Genie 4 : les promesses classées par écart de preuves (octobre 2026)

La même question, à laquelle Claude a répondu seul. La liste finale ci-dessus combine toutes les IA.

1. 1
   Pilotage en temps réel, en langage naturel, d'un monde en direct (météo, caméra, ajout de personnes ou d'objets)

   La fonction phare est celle que Google lui-même dit casser après « plusieurs modifications de prompt », et aucun test public ne modifie un monde en cours de balade.

   Source ↗
2. 2
   Dialogue interactif qui s'adapte aux saisies de l'utilisateur (audio natif)

   « Premier modèle de monde en temps réel à générer l'audio nativement » : pourtant, un commentateur a entendu une clarinette alors que le prompt demandait un saxophone.

   Source ↗
3. 3
   Utilité pour entraîner des agents et des robots (SIMA, Gemini Robotics, Apptronik Apollo jouant aux dames)

   Le récit sur l'entraînement d'agents repose sur une seule expérience de dames avec un humanoïde, et un commentateur affirme que Genie ressemble désormais davantage à un générateur vidéo contrôlable.

   Source ↗
4. 4
   Simulation d'événements complexes guidée par Gemini 3.8 Flash

   Un modèle de raisonnement planifie, vérifie chaque étape et la révise, mais aucun test publié ne montre qu'il garde un monde cohérent.

   Source ↗
5. 5
   Cohérence et mémoire sur la durée (environ deux minutes)

   Deux minutes, le double de Genie 3, mais le billet de Google lui-même ne dit que « quelques minutes » et range la cohérence à long terme parmi les recherches ouvertes.

6. 6
   Simulation de la physique (aérodynamique, collisions, eau qui coule)

   Le titre de The New Stack affirme que la physique « n'est toujours pas tout à fait juste », et Google range les interactions physiques complexes parmi les problèmes non résolus.

   Source ↗
7. 7
   Personnages qui bougent, réagissent et se comportent naturellement (y compris l'interaction entre plusieurs agents)

   Google reconnaît que la modélisation des interactions entre plusieurs agents indépendants reste « un problème de recherche ouvert ».

   Source ↗
8. 8
   Utilité pour les testeurs de confiance dans le cinéma, le journalisme, l'éducation, le jeu vidéo et l'ingénierie

   Les cas d'usage réels sont nommés, mais le billet ne donne ni nombre de testeurs, ni taille d'échantillon, ni résultat chiffré.

   Source ↗
9. 9
   Photoréalisme, éclairage et matières « les plus réalistes »

   L'affirmation la plus vérifiable et la mieux étayée : les commentateurs jugent l'éclairage et les matériaux nettement meilleurs que ceux de la génération précédente.

   Source ↗
10. 10
    Filigrane SynthID sur toutes les vidéos et tous les sons générés

    Une affirmation de procédure, pas de performance, et la plus facile à vérifier une fois les résultats publics.

    Source ↗

La même question, à laquelle ChatGPT a répondu seul. La liste finale ci-dessus combine toutes les IA.

1. 1
   Genie 4 : pilotage en temps réel en langage naturel et mondes persistants

   Le test décisif n'est pas de changer la météo une seule fois, mais de changer le monde à répétition sans perdre ce qui était déjà là.

   Source ↗
2. 2
   Genie 4 : entraînement d'agents et simulation de robotique

   Un simulateur qui enseigne à un agent une mauvaise physique peut produire un agent qui échoue précisément quand la réalité compte.

   Source ↗
3. 3
   Genie 4 : mémoire à long terme et permanence des objets

   Environ deux minutes de simulation annoncées ne prouvent pas qu'une pièce, une personne ou un objet restera stable pendant une tâche prolongée.

   Source ↗
4. 4
   Genie 4 : raisonnement en plusieurs étapes et simulation causale

   Gemini 3.8 Flash peut planifier la scène et l'inspecter, mais cela ne prouve pas que le monde généré respecte ce plan.

   Source ↗
5. 5
   Genie 4 : dialogue interactif et audio natifs

   Un personnage qui parle n'est pas encore un agent conversationnel fiable : la parole doit rester synchronisée avec l'action, le contexte et les événements qui changent.

   Source ↗
6. 6
   Genie 4 : physique réaliste et mouvement humain

   Une collision convaincante dans une démo n'est pas une garantie mesurée de collisions correctes dans des situations inconnues.

   Source ↗
7. 7
   Genie 4 : prototypage de jeux et expériences interactives

   Une scène qui semble jouable, créée en quelques secondes, a de la valeur, mais un prototype modifiable n'est pas automatiquement un jeu stable.

   Source ↗
8. 8
   Genie 4 : reconstruction de scènes du monde réel et précision spatiale

   Transformer une seule photo d'archive en scène où l'on peut marcher est séduisant, mais une géométrie plausible peut rester une géométrie inventée.

   Source ↗
9. 9
   Genie 4 : photoréalisme et prévisualisation cinématographique

   La capacité de Genie 4 la plus facile à admirer est aussi l'une des plus faciles à surestimer à partir de séquences choisies.

   Source ↗
10. 10
    Genie 4 : filigrane SynthID et transparence des médias générés

    Google promet des filigranes sur l'audio comme sur la vidéo, mais une couverture de déploiement n'équivaut pas à une fiabilité de détection prouvée de façon indépendante.

    Source ↗

La même question, à laquelle Meta a répondu seul. La liste finale ci-dessus combine toutes les IA.

1. 1
   Pilotage en temps réel en langage naturel avec mémoire persistante et permanence des objets

   Aucun banc d'essai ouvert ne peut tester les modifications en marchant : Google admet que les objets dérivent après les modifications, et 9 modèles échouent à la mémoire des retours

   Source ↗
2. 2
   Génération audio native avec dialogue interactif qui s'adapte en direct

   Premier modèle de monde en temps réel avec dialogue natif, mais la précision audio reste listée comme recherche active, sans score ouvert de cohérence du dialogue

   Source ↗
3. 3
   Cohérence sur la durée allant jusqu'à 2 minutes : le double de Genie 3

   2 minutes annoncées contre 1 minute pour Genie 3 : TechCrunch parle du double, le billet de Google évite le chiffre exact et admet une dérive sur des durées plus longues

   Source ↗
4. 4
   Simulation d'événements complexes en plusieurs étapes, guidée par l'agent Gemini 3.8 Flash et Gemini 4 Argon

   La démo du humanoïde Apollo qui joue aux dames montre une causalité fiable, mais la vérification du succès de chaque étape n'a aucune mesure publique

   Source ↗
5. 5
   Photoréalisme et fidélité visuelle sans précédent

   Les mondes les plus réalistes et interactifs à ce jour, mais aucune résolution, fréquence d'images ni score VBench n'est communiqué, contrairement aux 720p à 24 images/s de Genie 3

   Source ↗
6. 6
   Physique avancée : aérodynamique, collisions, mouvements des fluides

   L'aérodynamique et les collisions sont présentées comme un bond, mais la physique reste listée comme recherche en cours, sans Elo physique public pour Genie

   Source ↗
7. 7
   Mouvement humain naturel : les personnages bougent et réagissent naturellement

   Le plus grand bond concernant les personnes selon DeepMind : WorldMemBench juge que la conservation de l'identité humaine est la mesure de mémoire statique la plus difficile

   Source ↗
8. 8
   Gemini Omni ancre les simulations dans l'apparence et le comportement du monde réel

   Omni ancre l'apparence et le comportement : la même famille Gemini alimente des produits créatifs, et cette dépendance n'est pas mesurée dans les bancs d'essai ouverts

   Source ↗
9. 9
   Utilité pour les testeurs de confiance dans le cinéma, le journalisme, l'éducation, le jeu vidéo et l'ingénierie

   Des groupes de testeurs issus du cinéma et du journalisme sont cités comme preuves, mais l'accès est réservé aux testeurs invités, sans aucun essai indépendant au lancement

   Source ↗
10. 10
    Filigrane SynthID sur toutes les vidéos et tous les audios générés

    Seule affirmation avec détecteur intégré : toutes les vidéos et tous les sons de Genie 4 portent un SynthID imperceptible sur toutes les modalités

    Source ↗

La même question, à laquelle Nemotron a répondu seul. La liste finale ci-dessus combine toutes les IA.

1. 1
   Pilotage en temps réel en langage naturel avec mémoire persistante

   Google reconnaît une dérive dans les longues simulations ; iWorld-Bench montre qu'aucun modèle ne dépasse 0,85 de symétrie de mémoire. Tenir la cohérence au-delà de 2 minutes est le plus grand manque de preuves

2. 2
   Génération audio native synchronisée sur l'état du monde

   Le filigrane SynthID sur l'audio généré est revendiqué ; l'arène d'Artificial Analysis ne peut pas tester la synchronisation audio interactive, seulement des votes par paires sur des vidéos statiques

3. 3
   Gemini Omni ancre la cohérence de l'apparence et du comportement

   Quartz indique que Gemini Omni ancre l'apparence et le comportement ; aucun banc d'essai ne mesure la persistance de l'identité d'un média à l'autre pendant la navigation interactive

   Source ↗
4. 4
   Caméra, météo et personnages modifiables en langage naturel en cours de simulation

   La démo montre le déplacement au clavier et les modifications de requête ; la métrique de suivi de caméra d'iWorld-Bench existe, mais pas la modification de requête en cours d'épisode

   Source ↗
5. 5
   Rendu photoréaliste avec éclairage et matériaux cohérents

   L'arène d'Artificial Analysis mesure l'éclairage et les matériaux par des votes en aveugle sur des clips statiques, et ne peut pas vérifier la cohérence temporelle pendant la navigation

6. 6
   Utilité pour les testeurs de confiance dans le cinéma, le journalisme, l'éducation, le jeu vidéo et l'ingénierie

   Testeurs invités uniquement ; pas d'API publique ; les affirmations d'utilité reposent sur des retours privés, sans aucune validation indépendante des flux de travail

7. 7
   Filigrane SynthID sur tous les audios et vidéos générés

   Affirmé au lancement ; aucun audit indépendant de la solidité du filigrane face à la compression, à la modification ou à la suppression délibérée

8. 8
   Modèles de raisonnement de Gemini qui maintiennent la cohérence du monde

   Quartz attribue la cohérence au raisonnement de Gemini ; iWorld-Bench montre une symétrie de mémoire ≤ 0,85 partout : le raisonnement seul ne comble pas l'écart

   Source ↗
9. 9
   Utilité pour l'entraînement d'agents (modèles du monde comme simulateurs pour l'apprentissage par renforcement)

   Aucun benchmark publié d'entraînement d'agents avec Genie 4 ; iWorld-Bench mesure la précision des trajectoires, mais pas le transfert de politique vers des tâches en aval

   Source ↗
10. 10
    Discours sur l'IAG / compréhension générale du monde

    L'affirmation la plus ambitieuse et la moins mesurable : aucun benchmark ne touche à la « compréhension générale », distincte des métriques propres à chaque tâche

La même question, à laquelle Gemini a répondu seul. La liste finale ci-dessus combine toutes les IA.

1. 1
   Mémoire longue durée et symétrie des boucles refermées

   Aucun des 14 modèles de monde de pointe testés n'atteint 0,85 de symétrie de mémoire sur iWorld-Bench, ce qui fait de la promesse de retour sans couture de Google l'écart non vérifié le plus large.

   Source ↗
2. 2
   Pilotage en direct en langage naturel et modification de la scène

   Les arènes par paires comme Artificial Analysis évaluent l'exécution de requêtes statiques, laissant le pilotage interactif en cours de route totalement sans banc d'essai par des tiers.

   Source ↗
3. 3
   Entraînement évolutif d'agents incarnés et transfert du simulé au réel

   Présenté comme le moteur d'entraînement de la robotique autonome, mais aucune donnée publiée de transfert de politique robotique de la simulation vers le réel n'accompagnait la présentation.

4. 4
   Stabilité d'une simulation continue de deux minutes

   Pendant que Google met en avant le jeu libre dans un bac à sable, les briefings de journalistes indépendants ont révélé une limite stricte d'environ 120 secondes avant l'apparition d'hallucinations structurelles.

5. 5
   Dialogues dynamiques des personnages non joueurs ancrés via Gemini Omni

   Google affirme que les modèles de raisonnement multimodal gardent cohérent le comportement des personnages non joueurs, mais l'orchestration multi-agents se désynchronise régulièrement après des requêtes qui bifurquent rapidement.

6. 6
   Géométrie 3D à la première personne et physique des collisions

   La navigation au clavier masque les erreurs persistantes de collision d'objets et de traversée des limites, que les simulateurs physiques formels ne laissent pas se produire.

   Source ↗
7. 7
   Son spatial multicanal natif et synchronisé

   La génération interactive en temps réel de dialogues, de pas et d'acoustique spatiale devance les pairs purement vidéo, mais les pénalités de latence sous charge de streaming restent non divulguées.

   Source ↗
8. 8
   Réactivité du clavier et suivi de la caméra

   Les testeurs ont confirmé une navigation WASD fonctionnelle, mais la latence de rendu des images dans le cloud fluctue fortement hors des configurations locales à haut débit.

9. 9
   Éclairage, météo et matériaux volumétriques photoréalistes

   L'affirmation la plus facile à vérifier visuellement, appuyée par de bons classements, mais l'éclairage cinématographique contribue le moins à la compétence fonctionnelle d'un agent.

   Source ↗
10. 10
    Filigrane SynthID sur l'audio et la vidéo interactifs

    La trace numérique de provenance de Google est techniquement établie ; le manque de preuves ne porte que sur sa survie après une réduction de résolution des images à faible latence.

La même question, à laquelle Kimi a répondu seul. La liste finale ci-dessus combine toutes les IA.

1. 1
   Genie 4 : pilotage en temps réel en langage naturel avec mémoire persistante

   La seule famille de benchmarks qui existe dit que même le meilleur modèle de monde interactif oublie : aucun modèle d'iWorld-Bench ne dépasse 0,85 de symétrie de mémoire, et Genie 4 n'y a jamais été testé.

   Source ↗
2. 2
   Genie 4 : audio natif et dialogue interactif

   Les propres ingénieurs de Google ont dit aux journalistes qu'ils « n'ont pas tout à fait trouvé » comment obtenir un audio exact. La nouvelle affirmation phare est celle que son créateur a publiquement nuancée en quelques heures.

   Source ↗
3. 3
   Genie 4 comme environnements d'entraînement sûrs pour robots et agents

   Toute la preuve publique de l'utilité de l'entraînement d'agents tient en une démo où Gemini 4 Argon découpe une tâche en étapes : ni validation de la simulation vers le réel, ni banc d'essai, ni laboratoire de robotique externe.

   Source ↗
4. 4
   Genie 4 : physique réaliste (aérodynamique, collisions)

   Le seul étalon physique qui existe ne peut pas toucher Genie 4 : les métriques de dynamique de WorldScore exigent un accès au modèle, et le meilleur modèle vidéo jamais évalué n'a obtenu que 40,22/100 sur le contrôle de caméra.

   Source ↗
5. 5
   Genie 4 : sessions de simulation cohérentes de deux minutes

   Deux minutes, c'est le double de Genie 3. Et Hang Qi, chez Google, a dit à Bloomberg qu'atteindre la limite ne donne « aucune garantie » que la scène tienne.

   Source ↗
6. 6
   Genie 4 : permanence des objets lors de la navigation

   Le test en boucle fermée réalisé par le domaine montre que la mémoire est la faiblesse universelle : plus de la moitié des 14 modèles obtiennent moins de 0,5 de symétrie de mémoire, et Google admet que Genie 4 dérive exactement à cet endroit.

   Source ↗
7. 7
   Genie 4 : photoréalisme et fidélité de l'éclairage et des matériaux

   L'affirmation la plus séduisante a l'écart le plus court : la famille Gemini Omni qui ancre l'aspect de Genie 4 figure déjà dans le top 5 des Elo vidéo issus de votes en aveugle indépendants.

   Source ↗
8. 8
   Genie 4 : utilisation par des testeurs de confiance dans le cinéma, le journalisme, l'éducation, le jeu vidéo et l'ingénierie

   Cinq secteurs, zéro artefact publié : chaque affirmation de flux de travail rapportée remonte à un briefing de Google, et non à un testeur qui montre son travail.

   Source ↗
9. 9
   Genie 4 présenté comme « étape cruciale vers l'IAG »

   L'écart est total par conception : aucune métrique, aucun test, aucun moyen de réfuter. Il ne reste que le mot « AGI » dans un message produit, classé en dessous de chaque capacité concrète sur le fond.

   Source ↗
10. 10
    Genie 4 : filigrane SynthID sur tout l'audio et la vidéo générés

    Le plus petit écart de la liste : le filigrane de Google est déjà déployé dans toute sa famille de modèles, donc cette affirmation repose sur une infrastructure éprouvée plutôt que sur des promesses.

    Source ↗

La même question, à laquelle Wenxin a répondu seul. La liste finale ci-dessus combine toutes les IA.

1. 1
   Pilotage du monde en temps réel en langage naturel avec mémoire persistante

   Les démos montrent qu'on peut faire changer le monde en lui parlant, mais chaque banc d'essai dit que la mémoire est le maillon le plus faible.

2. 2
   Utilité pour l'entraînement d'agents (environnements simulés pour agents d'IA)

   Si le modèle ne peut pas tenir une mémoire de deux minutes, la piste d'entraînement promise par Google est plus courte que le marketing.

3. 3
   Génération audio native synchronisée avec filigrane SynthID

   Un son qui suit la scène semble l'affirmation la plus difficile à truquer, jusqu'à ce que les limites de SynthID apparaissent.

4. 4
   Modification de la caméra, de la météo et des personnages par une consigne texte

   Cliquez et tapez pour changer un coucher de soleil ou remplacer un personnage : la démo éblouit, les bancs d'essai ne peuvent pas la mesurer.

5. 5
   Qualité du photoréalisme et du rendu cinématographique

   Des pixels plus beaux sont la chose la plus facile à choisir sélectivement, et la plus difficile à comparer entre des clips choisis.

6. 6
   Accès réservé aux testeurs de confiance et évaluation fermée

   La plus grande lacune de preuves n'est pas technique : jusqu'ici, seuls les proches de Google l'ont essayé.

   Source ↗
7. 7
   Modèle de raisonnement Gemini qui ancre la cohérence du monde

   Gemini comme cerveau derrière la puissance : une affirmation astucieuse qui ne peut pas être vérifiée sans les propres bancs d'essai de Gemini.

8. 8
   Discours sur l'IAG / modèle général du monde

   Le mot « AGI » fait plus de travail que ce que la fenêtre de simulation de deux minutes peut soutenir.

9. 9
   Suivi des actions entre modalités (trajectoire + caméra + mémoire)

   Les bancs d'essai peuvent presque mesurer cela, et quand ils le font, chaque modèle trébuche sur la mémoire.

   Source ↗
10. 10
    Palier Ultra prévu et accès public à l'API

    Promettre une API ne coûte rien ; en livrer une qui tienne sous des charges réelles est le vrai test.

La même question, à laquelle Qwen a répondu seul. La liste finale ci-dessus combine toutes les IA.

1. 1
   Pilotage en temps réel avec mémoire

   La symétrie de mémoire reste sous 0,85 partout : le rappel interactif est donc le véritable goulot d'étranglement des modèles de monde.

2. 2
   Génération de dialogue native

   Génère le son nativement avec le monde simulé, en évitant le décalage labial propre à la post-production audio traditionnelle.

   Source ↗
3. 3
   Utilité pour l'entraînement d'agents

   Les cohortes de testeurs de confiance en robotique et en jeu vidéo diront si c'est un véritable simulateur ou seulement un très bel économiseur d'écran.

   Source ↗
4. 4
   Cohérence des longues simulations

   Les simulations atteignent un plafond strict d'environ deux minutes, avant que la dérive admise ne brise la logique physique de l'environnement.

   Source ↗
5. 5
   Suivi des actions entre modalités

   Les modifications de requête pendant la navigation restent l'angle mort que les arènes vidéo ne peuvent pas encore vérifier de façon indépendante.

   Source ↗
6. 6
   Simulation de la physique

   Les préférences humaines par paires classent la physique, mais les collisions interactives se brisent souvent quand des variables invisibles s'accumulent au fil du temps.

   Source ↗
7. 7
   Photoréalisme

   Des pixels plus beaux impressionnent dès le premier jour, mais la fidélité visuelle est l'écart le plus facile à combler par le rendu brutal.

   Source ↗
8. 8
   Couleur et éclairage cinématographiques

   L'éclairage et les matériaux obtiennent de bons scores dans les duels d'arène statiques, mais tiennent mal quand l'utilisateur tourne la caméra de 180 degrés.

   Source ↗
9. 9
   Contrôle de la caméra

   Le déplacement au clavier dans les mondes fonctionne, mais le suivi précis de la caméra se dégrade rapidement sans point d'ancrage extérieur.

10. 10
    Discours sur l'IAG et SynthID

    Le filigrane sur les contenus audio et vidéo générés est une nécessité de sécurité, mais il n'ajoute aucune capacité au modèle de monde lui-même.

    Source ↗