
| Critère | Modèle vidéo (comme Veo) | Modèle de monde (Genie 4) |
|---|---|---|
| Résultat | Une séquence vidéo fixe | Une scène interactive qui continue d’évoluer |
| Peut-on intervenir en cours de route ? | Non, pas pendant la génération | Oui, à tout moment, par texte ou par des actions |
| Faut-il relancer la génération pour modifier le résultat ? | Oui | Non, la scène continue d’évoluer |
| Usages adaptés | Séquences finales, publicités, vidéos courtes | Prévisualisation, conception de storyboards, prototypes interactifs, recherche en simulation |
Quand pourra-t-on utiliser Genie 4 ?
En bref : pour le moment, seuls les testeurs de confiance y ont accès. Les autres utilisateurs doivent rejoindre la liste d’attente.
Selon le blog officiel, Genie 4 est disponible en avant-première de recherche auprès de testeurs de confiance. Après avoir recueilli leurs retours, Google prévoit de l’ouvrir d’abord dans Project Genie, accessible avec l’abonnement Google AI Ultra, ainsi qu’aux partenaires bénéficiant d’un accès anticipé à l’API Gemini et à Google AI Studio.
Deux précisions s’imposent. Project Genie est une application web expérimentale de Google Labs, qui sert en quelque sorte de vitrine pour découvrir les modèles de monde. Elle est incluse dans l’abonnement Google AI Ultra depuis janvier. Les partenaires bénéficiant d’un accès anticipé sont généralement des entreprises ou des équipes de développement : il ne suffit pas de s’inscrire publiquement pour en faire partie.
Pour rejoindre la liste d’attente, cliquez sur Join the Genie 4 waitlist en haut de la page officielle. Le lien mène à un formulaire Google : forms.gle/WQnSNEM3omF7Uruu7. Il suffit de le remplir. À noter également qu’au 28 octobre, la page d’abonnement Gemini mentionnait toujours Genie 3 à la ligne Project Genie : Genie 4 ne figurait pas encore parmi les avantages de l’abonnement. Google n’a pas annoncé de date d’ouverture officielle.
Six choses que Genie 4 ne sait pas encore faire
En bref : selon ses créateurs, Genie 4 reste un projet de recherche à ses débuts. Il fonctionne plutôt bien sur de courtes séquences, mais les problèmes apparaissent plus facilement quand elles se prolongent.
- L’image peut dériver (blog officiel) : la cohérence tient sur de courtes séquences, mais les détails et les objets peuvent changer au fil du temps, après plusieurs modifications de l’invite ou des déplacements dans la scène. La cohérence à long terme reste un sujet de recherche.
- Les interactions physiques complexes (blog officiel) : elles font toujours partie des axes de recherche.
- La précision de l’audio en temps réel (blog officiel) : le modèle peut générer du son, mais sa précision reste à améliorer.
- Du texte net et lisible (blog officiel) : les enseignes et les textes à l’écran peuvent manquer de clarté.
- La précision spatiale (blog officiel) : les positions et les distances ne sont pas encore assez précises.
- La durée d’une génération : le blog officiel ne la précise pas. Selon TechCrunch, qui rapporte les informations d’un briefing, Genie 4 peut maintenir une scène cohérente pendant environ deux minutes, soit deux fois plus que la génération précédente. Le chiffre officiel de comparaison est de 60 secondes maximum par génération pour Genie 3 dans Project Genie. Les deux données concordent, mais les « deux minutes » restent pour l’instant une information rapportée par la presse.
La résolution, la fréquence d’images, le prix, les quotas d’utilisation, le nombre de paramètres et la date de lancement de l’API n’ont pas non plus été communiqués officiellement.
D’autres avis circulent aussi dans la communauté. L’utilisateur X @dummerspast39 estime que Genie 4 « n’est pas vraiment un nouveau modèle » et qu’il s’agit essentiellement d’Omni en version temps réel, avec 3.8 Flash comme assistant. Ce n’est toutefois que l’avis d’un utilisateur : il n’a fourni aucune preuve et les créateurs du modèle n’ont pas réagi. Le blog officiel indique quant à lui que Genie 4 « intègre les capacités de la famille Gemini et s’appuie sur celles-ci ».
Que peuvent faire les lecteurs en Chine dès maintenant ?
En bref : il faut encore patienter pour accéder au modèle de monde, mais vous pouvez déjà créer une vidéo utilisable dès aujourd’hui.
Si vous êtes simplement curieux, vous pouvez vous inscrire sur la liste d’attente et suivre le blog officiel ainsi que les informations sur SynthID. Cette technologie de filigrane invisible de Google ne se voit pas à l’œil nu, mais peut être détectée. Selon Google, les vidéos et les fichiers audio générés par Genie 4 intégreront SynthID. Ce sera donc une piste à explorer pour vérifier si un contenu a été généré par Genie.
Si vous voulez vous lancer tout de suite, commencez par les éléments de l’écosystème Genie 4 déjà accessibles. Le modèle gemini-3.8-flash, désigné officiellement comme « réalisateur », peut actuellement être invoqué sur APIYI, à l’adresse apiyi.com. Vous pouvez lui demander de découper la description d’une scène en plans, actions et dialogues, afin de préparer votre storyboard. Pour la vidéo, la plateforme propose déjà des modèles utilisables comme Seedance 2.5, qui permettent de transformer directement ce storyboard en séquences. Consultez la liste des modèles sur apiyi.com pour connaître les modèles et tarifs disponibles.
Autre avantage : une seule clé API permet d’invoquer plusieurs modèles, sans devoir s’inscrire séparément pour chacun. L’interface est compatible avec le format OpenAI : il suffit de définir base_url sur https://api.apiyi.com/v1 pour l’intégrer à votre code existant. Lorsque Genie 4 sera vraiment accessible, vous aurez déjà de l’expérience avec un workflow associant un « modèle réalisateur » à un modèle vidéo.
Questions fréquentes sur Genie 4
Q1 : Qu’est-ce que Genie 4 ?
C’est un modèle de monde présenté par Google DeepMind le 27 octobre 2026. Il peut générer en temps réel des environnements interactifs, avec du son et des dialogues entre personnages intégrés nativement.
Q2 : Quelles différences entre Genie 4 et Genie 3 ?
Parmi les nouveautés citées sur le blog officiel figurent l’audio natif, les dialogues entre personnages, des mouvements humains plus réalistes et un guidage en temps réel par Gemini. Pour la durée, seul TechCrunch avance le chiffre de « deux minutes », à comparer à la limite de 60 secondes de Genie 3 dans Project Genie.
Q3 : Peut-on utiliser Genie 4 dès maintenant ?
Pas encore pour le grand public. Genie 4 est actuellement en phase de préversion de recherche, accessible uniquement à des testeurs de confiance. Il sera ensuite ouvert aux utilisateurs de Project Genie abonnés à AI Ultra et aux premiers partenaires API, mais aucune date précise n’a été annoncée.
Q4 : Genie 4 dispose-t-il d’une API publique et de tarifs ?
Non. Google n’a pas publié d’API, de nom de modèle ni de mode de facturation, et Genie 4 n’est pas encore un produit commercialisé. Pour découvrir des capacités connexes, vous pouvez invoquer des modèles déjà disponibles, comme Gemini 3.8 Flash, sur APIYI apiyi.com.
Q5 : Genie 4 peut-il remplacer les outils de génération vidéo ?
Pas vraiment. Les résultats sont différents : un modèle vidéo produit une vidéo finale, tandis que Genie 4 convient à la prévisualisation et au prototypage. Pour obtenir des séquences finales, il faut toujours utiliser un modèle vidéo. APIYI apiyi.com permet d’invoquer plusieurs modèles vidéo avec une seule clé API.
Q6 : Les résultats de la démonstration officielle sont-ils fiables ?
La démonstration a été publiée par Google, et les retours des premiers utilisateurs restent des impressions personnelles. Google reconnaît que l’image peut dériver et que la précision du texte et de l’espace présente encore des limites. Mieux vaut attendre davantage de tests publics avant de tirer des conclusions.
En résumé
La grande nouveauté de Genie 4, c’est qu’un modèle de monde réunit pour la première fois le son, le dialogue et le contrôle en temps réel. Pour y parvenir, plusieurs modèles, dont Gemini Omni et Gemini 3.8 Flash, se répartissent les tâches. Genie 4 reste toutefois une version de recherche préliminaire : aucun chiffre officiel n’a été communiqué sur sa date d’ouverture, son prix ou la durée des séquences. Les « deux minutes » ne proviennent que de la presse.
En bref : Genie 4 mérite qu’on le suive, mais il n’est pas encore utilisable ; pour créer du contenu, vous pouvez déjà produire des storyboards et des vidéos avec les modèles existants. Si besoin, vous pouvez essayer Gemini 3.8 Flash et des modèles vidéo avec une seule clé API sur APIYI, apiyi.com.
Références
- Blog officiel de Google DeepMind : Genie 4: A new generation of world simulation
- Lien :
deepmind.google/blog/genie-4-a-new-generation-of-world-simulation - Blog officiel de Google : Introducing Genie 4
- Lien :
blog.google/innovation-and-ai/models-and-research/google-deepmind/introducing-genie-4 - Article de TechCrunch : Google’s Genie 4 world model adds audio， more realistic worlds， and real-time steering
- Lien :
techcrunch.com
Auteur : équipe technique d’APIYI
Échanges techniques : contactez-nous depuis la page d’accueil d’APIYI, apiyi.com. Pour plus de ressources, consultez la documentation sur docs.apiyi.com.
