Partir, revenir : Genie 4 conserve-t-il le même monde ?

Vous passez devant un arrosoir rouge vif, tournez derrière un mur, puis revenez. Le même arrosoir est-il toujours à côté du banc ? C’est la question utile derrière un test de cohérence de l’environnement et de permanence des objets de Genie 4. Au 28 octobre 2026, Google DeepMind a reconnu que les détails visuels et les objets peuvent dériver lors de sessions plus longues, après des modifications complexes du prompt, ou pendant l’exploration. Ses exemples de lancement montrent un pilotage en temps réel, mais ils n’établissent pas de score de cohérence reproductible. Ce guide vous propose un test contrôlé à exécuter lorsque vous y avez accès, et sépare les démonstrations officielles des résultats qui nécessitent encore une mesure indépendante.

Points clés

• Genie 4 est un aperçu de recherche, et les documents publics examinés ne comprennent aucun benchmark numérique de cohérence.
• Suivez séparément l’identité, le nombre, la position et l’apparence des objets, ainsi que la disposition de la scène, à travers l’occlusion, le mouvement de caméra, les modifications et le temps écoulé.
• Une démo soignée illustre une capacité ; des essais répétés et journalisés sont nécessaires pour mesurer la fiabilité.
• Un modèle vidéo peut aider à sonder la continuité au niveau d’un clip, mais il ne peut pas tester l’état persistant d’un monde interactif.

Image de référence pour le cas de la serre en cinq clips ci-dessous. Le papillon bleu, la suspension en croissant doré, l’arche en fer et le socle en marbre sont les éléments à comparer entre les clips. Cette image de départ générée n’est pas un résultat de test Genie 4.

Ce que signifie la cohérence de l’environnement dans Genie 4

« Cohérence » peut décrire plusieurs choses différentes. Un monde peut sembler convaincant dans une image tout en échouant à préserver un objet après une rotation. Il peut garder un arrosoir rouge visible mais changer sa forme, le dupliquer ou le déplacer de l’autre côté du banc. Une évaluation utile enregistre ces dimensions séparément au lieu d’attribuer un vague réussite ou échec à toute la scène.

Pour un test simple de permanence des objets, définissez la cible avant l’exécution. Dans l’exemple ci-dessous, la cible est exactement un arrosoir en métal rouge vif posé au sol à côté d’un banc en bois. L’arrosoir est suffisamment distinctif pour être retrouvé, tandis que le banc vous donne un repère stable pour mesurer la position relative.

La permanence des objets est plus étroite que la qualité globale de la scène. Elle demande si un objet continue d’exister avec une identité et un état stables lorsqu’il est caché ou hors de la vue actuelle. La cohérence de l’environnement couvre aussi la géométrie environnante, les détails visuels et les conséquences des modifications. Rapportez les deux séparément : un objet peut persister tandis que l’arrière-plan dérive, ou la cour peut rester stable tandis que l’objet change.

Cette distinction compte lorsqu’on évalue un modèle de monde pour le prototypage de jeu ou la recherche sur les agents. Un développeur peut accepter une variation d’arrière-plan lors de l’exploration précoce d’un concept, mais un objet qui se téléporte après qu’un joueur est passé derrière un mur peut invalider une énigme, un itinéraire ou une séquence d’interaction. Le test doit correspondre au coût de cet échec dans le flux de travail prévu.

Ce que Google a communiqué sur la dérive de Genie 4

Google DeepMind décrit Genie 4 comme un modèle de monde interactif en temps réel capable de répondre à la navigation au clavier, aux commandes de caméra et aux prompts textuels. Dans son article de lancement, l’entreprise indique qu’il peut piloter une scène au fur et à mesure qu’elle évolue et montre des exemples de changements guidés par prompt et de navigation (annonce de Google DeepMind, octobre 2026). Ces exemples établissent ce que les démonstrations publiques sont censées montrer. Ils ne fournissent pas d’essais répétés, de graine fixe, de coordonnées d’objets mesurées ni de taux de réussite pour les tests de retour à la scène.

La même annonce nomme directement la limitation pertinente : les détails visuels et la permanence des objets peuvent se décaler ou dériver avec le temps. Elle précise que cela devient plus visible à mesure qu’une simulation tourne longtemps, après plusieurs modifications complexes du prompt, ou pendant la navigation dans la scène. La page produit ajoute que Genie 4 prend en charge quelques minutes d’interaction continue plutôt que des sessions prolongées, et classe la cohérence à long terme parmi les domaines de travail en cours (page du modèle Genie 4).

Cette formulation donne aux testeurs un ensemble utile de conditions à faire varier : la durée écoulée de la session, le nombre et la complexité des modifications, ainsi que la distance ou l’ampleur de la navigation. Elle ne nous dit pas à quelle fréquence un arrosoir va se déplacer, quelle quantité de changement visuel compte comme un échec, ni comment Genie 4 se compare à un autre système dans les mêmes conditions. Ces questions nécessitent un test opérationnel et des observations publiques.

Le statut d’accès influence aussi ce qui peut être affirmé. Les pages officielles décrivent un aperçu de recherche destiné aux testeurs de confiance, avec un accès plus large prévu via Project Genie et des partenaires en accès anticipé. La disponibilité peut changer, alors vérifiez la voie d’accès actuelle avant de considérer ce protocole comme exécutable par tous les lecteurs. La date de l’article indique quand ce statut a été vérifié ; il ne s’agit pas d’affirmer que l’aperçu restera à accès restreint indéfiniment.

Un test reproductible de permanence des objets pour Genie 4

Utilisez d’abord une scène simple et un seul objet cible. Les scènes élaborées introduisent des variables supplémentaires : des personnes peuvent masquer l’objet, des reflets peuvent modifier sa couleur apparente, et plusieurs accessoires similaires peuvent rendre l’identité difficile à juger. Commencez par la cour, un banc, un muret et un arrosoir rouge. Gardez le prompt et la séquence de commandes inchangés entre des exécutions comparables.

Utilisez cette séquence dès que vous avez accès à Genie 4 :

1. Créez la scène de départ. Saisissez : « Créez une cour extérieure simple avec un mur bas en pierre, un banc en bois et exactement un arrosoir en métal rouge vif posé au sol à côté du banc. Gardez la disposition claire et stable. N’ajoutez, ne supprimez, ne déplacez et ne dupliquez aucun objet sauf si je le demande explicitement. »
2. Enregistrez la vue de référence. Capturez la scène avant d’agir. Notez la position de l’arrosoir à l’écran et sa relation avec le banc, le mur et l’orientation de la caméra. Notez si la scène de départ contient réellement un seul arrosoir à l’endroit demandé.
3. Masquez puis revenez. Déplacez la caméra derrière le mur en pierre, puis revenez à la position de vue d’origine. Évitez toute modification textuelle dans cette passe. Vérifiez si l’arrosoir est toujours unique, reconnaissable et à côté du même banc.
4. Explorez puis revenez. Déplacez-vous autour du banc et à travers la cour en utilisant les mêmes commandes à chaque fois. Revenez à la position d’origine. Notez si les repères et la position relative ont survécu au trajet.
5. Appliquez une modification isolée. Demandez : « Changez le ciel en gris couvert. Ne changez pas la cour, le banc, l’arrosoir ni leurs positions. » Vérifiez le changement de ciel, puis évaluez séparément tout changement non lié.
6. Inspectez à nouveau plus tard. Répétez la vue de retour après un intervalle défini ou un nombre journalisé d’actions. Enregistrez le temps écoulé et tout ce qui a été fait entre-temps. Ne traitez pas des sessions séparées comme des essais appariés, sauf si le produit fournit une réinitialisation ou une graine reproductible.

La matrice de test permet à chaque passe de répondre à une question distincte. Un retour propre après occlusion teste si la cible reste représentée hors de la vue. Un trajet teste si les relations spatiales survivent au mouvement de caméra. La modification isolée teste si un changement explicite déborde sur un état non lié. Une inspection ultérieure sonde la dérive au fil du temps. Ensemble, ces vérifications produisent un rapport plus utile qu’une simple capture d’écran étiquetée « cohérent ».

Enregistrez la configuration avant la première exécution

Un résultat sans sa configuration est difficile à interpréter. Journalisez la date, la voie d’accès, la durée de la session, le prompt de scène complet, les prompts de suivi exacts, les commandes utilisées et la méthode d’enregistrement. Incluez l’ordre des tests et toute pause. Si l’interface expose une graine, une réinitialisation ou un identifiant de session, notez-le ; sinon, écrivez « aucune réinitialisation ni graine reproductible observée ».

Conservez des captures vidéo ou d’images avec horodatages, en particulier la vue de départ, le moment où l’objet devient occulté et la vue de retour. Ces captures permettent à quelqu’un d’autre de vérifier si le changement apparent vient de l’objet, de l’angle de caméra, de l’éclairage ou d’une image ambiguë. Elles protègent aussi contre le biais de mémoire : après une session visuellement riche, les gens ont tendance à se rappeler la scène voulue plutôt que son état rendu exact.

Pour une répétition, réutilisez le même prompt et les mêmes actions aussi fidèlement que l’interface le permet. Si l’état de départ change entre les tentatives, rapportez les tentatives comme des observations distinctes, et non comme une comparaison A/B contrôlée. Le nombre d’exécutions compte. Un retour réussi constitue une preuve concernant une seule exécution ; cela ne montre pas que le même résultat est fiable d’une session à l’autre.

Évaluez la dérive sans fausse précision

Utilisez un libellé ordinal pour chacune des cinq dimensions. Il s’agit d’une grille de notation pratique, et non d’un benchmark validé ni d’une affirmation sur l’évaluation interne de DeepMind. Un score doit résumer ce que montre l’enregistrement, sans laisser entendre une mesure au niveau du pixel lorsqu’aucune n’a été effectuée.

Notez séparément l’identité, le nombre, la position, l’apparence et la disposition pour chaque passe. Ajoutez un horodatage ou une référence d’image et une courte note factuelle pour chaque dérive mineure ou majeure. Si un point est non observable, laissez-le non noté plutôt que de transformer une preuve manquante en réussite. Gardez les preuves près du score afin que les lecteurs puissent distinguer une observation mesurée d’une impression.

Ne faites pas la moyenne de ces libellés pour obtenir un pourcentage. Les catégories sont ordinales, et une simple moyenne masquerait si l’échec critique était un léger changement de couleur ou un objet dupliqué. Si l’application nécessite une décision unique, définissez d’abord sa condition d’échec. Par exemple, une mécanique de jeu qui dépend du fait que l’arrosoir reste à côté du banc peut considérer toute dérive majeure de position comme un échec, tandis qu’une exploration précoce de mood-board peut tolérer une dérive mineure d’apparence.

Ce que montrent les démos publiques de Genie 4 et ce qu’elles ne peuvent pas prouver

Google indique que ses enregistrements de lancement montrent des interactions en temps réel dans lesquelles les utilisateurs naviguent avec des commandes standard et pilotent des scènes avec du texte. Ils sont utiles pour comprendre la boucle d’interaction prévue : créer un monde par prompt, déplacer la caméra et modifier une scène pendant qu’elle continue. Ce sont toutefois des démonstrations sélectionnées, et les pages officielles ne les présentent pas comme des essais répétés de permanence des objets.

Un clip peut montrer qu’un objet apparaît à deux moments. Sans état de départ documenté, occlusion explicite, retour à la même position de caméra et exécutions répétées, il ne peut pas montrer à quelle fréquence l’objet persiste ni combien il a changé hors de la vue. Un enregistrement sélectionné peut aussi omettre le temps entre les moments. Traitez les images de lancement comme une preuve qualitative de capacité, et non comme un benchmark contrôlé.

Cette frontière est particulièrement importante parce que l’annonce elle-même signale des conditions de dérive. Le matériel public offre un point de départ honnête pour l’évaluation, tout en laissant ouverte la question clé de la fiabilité. Un article ou une note de laboratoire prudent devrait étiqueter les preuves comme « démonstration officielle », « exécution pratique unique » ou « résultat pratique répété ». Ces étiquettes empêchent les lecteurs de confondre une catégorie avec une autre.

Quand les preuves actuelles suffisent pour une décision de flux de travail

Pour l’exploration de concepts, la question pertinente peut être de savoir si une équipe peut itérer rapidement sur l’atmosphère, la direction de caméra ou une scène explorable. Un aperçu qui produit un point de départ convaincant peut être utile même si un accessoire se déplace, à condition que l’équipe traite le résultat comme un brouillon et ne promette pas un état stable. DeepMind cite la direction créative et le prototypage d’expériences interactives parmi les domaines explorés par les testeurs de confiance, tout en positionnant le modèle comme une recherche précoce.

Pour l’évaluation d’agents, la logique de gameplay ou une simulation dont le résultat dépend d’un état persistant des objets, une démo de lancement ne suffit pas. Une équipe devrait exiger des tests répétés sur l’interaction exacte qui compte, avec la scène, les commandes, la durée de session et le seuil d’échec consignés. Si une tâche dépend d’emplacements précis d’objets ou d’interactions complexes entre plusieurs agents, ce sont des tests distincts ; une réussite ponctuelle d’occlusion d’un seul objet ne peut pas les établir.

Une règle de décision pratique consiste à aligner le niveau de preuve exigé sur la conséquence de la dérive :

• Conséquence faible : Utilisez des mondes générés pour explorer une direction visuelle ou des idées d’interaction approximatives. Gardez un humain dans la boucle et attendez-vous à des réparations manuelles.
• Conséquence modérée : Prototypez une mécanique seulement après des exécutions répétées de sa séquence d’objet et de caméra centrale. Journalisez les réinitialisations, les nouvelles tentatives et les cas d’échec.
• Conséquence élevée : Ne vous fiez pas à des clips publics de lancement ni à une passe isolée. Exigez une validation propre à la tâche, un comportement stable en session et un moyen de reproduire l’état de départ avant de traiter le monde comme une simulation fiable.

Ce n’est pas un verdict selon lequel Genie 4 ne peut pas prendre en charge des usages exigeants. C’est une frontière de décision fondée sur les preuves publiques actuellement disponibles. À mesure que l’accès à l’aperçu s’élargit et que des tests indépendants apparaissent, les équipes pourront remplacer ce seuil prudent par des données issues de leurs propres tâches.

Un cas de continuité en cinq plans : la lanterne papillon dans la serre

La cour simple ci-dessus est le test contrôlé. Un cas créatif plus exigeant demande si un personnage richement vêtu, une caméra en mouvement et un arrière-plan chargé peuvent coexister avec un objet cible stable. Imaginez une serre au crépuscule remplie de vitres bleu sarcelle, de bougainvilliers corail, d’orchidées magenta, de lampes ambrées et de reflets sur un sol en mosaïque mouillé. Une danseuse avec une natte cuivrée et une veste brodée vert jade suit une trajectoire courbe à travers la pièce. La cible est exactement une lanterne papillon en verre outremer avec une petite poignée en croissant doré, suspendue au côté gauche d’une arche en fer noir au-dessus d’un socle en marbre blanc. Elle doit y rester avec la même couleur, la même forme et la même poignée tout au long de la séquence.

Si vous avez accès à Genie 4, créez ce monde une fois et enregistrez cinq segments consécutifs de dix secondes en y naviguant. Gardez la même session ; ne régénérez pas un nouveau monde pour chaque segment. Le segment 1 établit la vue de référence. Le segment 2 cache la lanterne derrière le feuillage puis revient. Le segment 3 contourne l’arche et revient depuis une nouvelle direction. Le segment 4 ne change que le ciel et la lumière. Le segment 5 revient après un mouvement supplémentaire. Enregistrez le trajet de caméra et les horodatages, puis évaluez l’identité, le nombre, la position, l’apparence et la disposition par rapport au segment 1. Ce sont des actions proposées, et non des résultats d’une exécution Genie 4 terminée.

Pour un proxy de continuité visuelle que vous pouvez réaliser vous-même sur Atlas Cloud, utilisez Wan 2.7 Image-to-Video, modèle alibaba/wan-2.7/image-to-video. Son mode publié prend en charge des clips de dix secondes et le guidage par première image. Créez une image de référence soigneusement composée, puis utilisez-la comme première image du clip 1 ; utilisez la dernière image de chaque clip comme première image du clip suivant lorsque ce contrôle est disponible. Demandez cinq clips distincts de dix secondes, silencieux, en 16:9, et convertissez chaque clip terminé en son propre GIF. Ne divisez pas un clip source en cinq GIF. Le prompt complet de l’image de référence et les cinq prompts vidéo minutés sont fournis dans la fiche de prompts ci-jointe. Les clips peuvent révéler une dérive visuelle intra-clip ou inter-clips ; ils ne peuvent pas mesurer si Genie 4 se souvient d’un monde interactif.

Les cinq clips ci-dessous montrent une vue de référence, une occlusion, un trajet de caméra, une tentative de modification portant uniquement sur la lumière et un retour ultérieur. Chaque GIF provient d’un clip source distinct de dix secondes. Ils illustrent ce qu’il faut inspecter ; ils n’établissent pas de score de cohérence Genie 4.

1. Vue de référence. La caméra descend et décrit un arc vers la danseuse tandis qu’elle se tourne, sourit et fait un geste vers le papillon bleu. L’arche, le socle en marbre, la suspension en croissant et le papillon sont visibles ensemble, ce qui donne aux clips suivants un point de comparaison.

Clip 1 : Enregistrez la vue d’ouverture et la vue finale nette comme référence pour l’identité, le nombre, la position et la disposition de l’objet.

2. Occlusion et retour. La caméra se déplace à travers le feuillage tandis que la danseuse contourne le socle. Le papillon quitte brièvement la vue, puis réapparaît à côté de la même arche et du même socle. Comparez son motif d’aile bleu et sa suspension en croissant doré avant et après l’obstruction.

Clip 2 : L’observation importante est l’apparence du papillon et son point de suspension au retour, pas seulement le mouvement de la danseuse.

3. Trajet de caméra. La caméra traverse la serre, change d’angle sur l’arche et suit la danseuse tandis qu’elle tend la main vers un pétale à la dérive. Le papillon bleu reste un repère spatial visible dans les vues échantillonnées.

Clip 3 : Comparez le papillon, l’arche et le socle depuis le point de vue modifié avant de juger si la disposition a bougé.

. Modification portant uniquement sur la lumière. Le changement demandé est une lumière plus froide, bleu pluie, à travers la verrière. Les images montrent cette lumière plus froide pendant le mouvement au-dessus, tandis que la vue finale se réchauffe vers la palette crépusculaire précédente. Ce changement visible compte lorsqu’on évalue une prétendue modification portant uniquement sur la lumière ; il ne doit pas être rapporté comme un état météorologique parfaitement maintenu.

Clip 4 : Inspectez la météo et l’éclairage séparément du nombre, de la forme et de la position du papillon.

5. Retour différé. La danseuse suit une autre trajectoire courbe, se retourne vers l’arche et tend la main tandis que la caméra s’élargit. La vue finale montre à nouveau un seul papillon bleu sous la suspension en croissant et au-dessus du socle en marbre.

Clip 5 : Comparez cette vue finale avec le clip 1. Les images soumises sont un exemple de continuité visuelle, et non un retour interactif enregistré dans Genie 4.

La palette saturée et le mouvement expressif rendent l’exemple plus facile à suivre, mais les reflets, les fleurs, les tissus et la lumière changeante créent aussi des occasions de fausses impressions. Dans les images échantillonnées, le papillon reste reconnaissable au niveau de l’arche ; la lumière froide bleu pluie demandée pour le clip 4 ne persiste pas jusqu’au retour final. Un rapport rigoureux inspecterait les clips complets image par image et enregistrerait toute dérive d’objet séparément du changement d’éclairage. Ces cinq clips générés indépendamment ne peuvent pas montrer si Genie 4 maintient l’état lorsqu’un utilisateur s’éloigne en naviguant.

Ce qui reste inconnu concernant la cohérence de Genie 4

Les documents de lancement examinés ne publient pas de benchmark quantitatif de cohérence, de tolérance numérique pour la dérive des objets, d’exécutions répétées à partir d’états initiaux fixes, ni de résultat pratique indépendant pour ce protocole. Ils ne fournissent pas non plus de prix public de l’API Genie 4 dans les documents examinés. L’absence dans ces sources ne prouve pas qu’il n’existe aucune évaluation interne ni donnée de testeur ; cela signifie que les lecteurs ne peuvent pas inspecter ces résultats ici.

Plusieurs questions utiles restent ouvertes : comment la cohérence varie-t-elle selon les types de scènes ? Une modification de prompt courte et simple cause-t-elle moins de dérive qu’une chaîne de modifications ? Dans quelle mesure l’image de départ ou la complexité de la scène compte-t-elle ? Les testeurs peuvent-ils réinitialiser le même monde et comparer les exécutions ? À quelle fréquence un objet change-t-il d’identité, de nombre ou d’emplacement après avoir quitté la vue ?

La prochaine preuve utile serait un rapport de test publiant les prompts, la voie d’accès, la durée de session, le nombre de tentatives, le trajet des commandes, les conditions de réinitialisation, les enregistrements et les scores par dimension. D’ici là, la conclusion la plus exacte que l’on puisse tirer d’un test de cohérence de l’environnement et de permanence des objets avec Genie 4 est une méthode, pas un score : le modèle a reconnu une dérive liée aux longues sessions et à la navigation, tandis que les démonstrations publiques ne quantifient pas encore sa fréquence.

Lorsque l’accès devient disponible, exécutez le petit test de la cour avant de vous engager dans un flux de travail qui dépend d’un état persistant. Sauvegardez chaque enregistrement et notez les cinq dimensions séparément. Cela vous donne une base de référence reproductible et remet une démo marquante à sa juste place : une raison de tester, pas un substitut au test.

Questions fréquentes

Genie 4 est-il disponible publiquement ?

Les pages officielles consultées le 28 octobre 2026 le décrivent comme un aperçu de recherche destiné aux testeurs de confiance, avec un accès plus large prévu via Project Genie et des partenaires en accès anticipé. Consultez la page actuelle de Genie 4 avant de planifier une exécution, car l’accès à l’aperçu peut changer.

Google a-t-il publié un benchmark de cohérence pour Genie 4 ?

Les documents de lancement officiels examinés pour cet article ne fournissent pas de score numérique de cohérence ni de résultats répétés de permanence des objets. Ils divulguent toutefois que les détails visuels et la permanence des objets peuvent dériver avec le temps, en particulier lors de sessions plus longues, après des modifications complexes ou pendant la navigation.

Le mouvement de caméra compte-t-il comme un test de permanence des objets ?

C’est une condition utile, mais notez si l’objet a été entièrement caché et si la caméra est revenue à une vue comparable. Une orbite de caméra qui n’occulte jamais l’objet teste davantage la cohérence du point de vue que la persistance hors de vue.

Un modèle de génération vidéo peut-il tester la permanence des objets dans un monde interactif ?

Non. Il peut tester si un objet semble stable dans un clip généré. Il ne peut pas établir qu’un monde interactif conserve l’état après qu’un utilisateur change de position, agit sur l’environnement ou revient plus tard dans une session.