Google DeepMind lance Project Genie, une application web permettant aux abonnés Google US Ultra de créer et explorer des mondes interactifs générés par le modèle Genie 3. Contrairement aux modèles vidéo classiques qui produisent des séquences fixes, un "world model" génère l'environnement frame par frame en temps réel, permettant à l'utilisateur de naviguer et interagir.
Fonctionnement et pipeline créatif : L'utilisateur commence par décrire son monde et son personnage. Nano Banana Pro génère d'abord une image "canvas" servant de point de départ visuel. En cliquant sur "Generate World", Genie 3 transforme cette image 2D en environnement 3D explorable. Le passage du 2D au 3D immersif constitue le "moment wow" identifié par les testeurs. L'application permet également d'uploader des photos personnelles - un jouet dinosaure photographié peut devenir un personnage contrôlable dans une reconstitution de la pièce.
Défis techniques : Genie 3 résout un problème plus complexe que la génération vidéo standard. Un modèle vidéo peut ajuster rétroactivement les frames pour assurer la cohérence ; Genie 3 doit générer en temps réel, cohérent avec le passé ET l'action immédiate de l'utilisateur, sans connaître les inputs futurs. La limite actuelle de 60 secondes résulte d'un compromis : le dynamisme du monde tend à diminuer progressivement, et les coûts de serving restent élevés.
Évolution depuis Genie 1 : Genie 1 était un papier de recherche. Genie 2 (décembre 2024) offrait 10 secondes à basse résolution, sans temps réel. Genie 3 (annoncé août 2025, lancé maintenant) atteint une minute en temps réel avec qualité photoréaliste. L'équipe souligne qu'il y a un an, une minute de cohérence en temps réel semblait un objectif ambitieux ; aujourd'hui, les utilisateurs demandent plus.
Applications envisagées : Au-delà du divertissement, l'équipe explore l'éducation (expositions thérapeutiques personnalisées, comme un enfant explorant une pièce pleine d'araignées virtuelles) et l'intelligence incarnée. Le projet Simmer utilise déjà Genie 3 pour entraîner des agents IA capables d'accomplir des objectifs dans des mondes 3D arbitraires - étape vers l'AGI incarnée.
Perspectives : La roadmap inclut le multijoueur (complexe à cause de la latence), davantage de contrôles d'interaction, une API développeur, et l'expansion vers d'autres surfaces. L'équipe estime avoir atteint 50% de leur vision, avec un "headroom énorme" d'améliorations possibles. La vision ultime : une simulation indistinguable de la réalité, "une copie de l'univers où l'on peut faire ce qu'on veut".