Genie 4 : un monde convaincant doit encore passer un test de continuité
Google DeepMind décrit l'audio natif et le pilotage en temps réel de Genie 4. Ses limites me feraient tester la permanence des objets avant de lui faire confiance comme simulateur.
En bref
Google DeepMind décrit l'audio natif et le pilotage en temps réel de Genie 4. Ses limites me feraient tester la permanence des objets avant de lui faire confiance comme simulateur.
Analyse et test proposé, pas un essai du produit
Ce que propose l’annonce
Un cube rouge disparaît derrière un mur. Au retour de la caméra, est-ce le même cube, au même endroit ? C'est ma question d'évaluation proposée, pas un compte rendu de test de Genie 4. J'ai lu l'annonce du 27 octobre et ses limites explicites. Un monde convaincant à l'image doit encore démontrer la fiabilité de son état.
Google décrit Genie 4 comme un modèle de monde en temps réel avec ambiance sonore, musique et dialogue interactif natifs. Le texte peut modifier météo, caméra, objets et personnages. Selon l'annonce, Gemini Omni aide à ancrer apparence et comportement, et d'autres modèles Gemini soutiennent la cohérence. Ce sont des descriptions du fournisseur, pas mes mesures.
Deux travaux dans la même boucle
Le billet détaillé décrit Gemini 3.8 Flash observant les images, décomposant les objectifs et vérifiant la progression pendant le rendu de Genie 4. Il évoque aussi des expériences avec Gemini 4 Argon et la robotique. J'y vois une séparation entre planification et génération sensorielle : demander un événement ne dispense pas de vérifier l'image obtenue.
Un plan disant que le cube est resté sur la table ne prouve pas sa conservation dans la scène. Un bruit d'impact plausible ne prouve pas non plus la position, l'instant ou l'identité de l'objet. Selon mon analyse, ces vérifications doivent rester dans le dossier d'évaluation, sans être déduites d'une belle démonstration.
Les limites nommées par le fournisseur
DeepMind indique que les sessions courtes peuvent rester cohérentes, mais que détails visuels et permanence des objets peuvent dériver avec la durée, des modifications complexes ou la navigation. Interactions physiques complexes, précision audio, texte lisible, précision spatiale et cohérence à long terme restent des sujets de recherche. La validité physique ne se déduit donc pas du réalisme visuel.
L'accès est limité : Genie 4 est un aperçu de recherche pour des testeurs de confiance. Google annonce ensuite Google AI Ultra dans Project Genie et des partenaires d'accès anticipé dans Gemini API et AI Studio. Ce n'est pas une disponibilité générale de l'API. Les pages vérifiées ne donnent ni prix ouvert, ni quota public, ni date garantie.
Une petite évaluation à préparer
Avec un accès autorisé, je choisirais un objet, noterais son apparence et sa position, le cacherais derrière un obstacle, déplacerais la caméra puis le révélerais. Un second passage changerait la météo sans demander de modifier l'objet. Un troisième comparerait le contact visible et le son. Ce sont des tests proposés, non exécutés sur Genie 4.
Il faut conserver les prompts successifs, la version et le mode d'accès lorsqu'ils sont exposés, le temps écoulé et les images justifiant chaque jugement. Une observation masquée ou ambiguë reste unknown, pas une réussite. Répéter dans plusieurs sessions montrerait une variabilité invisible dans un seul enregistrement choisi. L'exemple Python résume des jugements manuels ; ses lignes sont fictives.
Code explicatif, non exécuté contre le produit.
from collections import Counter
# Fictional, manually entered observations. Not Genie output.
checks = ["pass", "fail", "unknown", "pass"]
counts = Counter(checks)
assert set(counts) <= {"pass", "fail", "unknown"}
print(dict(counts))
# {'pass': 2, 'fail': 1, 'unknown': 1}
Mon premier usage
L'annonce décrit des essais de prévisualisation créative, de prototypes explorables et de génération de scénarios. Ce sont des points de départ raisonnables pour une cohérence encore étudiée. Un cinéaste peut juger un brouillon sur l'aide au choix d'un mouvement de caméra. Un test robotique exige un standard distinct pour les transitions d'état. Ces critères ne sont pas interchangeables.
DeepMind annonce SynthID dans la vidéo et l'audio générés. C'est une mesure de provenance, pas une validation physique. Dès qu'un accès sera disponible, je commencerais par une évaluation documentée de continuité, conservant échecs et inconnues avec les scènes réussies.