Gemini Omni : l’IA vidéo de Google maîtrise enfin la physique et les personnages constants

Google lance Gemini Flash Omni sur son API, rendant la production vidéo en entreprise conversationnelle

Google a officiellement ouvert l'accès à Gemini Omni Flash via une API pour développeurs et entreprises, quelques semaines après sa présentation aux consommateurs lors de la conférence I/O 2026 en mai. Il s'agit du premier modèle de la nouvelle famille "Omni" de Google, conçue pour générer du contenu "à partir de n'importe quelle entrée", avec une priorité donnée à la vidéo. La fonctionnalité centrale n'est pas simplement la génération de vidéo à partir d'un texte : c'est la capacité d'éditer une vidéo terminée par une conversation en langage naturel, chaque instruction s'appuyant sur la précédente. Un marketeur peut ainsi retravailler l'éclairage d'un plan produit, recadrer l'image ou modifier un costume sans tout régénérer depuis le début et perdre ce qui fonctionnait déjà. Pour les équipes marketing et formation en entreprise, qui produisent le plus grand volume de vidéos internes, cet outil change concrètement l'équation économique. Jusqu'ici, assembler une vidéo IA nécessitait de connecter cinq outils distincts : un LLM pour le script, un modèle texte-vers-image, un modèle image-vers-vidéo, un outil de synchronisation labiale et un générateur de voix, chacun avec son propre contrat, sa facturation et ses règles de gestion des données. Omni Flash unifie tout cela en un seul modèle qui accepte du texte, des images et des vidéos existantes pour produire un clip avec audio synchronisé. Pour une organisation qui évitait jusqu'ici la vidéo générative parce que l'intégration de ces outils coûtait trop cher en effort, la barrière tombe significativement. Le modèle intègre également un "world model" qui simule le comportement physique des scènes : ajouter de la pluie à un plan existant génère des reflets cohérents des personnes et objets présents sur la chaussée mouillée, ce qui distingue la vidéo IA d'un résultat générique. Google a lancé Gemini Omni à I/O 2026, mais son absence d'interface programmatique en faisait alors un outil grand public et prosumer, sans intérêt pour les productions en entreprise. Cette ouverture via API corrige précisément ce manque. Le modèle accepte des images de référence et des clips vidéo existants comme ingrédients : fournir la photo d'un objet réel permet de l'insérer dans une scène en respectant sa couleur et sa forme, plutôt que de l'inventer de toutes pièces. La fonctionnalité d'insertion de texte et de logos dans des scènes existantes, utile pour les vidéos de formation ou les publicités localisées, montre des résultats prometteurs mais imparfaits : dans les scènes complexes, le suivi de panneaux et la cohérence textuelle entre les images restent perfectibles. Google souligne lui-même que les sorties nécessitent une relecture humaine avant diffusion, ce qui suggère que l'outil vise à accélérer la production, pas à la remplacer entièrement.

💬 Ce qui change avec Omni Flash, c'est pas la génération vidéo en soi, c'est qu'on peut enfin retoucher un plan fini à la voix au lieu de tout recracher depuis zéro à chaque instruction. Avant, une boîte qui voulait faire de la vidéo IA payait cinq abonnements et bricolait les exports entre eux, là Google range tout ça dans une seule API, et c'est le genre de truc qu'on attendait depuis deux ans. Reste que le texte part encore en vrille dans les scènes complexes et que Google demande lui-même une relecture humaine avant diffusion, donc le monteur garde son job, mais son rythme de boulot vient de changer.

Gemini Omni : ce pourrait être l’IA la plus dangereuse pour le montage vidéo

À quelques jours du Google I/O 2026, prévu les 19 et 20 mai, des fuites repérées dans l'application mobile Gemini ont mis en lumière un nouveau modèle d'IA vidéo baptisé Gemini Omni. Des lignes de code et des captures d'écran révèlent des fonctionnalités inédites : "edit directly in chat", "remix your videos", "try a template". Concrètement, le modèle permettrait de modifier une vidéo directement dans une interface conversationnelle, sans logiciel dédié, sans timeline complexe. Les premières démonstrations circulant sur les réseaux montrent des modifications rapides et cohérentes, et certains testeurs signalent une consommation élevée des quotas d'utilisation, signe que Google ferait tourner un modèle particulièrement gourmand en calcul. Le compte TestingCatalog, spécialisé dans la traque des fonctionnalités cachées, a été le premier à documenter ces indices le 11 mai 2026. L'impact potentiel dépasse largement la simple mise à jour d'un outil existant. Si les fuites se confirment, Gemini Omni s'attaquerait directement aux workflows de création vidéo professionnelle : publicité, courts-métrages, contenu social media. L'idée de pouvoir écrire une instruction en langage naturel, "rends cette scène plus dynamique avec une musique épique", et obtenir une vidéo retravaillée en quelques minutes représente une rupture majeure par rapport aux outils actuels. Cela menacerait des acteurs comme Adobe Premiere, DaVinci Resolve, mais aussi les plateformes d'IA vidéo spécialisées comme Runway ou Pika, qui ont bâti leur modèle sur la fragmentation des usages. Pour les créateurs de contenu, les agences et les petites productions, ce type d'outil pourrait réduire drastiquement les coûts et les délais de production. Le choix du terme "Omni" est révélateur de la stratégie de Google. Dans le secteur de l'IA, il désigne des modèles capables de traiter simultanément plusieurs types de contenu : texte, image, audio, vidéo. Google semble vouloir unifier sous une seule IA ce qui est aujourd'hui dispersé entre Veo pour la génération vidéo, Imagen pour les images, et Gemini pour le texte. Plusieurs observateurs estiment que Veo pourrait être absorbé dans cette architecture unifiée. La compétition est intense : OpenAI développe des capacités vidéo dans GPT-4o, Runway et Pika lèvent des fonds à des valorisations records. Mais l'ambition d'une IA véritablement omnicanale, capable de produire nativement une campagne publicitaire complète depuis une simple idée textuelle, placerait Google dans une position stratégique unique. Tout reste à confirmer lors de la keynote du 19 mai, pour l'heure, ces informations reposent sur des fuites non officielles.

Google lance Nano Banana 2 Lite pour la génération rapide d'images IA et Gemini Omni Flash pour la vidéo via API

Google enrichit sa gamme de modèles génératifs avec deux nouveaux outils. Nano Banana 2 Lite génère des images en quatre secondes, pour un coût de 0,034 dollar par image. Gemini Omni Flash, de son côté, fait son entrée dans l'API avec une capacité inédite pour Google : la génération et l'édition de vidéos à partir de simples prompts textuels. L'entreprise recommande d'ailleurs de chaîner les deux modèles pour un flux de travail complet, en partant d'une image générée rapidement puis en l'animant sous forme de vidéo courte. Cette double annonce répond à une demande croissante des développeurs pour des outils multimédias rapides et économiques, intégrables directement dans des applications ou des pipelines de production de contenu. La vitesse de génération de Nano Banana 2 Lite, quatre secondes seulement, en fait un candidat sérieux pour les cas d'usage nécessitant de la réactivité, comme les interfaces conversationnelles ou les générateurs de contenu en temps réel. Quant à Gemini Omni Flash, il ouvre la porte à des usages jusque là réservés à des outils spécialisés et coûteux, comme la retouche vidéo pilotée par texte, désormais accessible via une simple requête API. Cette annonce s'inscrit dans la compétition intense que se livrent les grands acteurs de l'IA générative, Google, OpenAI et Meta en tête, pour dominer le marché des outils de création multimédia. Après avoir lancé les premières versions de Nano Banana pour la génération d'images, Google accélère la cadence en misant sur la rapidité et le faible coût comme arguments de différenciation face à ses concurrents. L'intégration de la génération vidéo directement dans l'API Gemini marque aussi une étape vers des workflows entièrement automatisés, où texte, image et vidéo pourraient être générés et combinés sans intervention humaine, une tendance appelée à s'accélérer dans les mois à venir.

Gemini Omni vs Seedance 2.0 : quelle est la meilleure IA de génération vidéo en 2026 ?

Google a officiellement lancé Gemini Omni le 19 mai 2026 lors de son Google I/O annuel, entrant directement en concurrence avec Seedance 2.0 de ByteDance, sorti dès le 12 février 2026. Ces deux modèles représentent aujourd'hui le sommet de la génération vidéo par IA. Gemini Omni remplace Veo 3.1 dans l'application Gemini et introduit une nouveauté de fond : l'édition conversationnelle. L'utilisateur génère un clip, puis demande en langage naturel de modifier l'arrière-plan, de changer un personnage ou de stabiliser une séquence, sans passer par une timeline ou des calques. Seedance 2.0, lui, trône en tête du classement Artificial Analysis Video Arena avec un score Elo de 1 269 en texte-vers-vidéo et 1 351 en image-vers-vidéo, devant Kling 3.0, Veo 3.1 et Sora 2. Sa signature technique est la génération audio native et synchronisée en une seule passe : chaque son d'impact, chaque ambiance musicale est produit automatiquement au bon moment, sans post-production. L'enjeu commercial est clair : la vidéo générée par IA sort du stade expérimental pour devenir un outil de production réel. Pour les créateurs de contenu, les agences et les entreprises, le choix entre ces deux plateformes aura des conséquences concrètes sur les flux de travail. Gemini Omni cible les utilisateurs déjà dans l'écosystème Google, avec une intégration native à Google Photos, Workspace, YouTube et Android, ainsi que la possibilité de créer des avatars numériques réutilisables. Seedance 2.0 s'adresse davantage aux professionnels qui cherchent une qualité visuelle maximale et un contrôle précis via des références multiples et des keyframes. Sur le plan tarifaire, Google propose Gemini Omni dès 19,99 dollars par mois (plan Pro), avec un plan Ultra redescendu à 99,99 dollars lors du Google I/O, après avoir été affiché à 249 dollars. L'API, attendue dans les semaines à venir, devrait coûter environ 0,10 dollar par seconde en qualité standard. Cette confrontation s'inscrit dans une bataille plus large entre les grandes plateformes technologiques pour contrôler les outils de création vidéo à l'ère de l'IA générative. ByteDance bénéficie d'un avantage structurel : Seedance 2.0 a été entraîné sur des milliards de vidéos TikTok et Douyin, lui conférant une compréhension fine des dynamiques corporelles et des esthétiques populaires. Google, de son côté, mise sur l'intégration écosystème et la facilité d'usage conversationnel pour compenser un léger retard sur la qualité brute de génération, reconnu par les premières analyses indépendantes. L'API Gemini Omni n'étant pas encore disponible, le déploiement est encore partiel, ce qui laisse à Seedance 2.0 quelques semaines supplémentaires pour consolider sa position de référence sur le marché.

💬 Seedance 2.0 écrase les benchmarks, c'est factuel. Mais Google joue un jeu différent : l'édition conversationnelle sans timeline, intégrée nativement dans l'écosystème que tout le monde utilise déjà, c'est le genre de truc qui fait bouger les usages en masse, même avec un léger retard sur la qualité brute. L'API Gemini pas encore dispo, ByteDance entraîné sur des milliards de TikToks : les prochaines semaines vont être intéressantes à suivre.