Google a annoncé le lancement de Genie 4, son dernier modèle de la catégorie des « modèles de monde » (World Models), qui représente un saut qualitatif dans la capacité de l'intelligence artificielle à simuler la réalité. Contrairement aux grands modèles de langage (LLM) qui prédisent des mots, Genie 4 se concentre sur la construction d'une simulation interne de l'environnement, prédisant comment l'espace, le temps, la gravité et d'autres forces physiques évoluent au sein de la scène.
Évolution de la simulation : son, physique et cohérence
Genie 4 se distingue de son prédécesseur (Genie 3) par plusieurs améliorations fondamentales, notamment le fait d'être le premier modèle de monde de Google prenant en charge la génération de son native (Native Audio Generation). Le modèle ne se contente pas de générer des scènes visuelles, il crée également automatiquement des sons ambiants adaptés à l'environnement simulé, en plus de générer des dialogues humains qui interagissent et changent dynamiquement avec l'évolution des événements dans la scène.
Sur le plan des performances techniques, le modèle a atteint les caractéristiques suivantes :
- Cohérence de la scène : Le modèle peut maintenir la stabilité et la cohérence de la scène pendant jusqu'à deux minutes, soit le double de la capacité offerte par la version précédente.
- Simulation physique : Le modèle prend en charge la simulation de scénarios complexes tels que l'aérodynamique (Aerodynamics) et les collisions, avec un mouvement humain qui semble naturel et répond organiquement à l'environnement.
- Interaction en temps réel : Les utilisateurs peuvent façonner le monde, changer la météo, déplacer la caméra ou ajouter de nouveaux éléments via des commandes textuelles naturelles en temps réel.
Intégration avec Gemini 3.8 Flash
Genie 4 fonctionne en parallèle avec le modèle Gemini 3.8 Flash, qui joue le rôle d'« agent de guidage » (Guiding Agent). Gemini décompose les commandes complexes en petites étapes et surveille continuellement la scène pendant sa génération par Genie 4 pour garantir que l'exécution reste sur la trajectoire souhaitée, intervenant également pour ajuster les étapes si l'utilisateur modifie le cours des événements de manière imprévue.
Qu'est-ce qui change concrètement ?
Cette évolution représente une transition de la simple « génération de vidéo » à la « construction de mondes interactifs ». Pour les développeurs et les chercheurs, cela signifie la capacité de créer des environnements de test virtuels de haute fidélité incluant un son et une physique réalistes, ce qui pourrait ouvrir de nouveaux horizons dans l'entraînement des robots ou le développement de jeux et de la réalité étendue (XR). La capacité d'intégrer le son et le mouvement physique dans un seul modèle réduit l'écart entre la simulation numérique et la réalité tangible.
Disponibilité et limitations techniques
Google a précisé que Genie 4 est encore en phase de prévisualisation de recherche (Research Preview) et est actuellement disponible pour un groupe sélectionné de testeurs de confiance. Il est prévu qu'il soit déployé dans les semaines à venir pour les abonnés de Google AI Ultra via le projet Project Genie, ainsi que pour les partenaires en accès anticipé à l'API Gemini et à Google AI Studio.
Cependant, l'entreprise a indiqué que le modèle est encore expérimental, car certaines incohérences visuelles peuvent apparaître lors de sessions prolongées. Pour garantir la transparence, tous les contenus produits par le modèle seront marqués d'un filigrane invisible utilisant la technologie SynthID de Google afin de distinguer le contenu généré par l'intelligence artificielle.