Genie 4 : Google DeepMind génère des mondes jouables à 24 fps avec audio natif et modification en direct

Attendu au tournant par les studios de développement comme par les chercheurs en simulation physique, Genie 4 franchit aujourd’hui le cap du déploiement officiel chez Google DeepMind. Là où les précédentes moutures se contentaient de générer de courtes séquences muettes aux paramètres verrouillés dès la première image, cette quatrième génération s’appuie directement sur l’architecture Gemini pour produire des environnements interactifs continus en 720p à 24 images par seconde. Mieux encore : l’utilisateur navigue au clavier et à la souris tout en modifiant la météo, l’éclairage ou les éléments du décor à la volée, pendant que le modèle synthétise pour la première fois une bande-son multimodale synchronisée en temps réel.
Images de référence et pilotage en direct : ce que change l’architecture Gemini Omni
Jusqu’ici, le principal goulot d’étranglement des world models résidait dans leur rigidité : une fois l’environnement amorcé à partir d’un croquis ou d’une photographie, le joueur pouvait s’y déplacer pendant une à trois minutes, mais restait prisonnier du cadre initial. Comme le détaille la présentation technique officielle de Genie 4 chez Google DeepMind, le nouveau modèle associe désormais deux briques complémentaires. D’un côté, Gemini Omni (via Gemini Omni Flash) ancre chaque scène dans des lois physiques crédibles : collisions d’objets, écoulement de l’eau, balancement du feuillage sous le vent ou inertie d’un véhicule. De l’autre, les modèles de raisonnement de la famille Gemini maintiennent la permanence spatiale lorsque la caméra pivote et revient sur ses pas.

Sur le plan pratique, cette architecture débloque deux fonctions majeures pour le prototypage de jeux vidéo :
- L’amorçage par image de référence ou requête hybride : un directeur artistique peut injecter une illustration urbaine stylisée, une photo capturée sur pellicule 16 mm ou le croquis d’un paysage tout en vitrail 3D. Genie 4 convertit instantanément cette image fixe en un espace tridimensionnel navigable au clavier et à la souris, sans jamais trahir la palette chromatique ni le grain visuel du document source.
- La modification de l’environnement en pleine session : sans interrompre le flux à 24 fps, l’utilisateur saisit des instructions en langage naturel en direct pour déclencher une tempête de neige, basculer l’éclairage au crépuscule, changer de focale ou faire apparaître de nouveaux personnages interactifs au milieu de l’écran.
Cette capacité à recalculer la géométrie et les interactions à la volée rejoint directement les réflexions actuelles de l’industrie sur l’essor de la génération procédurale par IA face aux chantiers de jeux vidéo à deux milliards de dollars, en réduisant drastiquement le temps nécessaire pour maquetter un niveau jouable.
Audio natif synchronisé, agents SIMA et déploiement dans la Gemini API
L’autre saut technologique de Genie 4 concerne l’acoustique. Alors que Genie 2 et Genie 3 produisaient des simulations totalement silencieuses, cette nouvelle itération génère nativement le son à la volée, en parfaite synchronisation avec les actions du joueur. Dans les démonstrations publiées par le laboratoire londonien, on entend distinctement le craquement des feuilles mortes sous les pas, le grincement d’un parquet victorien, le souffle d’un vent d’altitude lors d’un vol à dos de dragon à 140 km/h en vue subjective, ou encore les répliques prononcées directement par les personnages générés à l’écran.
| Caractéristique technique | Genie 2 / Genie 3 | Genie 4 (Nouvelle génération) |
|---|---|---|
| Flux vidéo interactif | 3D navigable, sessions de 1 à 3 minutes | Continu en 720p à 24 images par seconde (24 fps) |
| Entrées acceptées | Image unique ou prompt textuel initial | Texte, image de référence ou combinaison hybride |
| Édition en cours de partie | Impossible (paramètres figés au départ) | Pilotage en direct (météo, caméra, PNJ, événements) |
| Moteur sonore | Muet (aucune piste audio) | Audio multimodal natif (bruitages, musique, dialogues) |
| Accès et intégration | Aperçu de recherche et Project Genie | Project Genie (AI Ultra), Google AI Studio et Gemini API |
Au-delà du prototypage créatif, Google DeepMind utilise déjà Genie 4 comme terrain d’entraînement infini pour ses agents autonomes, notamment l’agent de jeu vidéo polyvalent SIMA ainsi que les systèmes Gemini Robotics. Dans un cas concret dévoilé par les chercheurs, le planificateur Gemini 4 Argon décompose une tâche complexe en plusieurs étapes et transmet ses instructions textuelles à Genie 4 pendant que la simulation s’exécute en direct. Une telle débauche de calculs matriciels en temps réel explique d’ailleurs pourquoi la bataille stratégique autour des architectures GPU et CPU chez NVIDIA et Arm reste le nerf de la guerre pour faire tourner ces modèles à faible latence.
Voir les disponibilités sur Amazon→
Chaque flux vidéo et audio sortant de Genie 4 embarque d’office le filigrane numérique imperceptible SynthID. Le modèle est dès à présent accessible aux abonnés Google AI Ultra via l’interface web Project Genie, mais aussi aux développeurs via l’Interactions API de la Gemini API et le canevas interactif de Google AI Studio.
Mon regard
Pour avoir suivi de près l’évolution des modèles de monde depuis le premier Genie en 2D qui plafonnait à une image par seconde début 2024, le passage à un flux 720p à 24 fps capable d’encaisser des modifications textuelles à chaud avec une gestion du son natif marque une vraie bascule technique. Soyons lucides : Genie 4 ne va pas remplacer demain matin un moteur déterministe comme Unreal Engine 5 pour bâtir un RPG de cent heures, ne serait-ce que parce que DeepMind reconnaît encore une dérive progressive de la permanence des objets lors des sessions prolongées ou après de multiples réécritures de scène. En revanche, comme banc d’essai interactif pour tester une direction artistique à partir d’un simple concept art ou pour entraîner des PNJ intelligents capables de réagir à la physique du décor, l’ouverture directe dans la Gemini API offre aux studios indépendants un outil de préproduction redoutable.
Retrouvez Pro-Gamer en priorité sur Google
Ajoutez pro-gamer.fr à vos sources préférées pour retrouver nos guides et actus directement dans votre flux Google Discover et vos résultats de recherche.


















