Google Genie 3 : Faut-il vraiment croire au buzz ?

L'auteur introduit Google Genie 3, une technologie capable de créer des environnements de jeux vidéo simulés en temps réel. Cette annonce a provoqué une chute des actions des entreprises de jeux vidéo traditionnels par peur d'une disruption majeure. Parallèlement, une entreprise chinoise nommée Robiont a lancé Lingbot World, un concurrent open source affichant des graphismes supérieurs. La course est lancée pour déterminer qui remplacera l'industrie classique par ces simulations IA. Cependant, l'analyste reste sceptique et suggère que ce buzz pourrait n'être qu'une promesse marketing vide de sens.

L'animateur partage son expérience frustrante en tentant d'accéder à Genie 3 depuis le Canada, se heurtant à une erreur 404 géographique. Même après l'utilisation d'un VPN pour simuler une localisation aux États-Unis, l'accès reste bloqué derrière le mur payant de l'UltraPlan de Google. Le coût de cet abonnement est jugé trop élevé pour un simple test d'outil surmédiatisé. Cette difficulté d'accès soulève des questions fondamentales sur la viabilité commerciale de la technologie. Cette section souligne que l'innovation reste, pour l'instant, réservée à une élite financière et géographique.

L'attention se porte sur Lingbot World, une filiale d'Ant Group liée à Alibaba, qui propose un modèle open source de 14 milliards de paramètres. Bien que les démos suggèrent un contrôle total au clavier, cette fonctionnalité baptisée Lingbot Fast est toujours en cours de développement. Actuellement, l'outil se limite principalement à la génération de vidéos basées sur des trajectoires de caméra pré-enregistrées. L'utilisateur peut contrôler les mouvements intrinsèques de la caméra, mais pas encore le personnage de manière interactive. Cette distinction est cruciale pour comprendre l'état réel de maturité de ces technologies par rapport aux promesses.

L'auteur explique la différence technique majeure entre un générateur vidéo classique et un modèle de monde infini comme Lingbot World. Les générateurs standards oublient souvent les éléments hors cadre, provoquant des incohérences visuelles lorsque la caméra revient sur ses pas. À l'inverse, Lingbot utilise des données géométriques à 6 degrés de liberté pour ancrer chaque pixel dans un espace 3D mathématique. Cela permet de créer une "permanence de l'objet", où le modèle se souvient de l'emplacement exact des éléments environnementaux. Cette intégrité structurelle est ce qui rend le modèle si performant, mais aussi extrêmement lourd à traiter.

La réalité brutale du matériel nécessaire est mise en lumière par une série d'échecs techniques lors des tests. L'auteur a tenté de faire tourner le modèle sur un, deux, quatre, puis huit GPU RTX 1590, subissant systématiquement des plantages par manque de mémoire vive. Le stockage des données de scènes s'accumule jusqu'à l'explosion de la RAM, limitant les démos à seulement quelques secondes. Un système capable de faire tourner correctement cet outil coûterait environ 40 000 dollars, sans compter les autres composants. Cela explique pourquoi Google réserve Genie 3 aux membres Ultra et limite drastiquement la durée des interactions.

Les développeurs eux-mêmes admettent les faiblesses de la technologie, notamment le coût d'inférence élevé et le manque de stabilité à long terme. La simulation souffre de dérives environnementales où la structure de la scène se dégrade après quelques minutes d'utilisation. L'auteur conclut que les jeux vidéo traditionnels ne sont pas menacés dans un avenir proche car cette technologie est encore une chimère. Bien que Lingbot Fast soit attendu avec curiosité, l'architecture actuelle semble inadaptée à un usage grand public. L'honnêteté de l'équipe de Lingbot sur ces limites contraste avec le discours plus opaque de Google.

Pour ceux qui souhaitent tester Lingbot World, l'auteur conseille d'utiliser des instances cloud H200 plus économiques plutôt que d'acheter des cartes grand public. L'utilisation de versions quantifiées en 4-bit peut également aider à réduire l'empreinte mémoire sur des cartes comme la RTX 1590. Un test final est présenté avec une image de Viking, montrant une bonne intégrité environnementale malgré la présence d'artefacts visuels. L'auteur suggère finalement que des workflows comme ComfyUI peuvent produire des résultats supérieurs pour moins de ressources. La vidéo se termine par un appel aux commentaires des spectateurs sur le futur de ces mondes infinis.