Genie 4 vs Agora 2 : un seul monde avec un directeur, ou vingt personnes dans la même pièce

« Jusqu’à 20 participants » est le nombre qu’Odyssey a utilisé pour lancer Agora 2 le 21 septembre 2026, et il se décompose en quelque chose de plus intéressant qu’il n’y paraît : quatre contrôleurs humains et seize agents autonomes, tous partageant un même monde persistant. Genie 4, annoncé par Google DeepMind cinq semaines plus tard, le 27 octobre 2026, fait presque le pari inverse. Il offre à un seul utilisateur un monde extraordinairement convaincant, avec un son natif et un pilotage en langage naturel, et il ne permet pas à une deuxième personne d’y entrer. Ce ne sont pas deux versions du même produit à des niveaux de qualité différents. Ce sont deux programmes de recherche qui se trouvent partager un nom.

Les trois questions qui les séparent sont : qui d’autre est dans le monde, si le monde existe quand personne ne le regarde, et s’il fait un bruit. Genie 4 répond à la troisième mieux que tout ce qui a été livré avant lui, et pas du tout aux deux premières. Agora 2 répond aux deux premières et n’a presque rien à dire sur la troisième.

Vingt, c’est en réalité quatre plus seize

La promesse phare d'Odyssey est une promesse multijoueur, et il vaut la peine d'être précis sur ce qui est réellement connecté. Quatre humains pilotent des personnages en temps réel. Seize autres entités sont des politiques entraînées par apprentissage par renforcement — des comportements de monstres et de compagnons — qui agissent dans le même monde. La description honnête est donc celle d'un jeu à quatre joueurs peuplé d'agents appris, ce qui représente cinq fois le nombre de participants d'Agora 1 et une architecture sensiblement différente de celle d'une démo générative solo.

Les environnements sont multiples plutôt qu’uniques, le comportement se maintient sur des horizons plus longs, et les données d’entraînement sont des captures de Diablo II — un RPG d’action isométrique de 2000. Ce dernier détail n’est pas une curiosité. Il indique que l’équipe a délibérément choisi un jeu à la grammaire de caméra fixe et aux interactions d’entités denses plutôt qu’un monde ouvert photoréaliste, car c’est le cadre où l’état partagé est testable et où la barre visuelle est atteignable.

Pourquoi l’état hors écran est la partie difficile

La plupart des modèles de monde, y compris Genie 4, fonctionnent comme un générateur vidéo très sophistiqué. La scène existe sous forme d’images, et tout ce vers quoi la caméra ne pointe pas à l’instant doit être régénéré lorsqu’elle revient — c’est pourquoi la permanence des objets se dégrade, et pourquoi les propres supports de lancement de Google avertissent que les détails et les objets dérivent à mesure que la simulation dure et que les modifications de prompt se complexifient.

Agora 2 résout ce problème en n'étant pas, au fond, un générateur vidéo. Il fait tourner un état du monde autoritaire côté serveur qui persiste indépendamment de tout point de vue, avec un modèle de simulation appris gérant les déplacements et une pile de rendu distincte dessinant ce que voit chaque client. Les entités continuent d'exister quand personne ne les regarde. C'est pourquoi vingt participants peuvent être cohérents en même temps : chacun ne demande pas à un générateur d'imaginer les autres, ils lisent tous à partir d'une vérité partagée unique.

L’ingénierie est délibérément réduite dans la partie qui doit être partagée. Le modèle de simulation est annoncé à environ 4,46 millions de paramètres, avec quatre couches, une largeur de 256, quatorze branches de mouvement et une tête d’orientation distincte. Le moteur de rendu est le grand réseau — un transformer de flow matching d’environ un milliard de paramètres, seize blocs de largeur 2 048, dont cinq portent une attention temporelle causale. Pour le dire crûment : rendre les règles peu coûteuses et identiques pour tous, et dépenser le calcul sur ce que voit chaque joueur.

L’avantage du Genie 4, c’est la partie que vous entendez

Par contraste, les contributions de Genie 4 paraissent limitées — et ne le sont pas. L’audio natif — paysages sonores d’ambiance, musique et dialogues parlés avec des personnages qui réagissent dans la scène — est quelque chose qu’aucun autre modèle du monde de cette comparaison n’offre du tout. Le rapport technique d’Odyssey ne revendique aucune fonction audio. ABot-Earth, WorldClaw et HY-Nomas non plus.

Cela compte davantage pour la simulation que pour le divertissement. Un environnement d’entraînement pour un agent incarné qui ne peut pas produire de son se prive d’une modalité d’entrée entière ; un outil de prévisualisation sans audio laisse le département son travailler à partir de zéro sur le timing de quelqu’un d’autre. Genie 4 est aussi piloté en langage naturel en cours de simulation, ce que Agora 2 ne fait pas — le monde d’Odyssey est régi par des mécaniques de jeu et les entrées du joueur, pas par un prompt qui change la météo.

Ce que Genie 4 ne peut pas faire, c’est admettre une deuxième manette. Il n’y a pas d’état partagé, pas de serveur faisant autorité, pas de notion d’autre participant. Demandez-lui de faire tourner quatre joueurs et vous obtenez quatre mondes indépendants qui se trouvent partager un même prompt.

640×480 est un choix de conception, pas un rapport de bug

Agora 2 effectue son rendu en 640×480, et des testeurs ont relevé un flou occasionnel sur les objets. Il serait facile de consigner cela comme une lacune face au photoréalisme revendiqué de Genie 4 — sauf que Genie 4 n’a publié aucune résolution du tout.

Cette asymétrie mérite qu’on s’y attarde. Une équipe a livré un monde à basse résolution et publié sa section sur les limites, reconnaissant que la fréquence d’images soutenue, la latence entre l’entrée et l’affichage, la qualité visuelle sur un horizon long, la cohérence entre les vues et l’adhérence aux actions n’avaient pas été évaluées quantitativement. L’autre a livré une prétention photoréaliste, une fenêtre de cohérence de deux minutes et aucun chiffre. Quand un côté est mesurable et l’autre ne l’est pas, le côté mesurable paraît généralement pire et est généralement plus utile.

Deux paris différents sur ce à quoi servent les modèles du monde

Odyssey parie que les problèmes intéressants sont sociaux et multi-agents. Leur cadrage est explicite : un monde simulé partagé est un lieu plus sûr pour étudier comment de nombreux agents se comportent ensemble que ne l’est le monde réel. L’entreprise a cité comme motivation un incident rapporté par METR dans lequel environ 1 200 agents se sont auto-organisés. Selon cette thèse, la fidélité est un moyen et le nombre de participants est l’objectif, car les phénomènes que l’on veut observer — collusion, coordination, division émergente des rôles — n’apparaissent qu’à grande échelle.

Google parie que les problèmes intéressants relèvent de la perception et de l’instruction. Selon cette thèse, un réalisateur unique disposant d’un monde photoréaliste, audible et pilotable constitue l’artefact utile, que ce réalisateur soit un cinéaste qui prépare un plan ou une équipe de robotique qui répète une tâche. La démonstration la plus révélatrice de Genie 4 correspond exactement à cela : Gemini 4 Argon a décomposé des tâches que Genie 4 a simulées en temps réel pour un humanoïde Apollo d’Apptronik. Un agent, un monde, pas de foule.

Les deux paris peuvent être justes. Ils ne peuvent pas être servis par un seul modèle, c’est pourquoi la formulation « lequel est meilleur » échoue.

La facture de service que personne ne met dans le titre

Agora 2 utiliserait environ quatre GPU RTX PRO 4500 pour servir une session à quatre joueurs, l’entraînement et l’inférence étant assurés sur AWS Trainium. C’est un chiffre bien réel, et c’est le genre de chiffre qui détermine si un aperçu de recherche peut devenir un produit. Vingt participants dans un même monde, c’est peu coûteux en joueurs et coûteux en silicium, car l’état partagé signifie que le serveur doit faire autorité pour tous en même temps.

Genie 4 n’a divulgué aucun coût de service. Il s’agit d’un aperçu de recherche destiné à des testeurs de confiance, suivi par les abonnés à Google AI Ultra et les partenaires de l’API Gemini en accès anticipé. Personne en dehors du groupe de testeurs ne sait combien coûte la production d’une minute de monde généré, ce qui signifie que personne ne peut encore dire si la démo impressionnante survit au contact d’une grille tarifaire.

Ce dont chacun est réellement la preuve

Agora 2 est la preuve qu’un modèle du monde peut servir de substrat à la recherche multi-agents plutôt que d’astuce de rendu. Si votre question est « que se passe-t-il lorsque de nombreux agents partagent un environnement », c’est le seul des deux à avoir un environnement à partager, et le fait qu’il soit jouable dans un navigateur à agora.odyssey.ml le rend inhabituellement accessible pour un aperçu de recherche.

Genie 4 est la preuve que le plafond perceptif a bougé. Si votre question est « un monde généré peut-il être assez convaincant pour servir de base à une planification », il est en avance, et l'audio en est la raison : c'est la première fois qu'un modèle de monde produit une scène que l'on pourrait confier à quelqu'un sans s'excuser du silence.

Pour les équipes qui construisent une infrastructure d'agents plutôt que des mondes, la leçon pratique d'Agora 2 est que le coût de coordination domine. Vingt agents dans un même monde constituent un problème de routage avant d'être un problème graphique : quel modèle gère la politique de quel agent, ce qui se passe lorsqu'un point de terminaison se bloque, comment les appels de vérification peu coûteux le restent. C'est la couche sur laquelle nous travaillons — une API unique pour plus de 200 modèles, avec basculement automatique, afin qu'une exécution multi-agents ne meure pas parce qu'un fournisseur a eu un mauvais passage — et c'est la couche qui reste constante, quel que soit le modèle de monde sur lequel vous finirez par vous standardiser.

La question qui mérite d’être posée en octobre 2026 n’est pas de savoir lequel de ces deux modèles est le meilleur. C’est de savoir si le modèle du monde dont vous avez besoin est un lieu où d’autres agents peuvent prendre place, ou un plan que vous pouvez diriger. Odyssey a construit le premier. Google a construit le second, et en a fait le plus beau que quiconque ait montré.