Genie 4 pourrait permettre à l'IA d'imaginer la réalité

Google vient de créer Genie 4, une nouvelle IA qui s'éloigne fondamentalement de la génération vidéo conventionnelle. Contrairement aux outils qui produisent un clip statique, Genie 4 fonctionne comme un modèle de monde, prédisant et rendant des images de manière dynamique à mesure qu'un utilisateur navigue. Vous pouvez piloter une balade à moto imaginaire sur la côte, explorer une grotte sous-marine ou modifier une scène avec des invites textuelles en temps réel.

Ce modèle apprend les modèles de mouvement, d'éclairage et de collisions directement à partir de vastes ensembles de données vidéo, et non à partir de mondes de jeu construits à la main ou de moteurs physiques explicites. Bien qu'il puisse générer des environnements cohérents et interactifs pendant des minutes, Demis Hassabis, responsable de Google DeepMind, précise qu'il « effectue une ingénierie inverse de la physique intuitive » et n'est pas encore parfait. Cela signifie que sa compréhension de la physique, bien qu'impressionnante, est déduite et non humaine.

Par exemple, le PDG de Google, Sundar Pichai, a présenté une balade à moto où la route, les vagues et la lumière sont toutes générées en direct. Justine Moore, l'une des premières testeuses, a décrit l'exploration d'une grotte sous-marine remplie de trésors, notant que cela ressemblait à un bond en avant significatif. Ethan Mollick, professeur d'IA, a créé une « ville brutaliste néo-gothique pleine de robots et de chevaux », puis a ajouté des dragons et une loutre amicale, le tout de manière interactive. La capacité de Genie 4 à « imaginer chaque image, en direct, à mesure que vous vous déplacez » offre un sentiment tangible d'agence au sein de ses mondes générés.

Genie 4 de DeepMind, bien que captivant en tant qu'expérience de type jeu, souligne une opportunité profonde dans l'IA incarnée. Imaginez un robot capable de simuler intérieurement les conséquences de ses actions avant de les effectuer dans le monde physique. C'est la thèse centrale : un modèle prédisant comment les scènes changent pourrait permettre aux robots d'anticiper les résultats, favorisant une interaction plus sûre et plus efficace avec leur environnement.

La boucle potentielle est convaincante : Genie 4 pourrait générer des scénarios virtuels variés, permettant à un robot de tester des actions candidates sans risque physique. Les leçons apprises dans ces environnements synthétiques — comment un objet pourrait tomber, ou comment une surface réagit à la force — pourraient ensuite éclairer le comportement du robot dans le monde réel. Cependant, traduire l'entraînement synthétique aux conditions du monde réel reste un défi important, nécessitant un étalonnage et une validation minutieux.

Cette simulation de monde neuronal contraste fortement avec les outils de simulation conventionnels. La génération apprise, telle qu'observée dans Genie, offre des environnements flexibles et émergents. Une IA « imagine » chaque image, sans modèles 3D préconstruits ni moteurs physiques explicites, apprenant la « physique intuitive » à partir de vastes ensembles de données vidéo.

Les simulateurs conçus, en revanche, reposent sur des contrôles explicites, des actifs prédéfinis et des règles physiques mesurables. Bien que moins adaptables à des scénarios inédits, ils fournissent des résultats déterministes et un contrôle précis sur les variables. En commençant par Genie 4, Google construit un outil qui pourrait donner aux robots une imagination, une étape cruciale vers la robotique avancée, comme le suggère Demis Hassabis.

La progression des premières itérations de Genie vers Genie 4 représente un bond significatif, bien que le chemin ait été progressif. Début 2024, le premier Genie a vu le jour, générant des mondes 2D flous à une cadence de type diaporama d'une image par seconde. Fin 2024, Genie 2 proposait des environnements 3D de basse qualité, bien que limités à 10-20 secondes. Pour en savoir plus sur les fondements techniques, consultez Genie 2: A Large-Scale Foundation World Model - Google DeepMind.

Août 2025 a vu l'arrivée de Genie 3, qui a atteint 24 images par seconde en temps réel dans une vidéo plus nette pendant environ une minute. Janvier 2026 a marqué sa sortie limitée pour les abonnés payants à Google AI Ultra via Project Genie. Désormais, Genie 4 offre un réalisme accru, des sessions interactives plus longues (jusqu'à deux minutes) et un audio généré dynamiquement : musique, bruits de fond et même la parole des personnages.

Demis Hassabis reconnaît les limites actuelles de Genie :

• Les détails dérivent au cours de sessions plus longues.
• Les objets peuvent changer de forme ou disparaître.
• Le texte généré s'avère souvent illisible.

Les goulots d'étranglement informatiques imposent des contraintes pratiques. Contrairement à la diffusion d'une vidéo pré-rendue, Genie doit continuellement prédire et générer des images uniques pour chaque utilisateur en temps réel. Ce calcul intensif et personnalisé limite l'accès et fait grimper les coûts opérationnels, Google AI Ultra étant actuellement facturé 250 $/mois pour les abonnés américains.

Les modèles de monde interactifs comme Genie pourraient redéfinir le jeu vidéo. Les développeurs pourraient prototyper rapidement des scénarios, générer des environnements personnalisés et créer des expériences qui répondent dynamiquement aux actions des joueurs, allant au-delà des récits rigides pré-écrits. Ce changement promet un gameplay émergent et profondément immersif.

Générer une courte scène interactive convaincante démontre des progrès remarquables dans la simulation apprise. Cependant, cet exploit technique n'offre aucune preuve que notre univers est lui-même simulé. Tirer des conclusions philosophiques des capacités actuelles de l'IA risque de confondre calcul avancé et preuve métaphysique.

Le véritable test pour cette technologie réside dans son développement futur. Nous devons observer si Genie 4 peut atteindre une cohérence plus durable, modéliser de manière fiable les relations complexes de cause à effet, réduire ses coûts d'inférence et transférer de manière démontrable sa « physique intuitive » apprise vers des tâches robotiques réelles. Des démos impressionnantes seules ne suffiront pas pour un impact plus large.

Qu'est-ce que Google Genie 4 ?

Genie 4 est décrit comme un modèle de monde interactif qui génère un environnement changeant en réponse aux actions de l'utilisateur, plutôt que de produire uniquement une vidéo fixe.

En quoi Genie 4 est-il différent d'un générateur de vidéo IA ?

Un générateur de vidéo crée un clip à regarder ; Genie 4 est conçu pour réagir aux mouvements et aux invites afin que les utilisateurs puissent explorer et modifier une scène générée.

Genie 4 pourrait-il aider à entraîner des robots ?

Potentiellement. Les modèles de monde pourraient permettre aux robots ou à leurs développeurs de tester les résultats prédits dans des environnements simulés, bien que la fiabilité et le transfert dans le monde réel restent des défis à relever.

Genie 4 peut-il simuler la réalité parfaitement ?

Non. La source décrit des limites incluant la dérive visuelle, la disparition ou le changement d'objets, et de courtes périodes de cohérence de scène.