Avec Genie 4, Google DeepMind invente le monde dont vous êtes le héros

Après le texte, l’image et la vidéo, l’intelligence artificielle s’attaque au monde lui-même. Avec Genie 4, Google DeepMind ne nous montre plus des scènes, il nous invite à y entrer, à les parcourir et à les transformer d’un mot.

Une gare de campagne japonaise, au cœur des années 80. Un long train rouge longe le quai dans la moiteur de l’été, des voyageurs attendent, valises à la main, sous l’œil d’un contrôleur en uniforme bleu marine. Aucune caméra n’a jamais tourné cette scène. Quelques lignes de prompt ont suffi à la faire naître. Surtout, la vidéo n’est pas figée. Derrière son ordinateur, on peut s’y promener, avancer sur le quai, regarder ailleurs, quitter le cadre imposé.

La performance est signée Genie 4, le nouveau « world model » dévoilé le 27 octobre par Google DeepMind. Un sujet dont nous avons déjà parlé dans ces colonnes. À la différence d’un générateur de vidéos, il ne livre pas un clip figé, mais un environnement que l’on explore au clavier et que l’on modifie en temps réel par une simple phrase. Faire tomber la pluie, déplacer le point de vue, ajouter un passant, et le décor s’adapte aussitôt.

Par rapport à Genie 3, présenté en août 2025, le bond est spectaculaire. Le modèle génère désormais lui-même le son, du ressac d’une plage à la musique, jusqu’aux dialogues de personnages qui réagissent à nos interventions. Les humains s’y meuvent avec naturel, les objets obéissent mieux aux lois de la physique, et la scène tient jusqu’à deux minutes sans se déliter, soit deux fois plus longtemps qu’auparavant.

L’enjeu dépasse pourtant l’émerveillement. Associé à Gemini, qui joue les metteurs en scène en planifiant chaque étape et en vérifiant son bon déroulement, Genie 4 devient un terrain d’entraînement pour les machines, comme le montre la partie de dames simulée du robot humanoïde Apollo. Cinéastes, studios de jeu vidéo et photojournalistes le testent déjà pour prototyper une scène ou redonner vie à un cliché d’archive.

Le modèle reste expérimental, ses détails dérivent encore au fil des minutes, et chaque image comme chaque son porte un filigrane invisible signalant son origine artificielle. Seuls quelques testeurs y ont accès, avant une ouverture annoncée aux abonnés de l’offre la plus haut de gamme de Google. En attendant, la vidéo ci-dessous donne un avant-goût de ce qui nous attend.