Genie 4 en perspective : mondes plus durables, démos robotiques et course aux modèles de monde

Google DeepMind a lancé Genie 4 le 27 octobre, avec audio natif et modifications textuelles en direct, comme le détaillait notre premier article. Les comptes rendus publiés depuis comblent certaines lacunes et situent le modèle dans un domaine qui bouge vite.

Des sessions plus longues, davantage de Gemini

D'après TechCrunch, Genie 4 maintient une scène cohérente jusqu'à deux minutes, soit le double de la limite de Genie 3 selon le média. À titre de comparaison, Project Genie, le prototype public bâti sur Genie 3, interrompait les générations au bout de 60 secondes. DeepMind précise que Gemini Omni ancre l'apparence et le comportement de la simulation, tandis qu'un modèle Gemini Flash planifie et corrige en temps réel. Tejas Kulkarni, directeur de recherche chez Google, a dit à la presse s'attendre à des « modèles de monde hybrides », où Gemini produit du code et du texte que Genie transforme en scène animée.

Des jeux aux robots

Le volet robotique est inédit. DeepMind dit avoir testé Genie 4 avec Gemini 4 Argon, qui découpe une consigne en étapes que Genie affiche ; une démo montre l'humanoïde Apollo d'Apptronik jouant aux dames, uniquement en simulation. Une autre requête met en scène un bras Universal Robots UR5 manipulant une pipette. Le laboratoire rattache ces travaux à Gemini Robotics. Il existe un précédent : en février, Waymo a indiqué que son propre modèle de monde, fondé sur Genie 3, génère des situations de conduite rares, comme une météo extrême ou des animaux sur la route.

Questions ouvertes

The New Stack souligne un problème de fond pour l'entraînement d'agents : quand un essai échoue, difficile de savoir si la faute revient à l'agent ou à la physique simulée. Google n'a pas montré que Genie 4 peut remplacer les moteurs physiques classiques, ni publié de données sur la reproductibilité des tests. DeepMind n'a diffusé ni article scientifique ni fiche de modèle, et son billet ne donne ni résolution, ni fréquence d'images, ni latence.

Un terrain encombré

Genie 4 est le premier modèle de monde de DeepMind doté d'audio intégré, mais pas le seul du marché. En septembre, Runway a présenté en préversion GWM Worlds 2 qui, selon AlphaSignal, diffuse de la vidéo 720p à 24 images par seconde avec son synchronisé et sans durée de session fixe. Le même mois, AMD a accepté de racheter World Labs, la société de Fei-Fei Li qui édite le générateur de mondes Marble, pour 8,2 milliards de dollars, a rapporté TechCrunch. Seuls des tests indépendants permettront de départager ces approches.