Carte de titre intitulée Genie 4 avec la mention 720p jusqu’à 24 fps, environ une minute par session, et trois cartes consacrées au 720p en temps réel, à la modification en cours de session et à l’audio natif, avec une note de bas de page renvoyant à la fiche modèle de Google du 18 novembre 2026.
Guides & Insights

Genie 4 est disponible en 720p et à 24 images par seconde, et ce chiffre est révélateur.

Auteur

Elias Hawthorne

Date de publication

Derniers modèles · 20Voir tous les modèles →
Benchmarks : Artificial Analysis · mis à jour quotidiennement
Retour à tous les articles

La ligne la plus instructive de la sortie de Genie 4 de Google du 18 novembre ne figure pas dans l’article de blog. Elle se trouve dans la fiche modèle qui l’accompagne : vidéo 720p en temps réel jusqu’à 24 images par seconde avec audio synchronisé, générée à partir d’une invite textuelle, d’une image ou d’une saisie en direct au clavier et à la souris. Pendant trois semaines, Genie 4 n’avait été qu’un ensemble de démos sans aucune spécification — ni résolution, ni fréquence d’images, ni durée de session. Le déploiement de Project Genie auprès des abonnés à Google AI Ultra n’a pas seulement ouvert une porte ; il a publié les premiers chiffres concrets, et ces chiffres décrivent quelque chose de bien plus modeste que ne le suggère la bande-annonce de lancement, d’une manière qui est réellement utile si vous décidez ce que vous allez en faire.

L’autre moitié du lancement compte aussi, et c’est celle avec laquelle Google a ouvert le bal : l’édition de texte en cours de session, un audio natif qui s’adapte à mesure qu’une scène se déroule, un agent conversationnel qui construit des mondes, et une galerie communautaire avec remix. Genie 4 est le modèle ; Project Genie est désormais le produit qui l’entoure. Distinguer les deux, voilà ce que fait cet article, car la fiche du modèle et la galerie répondent à des questions différentes — l’une vous dit ce qu’est le système, l’autre vous dit ce que Google pense que vous en ferez.

Qu’est-ce qui a réellement changé le 18 novembre ?

G​oogle a annoncé Genie 4 le 27 octobre 2026 comme un aperçu de recherche destiné aux testeurs de confiance, avec une liste d’attente publique. Rien n’a changé à propos de ce modèle le 18 novembre. Ce qui a changé, c’est qui peut y accéder et ce qui l’entoure.

• Accès — Genie 4 est déployé auprès des abonnés éligibles à Google AI Ultra au sein de Project Genie. Les membres Google AI Pro peuvent s’inscrire sur une liste d’attente. Il n’existe toujours pas d’ID de modèle API, de tarif par génération ni de date de disponibilité générale pour les développeurs.

• Édition en temps réel — une invite saisie en cours de session modifie la météo, ajoute un personnage ou réoriente l’action sans redémarrer le monde. La démo de G​oogle montre ainsi un café à flanc de colline transformé en pavillon de verre dans un désert.

• Audio natif — ambiances, musique et dialogues des personnages générés en même temps que les images plutôt qu’ajoutés après coup. C’est le premier Genie qui produit du son tout court, et la documentation de G​oogle classe elle-même la précision audio en temps réel parmi les problèmes de recherche ouverts.

• L'agent — un constructeur conversationnel qui orchestre les modèles multimodaux de G​oogle pour définir l'apparence d'un monde et une musique personnalisée, puis continue de fonctionner pendant la session : un modèle G​emini surveille l'écran, propose des puces de suggestion pour la suite et peut déclencher des événements dans le monde.

• La galerie — des univers sélectionnés et des contenus téléversés par la communauté, tous remixables. Deux collaborations nommées l'accompagnent : « Villa Giallo », une enquête gothique en manoir, pièce par pièce, conçue avec le technologue créatif Will (BLVCKL!GHT), et « The Life of Ants », une visite de colonie du point de vue d'une fourmi, avec le cinéaste Anand Gandhi.

Genie 3 a reçu les mises à niveau — et voici la partie qui agacera tous ceux qui n’ont fait que survoler le titre. L’ancien modèle fonctionne désormais jusqu’à trois minutes par génération, contre soixante secondes auparavant, prend en charge l’enchaînement de mondes afin que plusieurs mondes se relient en un voyage continu, accepte des images panoramiques à 360 degrés comme graines et prend en compte des invites d’événements en temps réel dans le monde. Genie 3 reste dans le sélecteur de modèles précisément pour ces cas.

La fiche technique, et la seule contrainte qu'elle énonce tout haut

Avant le 18 novembre, toute affirmation concernant la fidélité de Genie 4 était infalsifiable. L’article de lancement disait « le modèle du monde le plus réaliste et interactif à ce jour » et présentait des extraits ; il ne publiait ni résolution, ni fréquence d’images, ni chiffre de latence. La fiche de modèle de novembre comble une partie de cet écart :

• Sortie — 720p, jusqu’à 24 ips, avec audio synchronisé, générée en temps réel.

• Entrées — texte, images et actions de l'utilisateur en direct : navigation au clavier et à la souris, et pas seulement une invite.

• Durée de session — « environ une minute d’interaction continue » dans la liste des limitations de la page du modèle, la fiche du modèle indiquant seulement qu’il maintient des environnements cohérents pendant de « courtes sessions ».

• Base — repose sur G​emini Omni Flash, avec des modèles G​emini fournissant le raisonnement et le pilotage en temps réel.

• Contraintes que G​oogle admet — les détails visuels et la permanence des objets dérivent sur des exécutions plus longues, après plusieurs modifications complexes de prompt, ou lors d’un déplacement dans une scène ; la physique complexe, la précision audio, la lisibilité du texte et la précision spatiale sont toutes répertoriées comme non résolues.

• Provenance — tatouage SynthID sur chaque image de la vidéo et chaque seconde de l’audio.

Generated six-row scoreboard for Genie 4 listing 720p at up to 24 fps, text image and live keyboard and mouse inputs, roughly one-minute sessions, Gemini Omni Flash as the base, known limits of drift physics and legible text, and SynthID on video and audio, with a footer noting no independent benchmark exists.

Lisez ces deux lignes ensemble — 24 i/s en 720p, et environ une minute — et la description honnête de Genie 4 est celle d'un moteur de rendu en temps réel tournant à peu près à la qualité d'une console de jeu des années 2010, pendant le temps qu'il faut pour parcourir un couloir et revenir. Ce n'est pas une critique. La génération en temps réel à une fréquence d'images stable est un problème bien plus difficile que de produire un beau clip de huit secondes, et le 720p à 24 i/s est la résolution et la cadence de la télédiffusion, pas celles d'un jouet. Mais cela signifie que les vidéos de lancement vous montrent le plafond d'une session très courte, et la dérive que documente Google est ce qui se produit lorsqu'on essaie d'aller au-delà.

Pourquoi une minute est une décision produit, et non une limitation dont il faut s’excuser

Une minute suffit pour un plan, une pièce, un parcours, une seule interaction — l’unité de travail en prévisualisation, en revue de conception spatiale et en enseignement interactif. Ce n’est pas assez pour un niveau, une séquence de film ou un épisode de formation qui nécessite vingt minutes d’état cohérent. La réponse de Google à ce manque n’est pas un Genie 4 plus long ; c’est Genie 3 à trois minutes avec chaînage de mondes, placé à côté de lui dans le même sélecteur. C’est une décision produit inhabituelle — le modèle le plus récent n’est pas strictement le plus capable pour chaque tâche — et elle indique que les deux sont positionnés selon la durée de session plutôt que selon la génération.

Les collaborations de la galerie se lisent de la même manière. « Villa Giallo » est un mystère que l’on résout pièce par pièce, une structure construite à partir d’unités d’une minute. « The Life of Ants » est une pièce en perspective — on navigue dans une colonie du point de vue d’une fourmi — qui a besoin d’atmosphère et d’échelle plus que de continuité. Toutes deux sont des démos choisies pour montrer ce que les mondes interactifs courts savent faire, et ni l’une ni l’autre ne prétend être un film.

Pour un studio, la question pratique est de savoir où une prise interactive d’une minute s’insère dans un pipeline qui repose actuellement sur des clips générés de huit secondes. La réponse se situe en amont et en parallèle : le blocking, le langage caméra, les décisions d’habillage du décor et les playtests d’idées spatiales — ce que vous construiriez autrement dans un moteur de grey-box avant de le jeter. Genie 4 supprime la boîte grise. Il ne supprime pas le moteur.

Ce que vous pouvez appeler aujourd’hui, et ce que vous ne pouvez pas

Genie 4 n’est pas un point de terminaison. C’est un produit navigateur derrière un abonnement Google AI Ultra à 99,99 $ par mois, sans API publiée, sans identifiant de modèle et sans tarif par génération. C’est également vrai de toutes les plateformes tierces, y compris la nôtre : il n’y a rien vers quoi router.

Ce qui est appelable constitue la moitié « raisonnement » de l’architecture décrite par Google. Les supports de lancement désignent Gemini 3.8 Flash comme l’agent intégré à la boucle qui planifie les étapes et vérifie les trames par rapport aux objectifs, et ce modèle est un point de terminaison actif dans notre catalogue sous google/gemini-3.8-flash à 0,75 $ par million de tokens d’entrée et 3,75 $ par million de tokens de sortie — prix catalogue du fournisseur répercuté sans marge ajoutée, de sorte qu’une modification des prix de Google se répercute sur votre facture le jour même où elle apparaît sur la grille tarifaire de Google. Si vous construisez la boucle autour d’un modèle du monde plutôt que le modèle du monde lui-même — planification, vérification, replanification, écriture des prompts qui orientent une session — c’est la brique que vous pouvez intégrer cette semaine, avec un basculement automatique entre fournisseurs derrière une seule clé.

Screenshot of the OrcaRouter model page for google/gemini-3.8-flash, showing the model identifier, its 65K maximum output and per-million-token pricing fields.

Qu’est-ce qui ferait passer cela d’un produit à une plateforme ?

Trois choses, par ordre croissant de l’ampleur avec laquelle elles changeraient la réponse.

Une API. Un identifiant de modèle et un tarif à la seconde ou par session permettraient à Genie 4 de rivaliser avec Veo, Kling et Seedance pour des créneaux de pipeline sur le même tableur. Sans cela, il se bat pour une ligne dans un budget d’outils créatifs.

Une mesure indépendante. Il n’existe nulle part de benchmark, d’Elo, d’étude de préférence humaine ni d’analyse tierce de la fréquence d’images pour Genie 4. Toutes les affirmations de fidélité en circulation remontent aux propres reels de Google. Les chiffres de 720p et 24 fps sont désormais vérifiables par rapport à la fiche modèle, ce qui constitue un progrès ; l’affirmation selon laquelle il est plus réaliste que Genie 3, elle, ne l’est toujours pas.

Des sessions de plus d'une minute à la qualité de Genie 4. Google résout actuellement le problème de la continuité en vous vendant le modèle plus ancien. Quand Genie 4 comblera cet écart, le sélecteur se réduira à nouveau à une seule option et la comparaison intéressante cessera d'être Genie 4 contre Genie 3 pour devenir Genie 4 contre tout le reste.

Screenshot of Google DeepMind's Genie 4 announcement dated 27 October 2026, headed Genie 4: A new generation of world simulation, crediting Raia Hadsell, Diego Rivas and Hang Qi, with a Join the Genie 4 waitlist button.

Jusque-là, le juste résumé du 18 novembre est que Google a livré un écosystème créatif autour d’un modèle qu’il avait déjà annoncé, publié la première véritable spécification de ce modèle, et laissé non publié le seul chiffre qui compte pour les développeurs — le prix d’une seconde de sortie. Pour un abonnement à 99,99 $, vous obtenez l’écosystème, la galerie, l’agent, et une minute à la fois. Savoir si c’est une bonne affaire dépend entièrement de si votre travail tient en une minute, et personne en dehors de Google ne peut encore vous le dire.