En bref
Genie 4 est le nouveau modèle de monde en temps réel de Google DeepMind, annoncé le 27 octobre 2026, et vous ne pouvez pas encore l'utiliser. Il génère un monde explorable à partir d'un prompt, y ajoute du son natif et des dialogues parlés, et vous permet de modifier la scène avec du texte pendant son déroulement. Il s'agit d'une version préliminaire de recherche réservée aux testeurs de confiance. Son arrivée dans Project Genie sur Google AI Ultra (à partir de $99.99/mois) et dans la Gemini API est annoncée comme "coming soon", sans date ni prix.
Le point que la plupart des articles passent sous silence : le vrai changement, c'est un deuxième modèle dans la boucle. Gemini 3.8 Flash observe chaque image produite par Genie 4, décompose votre objectif en étapes et vérifie que chacune a abouti. Le pilotage par texte en lui-même n'est pas nouveau, Genie 3 le proposait déjà. Et Google a publié moins de caractéristiques techniques cette fois : ni résolution, ni fréquence d'images, ni nombre de paramètres, ni benchmarks.
Si vous dirigez une équipe de support, Genie 4 ne touchera pas à votre file de tickets. Mais sa boucle « planifier, agir, vérifier » est le bon modèle pour toute IA qui agit en votre nom, et c'est ainsi que j'évaluerais un agent IA de support : un agent testé sur vos propres tickets passés avant de répondre à un client, ce que fait justement eesel.
Pourquoi je me suis penché sur Genie 4
Mon métier chez eesel consiste à créer des agents IA, de ceux qui lisent un ticket de support, cherchent des informations et décident de la suite. Ces dernières années, à force de déployer des agents sur des files de tickets réelles, j'ai surtout retenu une leçon : le modèle est rarement la source du problème. Le problème, c'est un agent qui exécute une étape, ne vérifie jamais si elle a fonctionné et poursuit avec assurance. C'est pour cela que chaque déploiement d'eesel passe désormais par une simulation sur les tickets historiques d'une équipe avant la mise en production.
Alors, quand l'annonce de DeepMind disait, en substance, « nous avons intégré Gemini à la boucle pour vérifier chaque étape », j'ai prêté plus attention à cette phrase qu'aux images du dragon. Dans cet article, je passe en revue ce qu'est Genie 4 et ses véritables nouveautés, puis ce que montrent les démos (et là où elles dérapent), ainsi que les moyens d'y accéder et ce que Google ne nous a pas encore dit. Tout ce qui suit provient des pages de DeepMind et des discussions publiques, puisque personne en dehors du groupe de testeurs ne l'a encore utilisé.
Qu'est-ce que Genie 4 ?
Genie 4 est un modèle de monde : un système d'IA qui génère un environnement interactif image par image, en temps réel, et réagit à vos déplacements. Vous décrivez un lieu (ou lui donnez une image de référence), puis vous l'explorez à pied, en volant ou au volant, avec les commandes du clavier, pendant que le modèle invente ce qui se trouve au prochain tournant.
Le billet d'annonce de DeepMind, rédigé par Raia Hadsell, Diego Rivas et Hang Qi, le qualifie de "natively multimodal". Le son, la musique et les dialogues sont générés en même temps que le monde, plutôt qu'ajoutés après coup. Le billet indique aussi que le modèle s'appuie sur la famille Gemini de deux façons : Gemini Omni "anchors" l'apparence et le comportement de la scène dans le monde réel, et d'autres modèles Gemini gèrent le raisonnement qui maintient la cohérence de la simulation.
L'argumentaire de Google sur l'intérêt de cette technologie est assez large : des mondes d'entraînement sûrs pour les robots et les agents, ainsi que des usages créatifs dans le cinéma, le journalisme, le jeu vidéo et l'industrie manufacturière, selon l'annonce sur le blog de Google. DeepMind présente la simulation de mondes comme une étape vers l'AGI. C'est l'objectif à long terme ; à court terme, il s'agit d'une version préliminaire pour laquelle vous pouvez rejoindre une liste d'attente.
Si vous découvrez cette série de modèles, j'ai déjà couvert le volet grand public du modèle précédent dans mon analyse approfondie de Project Genie.
Quelles sont les vraies nouveautés de Genie 4 par rapport à Genie 3 ?
Genie 4 ajoute trois éléments que Genie 3 n'avait pas : l'audio natif, un planificateur Gemini dans la boucle et Gemini Omni pour le réalisme. Le pilotage par texte en temps réel n'en fait pas partie, malgré ce que laissent entendre certains articles sur le lancement.
Genie 3, annoncé en août 2025, proposait déjà ce que DeepMind appelait "promptable world events" : saisir un prompt pour changer la météo ou ajouter des objets et des personnages en cours de scène. Ce qui a changé, c'est qui interprète ce prompt. Dans Genie 4, "Gemini will contextually adapt your prompt to match the surrounding scene", et entre vos interventions, Gemini "monitors and steers the scene to keep the world progressing cohesively."
Voici la comparaison côte à côte, en utilisant uniquement ce que DeepMind a publié :
| Genie 3 (août 2025) | Genie 4 (octobre 2026) | |
|---|---|---|
| Audio natif | Non | Oui : sons ambiants, musique, dialogues interactifs |
| Pilotage par texte en cours de scène | Oui ("promptable world events") | Oui, avec Gemini qui adapte votre prompt à la scène |
| Planificateur dans la boucle | Aucun | Gemini 3.8 Flash planifie les étapes et vérifie les images |
| Couche de réalisme | Non précisé | Gemini Omni ancre l'apparence et le comportement dans le monde réel |
| Résolution / fréquence d'images | 720p, 24 images/s | Non publiées |
| Interaction continue | Quelques minutes | Quelques minutes |
| Accès au lancement | Version préliminaire de recherche, puis Project Genie | Testeurs de confiance, puis Project Genie et Gemini API |
| Filigrane | SynthID | SynthID sur la vidéo et l'audio |
Le recul discret concerne la fiche technique, pas le modèle. Le billet de lancement de Genie 3 indiquait 720p, 24 images par seconde et une mémoire visuelle remontant "as far back as one minute ago." Le billet de Genie 4 ne donne aucun de ces chiffres, et il n'y a pas non plus de tableau comparatif. Il est peut-être meilleur sur tous ces points, mais je ne peux tout simplement pas le vérifier.
Sur le papier, la durée des sessions n'a pas changé. Les deux pages indiquent que le modèle prend en charge "a few minutes" d'interaction continue. Certains médias ont fait état d'un doublement, mais ce chiffre ne figure sur aucune page de DeepMind que j'ai pu trouver, je l'ai donc laissé de côté.
Comment Genie 4 fonctionne-t-il avec Gemini ?
Genie 4 fonctionne avec deux modèles qui travaillent en boucle : Genie produit le monde, et Gemini 3.8 Flash agit comme un "guiding agent" qui planifie et vérifie. C'est le paragraphe le plus intéressant de toute l'annonce ; voici donc la description de DeepMind reformulée simplement.
Pendant que Genie 4 génère le monde, Gemini observe continuellement la scène et décompose un objectif en une suite d'étapes, puis examine les images entrantes pour "track the progress and verify that each step succeeded." Si le monde dérive ou si vous intervenez, Gemini modifie son plan sur-le-champ. DeepMind explique que c'est ce qui rend possibles "reliable causality, procedural behaviors, and multi-step reasoning."
Autrement dit, Genie seul est très doué pour deviner l'image suivante, et c'est Gemini qui le transforme en un système capable de suivre un plan. L'analyse de Gemini 3.8 Flash couvre le modèle qui joue ici le rôle de vérificateur. C'est un modèle rapide et peu coûteux, ce qui est logique pour un système qui doit examiner des images en temps réel.
DeepMind a aussi montré une version de ce fonctionnement avec son modèle plus imposant. Dans une démo de robotique, Gemini 4 Argon rédige un plan détaillé en plusieurs étapes, et chaque étape est transmise à Genie 4 sous forme de légende textuelle pendant le rendu de la simulation. L'exemple montre l'humanoïde Apollo d'Apptronik jouant aux dames.
Le lien avec la robotique n'est pas nouveau pour Google. Il s'inscrit aux côtés de Gemini Robotics 2 et des travaux sur Gemini 4 Argon pour la robotique, et la page du modèle de DeepMind indique que les mondes de Genie 4 pourraient permettre à des agents comme SIMA de "learn new skills." DeepMind appelle cette orientation "hybrid world models" : les modèles de langage et de code gèrent la structure et la chronologie de l'histoire, et le modèle de pixels gère l'apparence et le son des éléments.
Que montrent réellement les démos de Genie 4 ?
Les démos montrent un grand bond en matière de réalisme, surtout pour les personnes et le son, mais aussi les mêmes problèmes de cohérence que Genie 3. DeepMind les regroupe en quatre capacités : le pilotage en temps réel, la physique et les actions humaines, le son, et les événements complexes pilotés par Gemini.
DeepMind précise que les clips sont des enregistrements de sessions en temps réel, avec "standard keyboard controls for navigation and camera control, and text prompts to steer." Voici quelques exemples qui m'ont marqué :
- Les personnes. DeepMind qualifie la simulation humaine de "the most dramatic leap", et le quai de gare japonais bondé des années 1980 ainsi que la promenade dans les coulisses d'un théâtre ressemblent effectivement bien plus à des images filmées qu'à un moteur de jeu.
- Le son. Genie 4 est le "first real-time world model to generate audio natively." de DeepMind. Dans le clip du saxophone sur un lac, l'instrument, le vent et l'eau proviennent tous du modèle.
- La physique. Les exemples incluent l'aérodynamique et les collisions, comme une graine d'érable qui tombe ou une montgolfière au-dessus de l'Antarctique, ainsi qu'un buste en marbre lâché sur une pastèque.
- Les tâches robotiques. Un bras Universal Robots UR5 tient une pipette et distribue du liquide dans une plaque de laboratoire.
Les prompts méritent d'être lus si vous comptez l'utiliser. Ils sont longs et précis, et témoignent aussi d'une bonne maîtrise du langage de la caméra : "photographed on 16mm film", "the camera is not attached to the man or the platform", "no HDR". DeepMind a aussi publié un guide de prompts pour Genie, qui montre que, pour obtenir un bon résultat, il faut un brief de réalisateur, pas une simple phrase.
Que dit-on de Genie 4 ?
Le fil Hacker News a atteint 642 points et 390 commentaires le jour du lancement, et les réactions mêlaient admiration et scepticisme. La plupart des commentaires incisifs portaient sur la cohérence, précisément ce que DeepMind présente comme sa principale limite.
Un lecteur a passé la démo du dragon en revue image par image :
"A big chunk of the right side of castle disappeared, including catapult, when camera turned back while flying on dragon. See 1:25 to 1:29. I was not expecting this to happen in a "world model"."
Un autre a formulé le constat de manière plus générale, et je pense que c'est la lecture la plus juste des démos :
"It's very good at maintaining consistency for things that stay in frame, but I don't know that this points to it developing a strong "world simulation" like they claim."
L'autre grand thème était l'ouverture. Un commentateur trouvait cela "very hard to get me excited about yet another proprietary model for which absolutely zero technical details are released (not even the number of parameters)", selon ce commentaire sur Hacker News. Tout le monde ne jugeait toutefois pas que l'argument de l'entraînement des robots était du battage médiatique : une réponse à un sceptique soulignait qu'un modèle de monde sert déjà à entraîner des voitures autonomes :
"A proprietary version of this technology is already training Waymo's robot cars. Waymo blogged about their DeepMind-provided world model a year ago."
Mon interprétation : le réalisme est bien réel, mais la partie « monde » se limite encore surtout à ce qui est à l'écran. Les éléments qui sortent du cadre peuvent revenir différents, ce qui convient pour une ébauche de prévisualisation de film, mais compte beaucoup plus lorsqu'on veut entraîner un robot avec.
Que ne nous a pas dit Google sur Genie 4 ?
Google n'a publié ni nombre de paramètres, ni benchmarks, ni résolution ou fréquence d'images, ni limite de session au-delà de "a few minutes", ni prix, ni documentation API. En revanche, il a publié une liste de limites d'une franchise inhabituelle, qui mérite d'être lue en entier sur la page du modèle Genie.
Voici les points qui, selon DeepMind, posent encore problème à Genie 4 :
| Limite | Ce qu'en dit DeepMind |
|---|---|
| Environnements cohérents | Les détails visuels et la permanence des objets peuvent dériver, davantage lors de longues sessions, après plusieurs modifications du prompt ou lors des déplacements |
| Autres agents | Modéliser les interactions entre les utilisateurs, plusieurs agents et les environnements partagés reste un problème de recherche |
| Lieux réels | Il ne peut pas simuler des lieux du monde réel avec une précision parfaite |
| Texte | Du texte lisible n'apparaît généralement que lorsqu'il figure dans votre description du monde |
| Durée | Quelques minutes d'interaction continue, pas de sessions prolongées |
| Audio | La précision de l'audio en temps réel est encore en cours d'amélioration |
Côté sécurité, Google indique que Genie 4 a fait l'objet d'évaluations internes de sécurité et dispose de garde-fous conformes à ceux de ses autres modèles. Il précise aussi que toutes les vidéos et tous les sons générés portent SynthID, le filigrane invisible de Google. C'est la même approche que pour Genie 3, mais désormais étendue au son.
Comment accéder à Genie 4, et combien coûtera-t-il ?
Pour l'instant, vous ne pouvez pas y accéder, sauf si vous êtes un testeur de confiance. Google indique que Genie 4 sera ensuite proposé aux abonnés Google AI Ultra dans Project Genie et aux partenaires en accès anticipé dans la Gemini API et Google AI Studio. Vous pouvez rejoindre la liste d'attente de Genie 4 dès aujourd'hui.
La voie grand public est la plus claire. Project Genie est l'application de création de mondes de Google Labs, et la page des abonnements de Google la présente comme une fonctionnalité réservée à Ultra dans plus de 140 pays. Au 28 octobre 2026, cette page décrit encore Project Genie comme fonctionnant avec Genie 3.
Voici ce que coûte aujourd'hui chaque voie d'accès, d'après les pages de Google :
| Voie d'accès à Genie 4 | Statut (28 octobre 2026) | Prix |
|---|---|---|
| Programme de testeurs de confiance | Actif, sur invitation uniquement | Non publié |
| Project Genie sur Google AI Ultra | Bientôt disponible | Ultra à partir de $99.99/mois (5x l'utilisation de Pro) ou $199.99/mois (20x l'utilisation de Pro), États-Unis |
| Gemini API et Google AI Studio | Bientôt disponible, partenaires en accès anticipé | Aucun tarif Genie 4 publié |
Le plan réaliste pour la plupart des gens est donc le suivant : rejoindre la liste d'attente et, si vous payez déjà Ultra, surveiller le changement de modèle de Project Genie. Pour les développeurs, il n'y a encore rien sur quoi construire. En attendant, Google AI Studio et la Gemini API vous donnent accès au reste de la famille Gemini, dont Gemini Omni Flash, le modèle derrière la couche de réalisme de Genie 4.
À qui s'adresse Genie 4 ?
D'après les notes des testeurs de confiance, les premiers usages concernent la création et la planification, pas la production. DeepMind en cite quatre :
- Prévisualisation de films. Des réalisateurs entrent dans une scène et exécutent plusieurs « prises » en direct, en modifiant la caméra, l'éclairage, les dialogues et l'action.
- Journalisme et histoire. Transformer une seule photo d'archive en scène explorable, ou montrer comment se déroule une crue soudaine ou un feu de forêt.
- Concepts de jeux. Passer d'une idée à un prototype explorable "before writing a single line of engine code."
- Simulation. Des entreprises partenaires le testent pour générer rapidement des scénarios, parallèlement aux travaux de DeepMind en robotique.
Si vous créez des vidéos, comparez-le à des outils utilisables dès aujourd'hui, comme Sora 2, Runway et Kling AI. Ceux-ci produisent des clips fixes, tandis que Genie crée un monde dans lequel vous vous déplacez, et ce n'est pas le même travail.
Genie 4 a-t-il un intérêt pour les équipes de support client ?
Pas en tant que produit. Genie 4 produit des mondes, et personne ne va répondre à une demande de remboursement avec un quai de gare simulé. Son architecture est toutefois l'idée la plus utile de l'annonce pour quiconque utilise une IA sur une file de tickets de support.
Regardez ce que fait Gemini dans la boucle : décomposer l'objectif en étapes, agir, vérifier le résultat, puis ajuster. Genie seul produit des images convaincantes qui peuvent discrètement s'écarter du plan, et l'IA de support échoue de la même manière. Un modèle qui rédige une réponse assurée sans que rien ne la vérifie par rapport à vos politiques ou à vos données de commande ne fait lui aussi que deviner. C'est de là que viennent les hallucinations de l'IA dans le support.
La question que je poserais à tout fournisseur n'est donc pas « quel modèle utilisez-vous ? », mais « qu'est-ce qui vérifie le modèle, et puis-je d'abord le voir fonctionner sur mes tickets ? ». Voici quelques formes concrètes de cette vérification :
- Tester sur l'historique avant la mise en production. Faites tourner l'agent sur vos tickets passés et lisez ce qu'il aurait envoyé. J'ai expliqué comment tester un agent IA.
- Ancrer chaque réponse dans une source. L'agent doit répondre à partir de votre centre d'aide et de vos réponses passées, et fournir des liens vers ce qu'il a utilisé.
- Savoir quand passer la main. Une règle de transfert claire vaut mieux qu'un modèle malin. Consultez les bonnes pratiques de transfert pour les agents IA.
C'est ainsi que SamCart a configuré eesel. L'équipe a commencé par importer son centre d'aide et ses anciens tickets Freshdesk, puis a lancé un agent sur les tickets par e-mail et un autre sur le chat du site web. Les deux répondent à partir d'environ 280 articles du centre d'aide, ne fournissent que des liens vers des articles publics, et l'agent chargé des tickets cesse de répondre dès qu'un collègue prend le ticket en charge. C'est la même discipline de planification, d'action et de vérification, simplement appliquée à une file de tickets plutôt qu'à un dragon.
Si vous comparez des modèles pour cette tâche, mon analyse du meilleur modèle pour les tickets de support passe en revue ceux qui tiennent la route, et mon article sur les agents IA face aux chatbots IA explique pourquoi la boucle compte plus que le modèle.
Faut-il déjà s'intéresser à Genie 4 ?
Oui, si vous travaillez dans le cinéma, le jeu vidéo, la simulation ou la recherche en robotique : rejoignez la liste d'attente, car le réalisme et l'audio natif représentent un vrai progrès par rapport à Genie 3, et l'intégration de Gemini dans la boucle montre la direction que prennent les modèles de monde. Non, si vous espériez développer quelque chose dessus ce trimestre : il n'y a ni API, ni prix, ni fiche technique.
Pour tous les autres, c'est un bon aperçu d'une idée plus large. Google n'a pas rendu le modèle de monde fiable en l'agrandissant : il a ajouté un deuxième modèle dont le seul rôle est de planifier et de vérifier. C'est la leçon que je retiendrais pour toute IA que vous mettez face à vos clients. Pour une vue d'ensemble des agents, ma sélection des meilleurs agents IA et mes exemples d'agents IA sont de bonnes lectures pour poursuivre.
Essayez eesel pour une IA qui vérifie son travail
Genie 4 a besoin de Gemini pour vérifier chaque image. Votre IA de support a besoin de la même chose pour chaque réponse. eesel est un collègue IA pour votre support qui rejoint votre file de tickets existante dans Zendesk, Freshdesk ou Gorgias et apprend à partir de votre centre d'aide et de vos tickets passés. Il vous permet aussi de le tester sur votre propre historique de tickets avant qu'il ne réponde à un seul client.
SamCart en utilise deux, un par canal, à partir du même centre d'aide. Si vous souhaitez voir ce qu'il aurait répondu aux tickets du mois dernier, essayez eesel gratuitement.