Le 20 novembre 2026, Google DeepMind a annoncé la disponibilité de nouvelles versions des modèles Gemini 4 et Genie 4, qui élargissent considérablement les possibilités de génération de simulations réalistes du monde et leurs applications dans l'apprentissage des robots. Ces mises à jour s'appuient sur les travaux antérieurs dans le domaine des modèles du monde et des systèmes vision-langage-action, mais introduisent des améliorations clés en temps réel et en multimodalité.
Genie 4 est un modèle du monde nativement multimodal qui génère non seulement des scènes visuelles d'une résolution allant jusqu'à 720p à 24 fps, mais aussi un contenu audio synchronisé : sons ambiants, musique et dialogues des personnages. Le modèle intègre les capacités de Gemini Omni pour ancrer les simulations dans le monde réel et d'autres variantes de Gemini pour maintenir la cohérence et la continuité des scènes. Les utilisateurs peuvent influencer la simulation en temps réel au moyen de prompts textuels — changer la météo, introduire des objets ou des personnages —, tandis que les composants Gemini adaptent les changements de manière contextuelle et veillent à la plausibilité physique.
Dans le domaine de la robotique, Gemini 4 Argon joue un rôle clé en tant que moteur de simulation. Il génère des milliers de déroulés simulés variés à partir de scènes vidéo réelles, créant des jumeaux numériques et accélérant la généralisation des compétences. Cela a permis de développer Gemini Robotics 2.5 — le modèle VLA le plus avancé à ce jour. Selon DeepMind, le modèle affiche une hausse du taux de réussite des tâches de 30–100 % selon le type et une accélération de l'exécution de 20–30 % par rapport aux versions précédentes, testées sur plus de 200 tâches, y compris le travail avec des objets déformables et des outils fins.
La méthodologie d'évaluation comprend à la fois des tests en laboratoire et des pilotes réels, par exemple sur les lignes de production Mercedes-Benz avec le robot Apptronik Apollo 2, où un taux de réussite de 96 % a été atteint dans la tâche d'assemblage de pièces. Cependant, DeepMind ne publie pas de benchmarks détaillés par rapport à des modèles externes, et l'accent est mis sur des métriques internes et la steerability — la capacité d'éviter les dangers en temps réel. Cela laisse des questions sur la reproductibilité et la comparaison avec des approches parallèles d'autres laboratoires, telles que les travaux d'OpenAI ou de Boston Dynamics en IA incarnée.
Dans le paysage des modèles du monde, Genie 4 s'appuie sur Genie 3, doublant la durée des simulations cohérentes et ajoutant l'audio natif, ce qui distingue l'approche de DeepMind des générateurs purement visuels comme Runway. L'intégration avec Gemini 4 Argon pour la robotique crée une boucle fermée : les simulations accélèrent l'apprentissage des modèles VLA, qui à leur tour améliorent la qualité des simulations. Il s'agit d'un changement stratégique par rapport aux itérations précédentes, où les données étaient collectées principalement dans le monde réel.
Les conséquences en aval incluent l'accélération du développement de l'intelligence physique : les robots s'adaptent plus rapidement à de nouveaux environnements, ce qui ouvre la voie à une mise à l'échelle industrielle. Cependant, il reste incertain dans quelle mesure les compétences sont généralisables au-delà des 200 tâches testées et comment le modèle gère les scénarios agentiques à long terme sans vérifications supplémentaires.
Les questions ouvertes concernent la vérification indépendante des améliorations annoncées et l'impact sur la sécurité — DeepMind a publié le benchmark ASIMOV-Jailbreak, où Argon affiche 99,5 % de robustesse, mais les risques réels dans des environnements non contrôlés nécessitent des recherches plus poussées de la part de la communauté.
Ainsi, la combinaison de Gemini 4 et Genie 4 déplace l'accent des modèles isolés vers des boucles intégrées de simulation et d'apprentissage, ce qui rend le prochain pas en IA incarnée plus accessible.

