Genie 4 : Google DeepMind lance un monde IA qu'on pilote en direct
Google DeepMind a présenté Genie 4 le 27 octobre 2026 : un modèle qui génère un monde photoréaliste à partir d'un texte ou d'une image, avec du son, et qu'on modifie en direct. Ce qu'il fait, qui peut l'essayer, ses limites, et ce qu'on peut déjà faire pour préparer un plan.
Frank HoubreFondateur d'Imaginode
6 min de lecture
ce que Google DeepMind a annoncé le 27 octobre
Google DeepMind a présenté le 27 octobre 2026 Genie 4, un « world model » qui fabrique en temps réel un monde photoréaliste et sonore, dans lequel on se déplace au clavier et qu'on modifie en écrivant des phrases.
Le billet de DeepMind le présente comme une nouvelle génération de simulation. Concrètement, vous décrivez un lieu et un personnage, ou vous donnez une image, et Genie 4 crée une scène que vous parcourez avec les touches habituelles d'un jeu vidéo. Pendant que vous bougez, vous pouvez écrire « il se met à pleuvoir », « la caméra passe en vue de dessus » ou « un passant entre dans la rue », et le monde change sans s'arrêter.
La grosse nouveauté par rapport à Genie 3, c'est le son. Chaque monde produit en direct son ambiance, sa musique et même des dialogues : les personnages peuvent parler et vous répondre. D'après TechCrunch, la scène reste cohérente jusqu'à deux minutes, deux fois plus que Genie 3. Google parle aussi d'une physique plus juste (collisions, vent) et de personnages qui bougent de façon plus naturelle.
Pourquoi en parler sur un blog consacré à l'image et à la vidéo IA ? Parce que Genie 4 part souvent d'une image. La fiche du modèle cite les prompts texte et image, et un des exemples du billet utilise une image de référence comme première image exacte de la scène. Une illustration que vous avez générée peut donc, en principe, devenir un lieu dans lequel on entre.
comment ça marche : Genie dessine, Gemini dirige
Genie 4 s'appuie sur la famille Gemini : Gemini Omni ancre l'apparence et le comportement du monde dans le réel, et d'autres modèles Gemini veillent à la continuité de la scène entre deux consignes.
DeepMind décrit un duo. Genie produit les images et le son, image après image. Gemini, lui, joue le rôle de metteur en scène : il adapte vos consignes à la scène en cours, la surveille entre deux demandes, et dans les essais avec des agents, Gemini 3.8 Flash découpe un objectif en étapes et vérifie qu'elles sont tenues. TechCrunch rapporte que Google appelle ça des « world models hybrides ».
Ce qui manque dans l'annonce : aucune résolution, aucun nombre d'images par seconde, aucune durée maximale de session. Google ne publie que la durée de cohérence citée par TechCrunch. Méfiez-vous des fiches qui avancent un chiffre précis en 4K ou en 60 images par seconde : il ne vient pas de Google.
Côté sécurité, toutes les vidéos et tous les sons générés portent SynthID, le filigrane invisible de Google, et le modèle a passé les évaluations internes avant la préversion.
ce que les premiers testeurs en font
Les testeurs de Google s'en servent surtout comme d'un brouillon rapide : prévisualiser une scène de film, transformer une photo d'archive en lieu explorable, prototyper un jeu avant d'écrire une ligne de code.
La partie la plus intéressante du billet, c'est celle des retours de testeurs. Côté création, des cinéastes entrent dans la simulation d'une scène et tournent plusieurs « prises » en direct, en changeant l'angle de caméra, la lumière, les dialogues et l'action. Des photojournalistes testent comment une seule photo d'archive en 2D devient en quelques secondes un environnement qu'on peut parcourir. Des développeurs de jeux passent d'une idée à un prototype jouable pour tester un style visuel ou des matières.
Diego Rivas, ingénieur chez DeepMind, le résume dans TechCrunch : l'intérêt du temps réel, c'est l'idéation rapide. Il ajoute que transformer ces prototypes en vrais visuels exploitables avec Gemini Omni est « encore loin ». Genie 4 sert donc à chercher une idée, pas à livrer un plan fini.
qui peut l'essayer, et quand
Au 2 novembre 2026, Genie 4 n'est ouvert qu'à des testeurs choisis par Google. Il doit arriver « bientôt » chez les abonnés Google AI Ultra dans Project Genie, et chez des partenaires de l'API Gemini et de Google AI Studio.
Pour le grand public, la seule action possible aujourd'hui est de s'inscrire sur la liste d'attente, via le bouton du billet de DeepMind. Le blog de Google parle d'un déploiement à un groupe limité, sans pays ni date. TechCrunch évoque les semaines qui viennent pour Project Genie, l'outil de Google qui crée des mondes interactifs à partir d'un texte ou d'une image.
Aucun prix n'est publié pour Genie 4 lui-même, et aucune API n'est ouverte au public. Il ne fait donc partie d'aucun catalogue de modèles tiers à ce jour, Imaginode compris.
les limites que Google reconnaît
Google écrit que les détails et la permanence des objets peuvent dériver quand la session dure, après plusieurs consignes complexes ou quand on se déplace dans la scène.
La section « limites » du billet est honnête et mérite d'être lue en entier. Les interactions physiques complexes, la justesse du son en temps réel, le texte lisible dans le décor, la précision spatiale et la cohérence sur la durée restent des sujets de recherche. Concrètement, une enseigne de boutique risque d'être illisible, un objet posé peut changer de forme quand vous revenez le voir, et au bout de deux minutes, le monde peut glisser.
C'est le même problème que tout le monde connaît en vidéo IA, en plus visible : plus on enchaîne de modifications, plus le résultat s'éloigne du point de départ. Pour chercher des idées, aucun souci. Pour une scène qui doit raccorder avec la suivante, pas encore.
en attendant : préparer son plan en 3D avant la vidéo
Ce que les testeurs cherchent dans Genie 4, choisir la caméra, la lumière et le mouvement avant de produire, se fait déjà aujourd'hui avec une prévisualisation 3D suivie d'un modèle vidéo.
Le studio 3D Previz d'Imaginode part de la même idée, avec un autre outil. Vous décrivez la scène, l'IA la construit en 3D dans le navigateur, vous placez les personnages, vous choisissez la focale et vous dessinez le mouvement de caméra. Vous exportez ensuite l'image de début, l'image de fin, une vidéo témoin et le prompt, que vous donnez à un modèle vidéo comme Seedance 2.5. La scène coûte à partir de 5 crédits, 12 en général, et les rendus ne coûtent rien.
Ce n'est pas un monde qu'on parcourt en direct avec du son, et je ne vais pas prétendre le contraire. Mais le résultat est fixé : la caméra, la trajectoire et le rythme restent ceux que vous avez décidés, plan après plan, et vous pouvez générer la vidéo tout de suite. On détaille la méthode dans le guide de la previz 3D pour la vidéo IA et dans celui pour diriger la caméra. Pour garder le même visage d'un plan à l'autre, le guide du personnage cohérent reste la base.
ce que ça change pour les créateurs d'images
Genie 4 peut partir d'une image que vous avez faite et en tirer un lieu où l'on se promène, qu'on rallume autrement et où les personnages parlent.
Depuis deux ans, on pense une image IA comme un résultat. On la retouche, on l'agrandit, on l'anime en quelques secondes de vidéo. Genie 4 propose autre chose : entrer dans l'image et regarder ce qu'il y a derrière le cadre. Pour un illustrateur ou un directeur artistique, c'est une façon nouvelle de tester un décor avant de le dessiner au propre.
Mon conseil, pour l'instant : inscrivez-vous sur la liste d'attente si le sujet vous intéresse, gardez vos meilleures images de décor sous la main (ce sont elles qui serviront de point de départ), et continuez à préparer vos plans avec les outils qui produisent déjà. Votre première session ne servira pas à apprendre l'outil, elle servira à tester un décor que vous connaissez déjà par cœur.
Méthodologie de notre analyse
Article écrit le 2 novembre 2026 à partir du billet de Google DeepMind du 27 octobre (signé Raia Hadsell, Diego Rivas et Hang Qi), de l'annonce publiée le même jour sur le blog de Google, de la fiche du modèle sur deepmind.google et de l'article de TechCrunch du 27 octobre, qui donne la durée de cohérence de deux minutes. Les captures viennent du billet de DeepMind et de la page 3D Previz d'imaginode.ai, prises le 2 novembre 2026.
Nous n'avons pas testé Genie 4 : il n'est ouvert qu'à un groupe de testeurs choisis par Google, sans API publique. Google ne donne ni la résolution, ni le nombre d'images par seconde, ni de prix. Les crédits du studio 3D Previz sont ceux affichés sur imaginode.ai le 2 novembre.