Brief IA quotidien, 28 oct. : Genie 4 arrive en accès restreint, tandis que Gemini Robotics ER 2 s’ouvre en aperçu

Google a mis deux modèles d’IA physique en aperçu en vingt-quatre heures cette semaine, et en a restreint l’accès de manières opposées. Genie 4, le modèle-monde de Google DeepMind qui génère une scène pilotable avec un son synchronisé, a été annoncé le 27 octobre 2026 pour un groupe limité de testeurs de confiance, avec une liste d’attente et aucun prix publié. Gemini Robotics Embodied Reasoning 2 — ER 2, le planificateur robotique de haut niveau que Google Cloud a fait passer en aperçu public le même jour — s’accompagne d’un identifiant de modèle, d’une page de documentation et d’une inscription que tout client Cloud peut effectuer. Les deux sont des aperçus. Un seul dispose aujourd’hui d’une porte par laquelle on peut entrer.

Cette asymétrie est l’histoire de la semaine, plus que chacun des modèles pris isolément. Google assemble les deux moitiés d’une pile d’IA physique : un modèle du monde capable de fabriquer de l’expérience, et un modèle de raisonnement incarné capable de planifier face à de vrais robots. Les deux moitiés ont été annoncées à un jour d’intervalle et sont distribuées par deux parties différentes de l’entreprise selon deux régimes d’accès différents. Ce qui suit est une note d’information, et non une critique — chaque chiffre ci-dessous est attribué à son producteur.

Point 1 — Genie 4, et les trois affirmations qui font le travail

Le post de DeepMind est avare en chiffres et prolixe en promesses de capacités. Trois d'entre elles comptent :

• Audio natif. Genie 4 génère des sons d’ambiance, de la musique et des dialogues interactifs lors de la même passe que les images, plutôt que de postsynchroniser ensuite une simulation muette. C’est le premier modèle du monde de DeepMind à le faire.

• Pilotage en direct. Une instruction saisie peut déplacer la caméra, modifier la météo ou faire apparaître un personnage pendant que le monde est en cours d’exécution, et un modèle Gemini adapte l’instruction à ce qui est actuellement à l’écran.

• Une fenêtre plus longue. Le chiffre qui circule est d'environ deux minutes de cohérence de scène, soit le double de Genie 3. Ce chiffre provient des briefings de lancement, pas du blog : le texte de Google lui-même indique que le modèle maintient des « sessions courtes » et ne fixe aucune durée par écrit. Considérez ces deux minutes comme un chiffre rapporté, adossé à un fournisseur, et non comme une spécification.

L’ajout structurel est plus facile à manquer que l’audio. Gemini Omni ancre la simulation dans l’apparence et le comportement du monde réel, et Gemini 3.8 Flash est dans la boucle, observant les images générées, décomposant un objectif en étapes et replanifiant lorsque la scène diverge. Dans la démo que Google a choisie de rendre publique, Gemini 4 Argon a décomposé une tâche que Genie 4 a ensuite simulée en temps réel, avec un humanoïde Apptronik Apollo jouant aux dames. C’est un produit différent d’un générateur vidéo : un générateur répond à une invite avec un extrait, tandis qu’un générateur plus un planificateur répond à un objectif avec une séquence d’états vérifiés.

Ce que Google n’a pas publié est aussi déterminant que ce qu’il a fait. Il n’y a ni résolution, ni fréquence d’images, ni nombre de paramètres, ni mesure de latence, ni score de benchmark, ni prix. Toutes les comparaisons « Genie 4 est plus réaliste » publiées cette semaine sont des comparaisons de bandes de démonstration et de listes de fonctionnalités, car personne en dehors du groupe de testeurs de confiance n’a mesuré les résultats. Google reconnaît toutefois les modes de défaillance : la permanence des détails et des objets dérive lors de sessions prolongées et après des modifications répétées, la précision spatiale est imparfaite, le texte intégré à l’environnement est souvent illisible et la précision audio reste non résolue. Toutes les vidéos et tous les audios générés portent un filigrane SynthID.

Élément 2 — Gemini Robotics ER 2, auquel vous pouvez réellement vous inscrire

ER 2 n'est pas nouveau cette semaine en tant que modèle — Google l'a présenté le 30 juillet 2026 dans un aperçu privé limité — mais l'annonce du 27 octobre est celle qui change qui peut l'utiliser. Il est désormais en aperçu public sur la plateforme Gemini via Model Garden, et peut être essayé dans Agent Studio, avec l'identifiant de modèle gemini-robotics-er-2-preview.

Google le présente comme le cerveau de haut niveau d’un robot plutôt que comme un contrôleur. Il prend la compréhension spatiale et temporelle de la vidéo, la planification à long horizon et les garde-fous de sécurité, puis les enveloppe dans une couche d’orchestration : les développeurs déclarent les interfaces de contrôle de bas niveau — modèles vision-langage-action, API de navigation, fonctions personnalisées — comme des outils, et ER 2 planifie au-dessus de celles-ci. Il classe aussi l’avancement des tâches, ce qui permet à un robot de remarquer qu’une étape a échoué et de la réessayer sans redémarrer tout le flux de travail.

Les chiffres déclarés par le fournisseur que Google met en avant :

• Localisation précise de l’image d’événement — précision de 91,3 % pour identifier l’image exacte où se produit un événement critique, avec une distance absolue moyenne entre images de 0,96 seconde.

• Vitesse d’exécution — 4x, décrite comme « une fraction du coût de calcul de nombreuses catégories de modèles plus grands ». Aucune base de référence n’est nommée dans la phrase, donc le multiple est indicatif plutôt que comparable.

• Lecture d'instruments — plus de 10 catégories, notamment des cadrans circulaires, des voyants de niveau, des afficheurs numériques, des échelles linéaires et des thermomètres à liquide, lus directement à partir de l'entrée visuelle.

• Sécurité — 97,9 % sur Safety Instruction Following et 93,0 % sur Human Proximity à un seuil d’un mètre, selon les propres rapports de sécurité de Google. Les protections physiques telles que les arrêts d’urgence, les barrières et les limites de force restent sous la responsabilité de l’opérateur ; les scores décrivent le raisonnement, pas le matériel.

Il n’y a pas de grille tarifaire dans l’annonce elle-même, seulement un lien vers la page de tarification. Pour un modèle en préversion, c’est normal, et c’est aussi le chiffre dont une équipe achats a besoin en premier.

Le motif derrière les deux éléments

Lues ensemble, les annonces décrivent une stack qui est construite en public et vendue en privé. Un modèle du monde n’est utile pour l’entraînement des robots que s’il peut générer suffisamment d’expériences variées et réinitialisables pour compter ; un planificateur robotique n’est utile que s’il peut être évalué par rapport à autre chose qu’un corpus vidéo fixe. Google pointe clairement les deux l’un vers l’autre. Il n’est pas moins clair qu’il n’est pas prêt à confier l’un ou l’autre à un client non vérifié : Genie 4 est réservé aux testeurs, ER 2 n’est disponible qu’en aperçu, et aucun des deux n’a de date de disponibilité générale.

Cela laisse une question pratique pour quiconque construit sur cette pile : quelles parties sont appelables dès maintenant ?

• Non appelable. Genie 4, jusqu’à l’ouverture de la liste d’attente ou la conclusion d’un accord de partenariat en accès anticipé. Gemini Robotics ER 2, sauf si vous êtes prêt à développer sur une préversion publique sur Google Cloud.

• Disponibles dès aujourd’hui. Gemini Robotics ER 1.6 preview figure au catalogue d’OrcaRouter, tout comme Gemini 3.8 Flash — le même modèle que Google désigne comme l’agent en boucle qui vérifie les images de Genie 4 et replanifie. Ni l’un ni l’autre n’est le modèle du monde. Tous deux constituent la moitié « raisonnement » du pipeline, et ils peuvent être exercés dès maintenant plutôt qu’après une liste d’attente.

OrcaRouter les achemine via une seule API sur plus de 200 modèles, avec les prix publics des fournisseurs répercutés à 0 % de marge, de sorte qu’une modification des prix de Google parvient à notre catalogue le jour même de sa publication. Le basculement automatique compte ici plus que d’ordinaire : un modèle de niveau préversion peut être soumis à des limites de débit ou retiré, et un second fournisseur derrière le même appel fait la différence entre une expérience et une panne. Le DSL de routage est l’autre option lorsqu’un pipeline a besoin du planificateur et d’un modèle distinct pour la vérification dans un seul appel composé. Nous n’hébergeons pas Genie 4, et rien dans ce document ne doit être interprété comme une voie d’accès à ce modèle.

Qu’est-ce qui changerait ce brief ?

Quatre événements feraient sortir Genie 4 de la colonne « démo » pour en faire un produit sur lequel une équipe peut établir un budget : une fiche technique publiée avec la résolution et la fréquence d’images ; un prix pour l’offre Gemini API ; une première mesure indépendante provenant de l’extérieur du vivier de testeurs de confiance ; et Project Genie distribuant Genie 4 aux abonnés AI Ultra, la seule surface grand public que Google ait nommée. L’événement équivalent pour ER 2 est une grille tarifaire et une date de disponibilité générale.

En attendant, le résumé honnête est que Google a annoncé, la même semaine, le modèle du monde le plus capable qu’il ait construit et le planificateur de robot le plus utilisable qu’il ait livré, tout en plaçant le plus impressionnant des deux derrière une liste d’attente. Celui que vous pouvez appeler dès aujourd’hui est l’annonce la moins importante. C’est généralement ainsi que se déroulent les semaines de prévisualisation.