Fini les compromis ? Nano Banana 2 et Pro débarquent sur Gemini API

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.

« Nano Banana 2 Lite » de Google : son nouveau modèle d'image, le plus rapide et le moins cher à ce jour

Google DeepMind a dévoilé Nano Banana 2 Lite, son nouveau modèle de génération d'images, présenté comme le plus rapide et le moins coûteux de sa gamme. Techniquement baptisé Gemini 3.1 Flash Lite Image, il appartient à la famille Gemini 3.1 et est disponible dès aujourd'hui sur l'ensemble de l'écosystème Google. Sa principale promesse est de produire des images en une fraction du temps requis par les modèles plus lourds de l'entreprise, tout en conservant une qualité proche de celle des versions standard. Pour étayer cette affirmation, Google s'appuie sur des scores Elo issus de la plateforme Arena.ai, qui montrent que les utilisateurs évaluent les résultats de Nano Banana 2 Lite presque aussi favorablement que ceux des versions non allégées du modèle. Cette nouveauté répond à un problème concret du secteur : les modèles d'image les plus qualitatifs sont généralement lents et onéreux, ce qui freine leur usage pour des tâches d'itération rapide. En misant sur la vitesse et le faible coût, Google cible explicitement les usages de prototypage et d'exploration créative, où la rapidité d'exécution compte davantage que la perfection du rendu final. Pour les développeurs et créateurs qui génèrent de nombreuses variantes avant de retenir une image définitive, ce gain de réactivité peut réduire significativement les coûts d'infrastructure et accélérer les flux de travail créatifs. Google reconnaît toutefois des limites : le modèle peine davantage avec le texte intégré aux images, en particulier les caractères de petite taille, et les infographies générées contiennent plus souvent des données erronées. La cohérence des personnages et des visages d'une génération à l'autre reste également moins fiable que sur les modèles complets. Ces compromis illustrent une tendance plus large du secteur de l'IA générative, où les éditeurs déclinent désormais leurs modèles phares en versions allégées afin de répondre à des besoins différenciés selon les usages, qu'il s'agisse de production finale soignée ou de simple exploration d'idées à grande échelle.

Gemini 3.1 Flash TTS : prenez les commandes de l’émotion grâce aux balises audio

Google a lancé le 15 avril 2026 Gemini 3.1 Flash TTS, son nouveau modèle de synthèse vocale conçu pour donner aux créateurs un contrôle fin sur le rendu émotionnel des voix générées. La principale nouveauté réside dans l'introduction des balises audio, des commandes en langage naturel intégrées directement dans le texte pour piloter le rythme, l'intonation et le style vocal phrase par phrase. Concrètement, un développeur peut indiquer dans sa requête qu'un passage doit être prononcé avec "excitation" ou de manière "explicative", et le modèle adapte sa synthèse en conséquence. Le modèle prend en charge plus de 70 langues, dont 24 bénéficient d'une qualité dite premium, parmi lesquelles l'hindi, le japonais et l'allemand. Il est déjà intégré dans Google Vids, la Gemini API et Google AI Studio, et inclut le watermarking SynthID sur tous les outputs. Cette capacité à sculpter la voix par instructions textuelles représente un changement de paradigme pour les producteurs de contenu audio et les équipes de développement. Jusqu'ici, les modèles TTS généraient une voix uniforme, difficile à différencier selon le contexte ou le ton voulu. Avec Gemini 3.1 Flash TTS, les entreprises qui produisent des podcasts automatisés, des assistants vocaux, des vidéos pédagogiques ou des expériences de narration interactive peuvent adapter le rendu vocal sans post-production manuelle. La couverture multilingue avec maintien de la cohérence émotionnelle ouvre aussi la voie à des déploiements localisés à grande échelle, un enjeu crucial pour les acteurs globaux qui ne peuvent pas se permettre de perdre en expressivité lors du passage d'une langue à l'autre. Cette annonce s'inscrit dans une course intense entre les grands acteurs de l'IA générative pour dominer le segment de la voix. OpenAI a lancé ses propres capacités TTS via l'API et ses modèles de voix en temps réel, ElevenLabs a consolidé sa position sur le marché des créateurs, et Microsoft intègre des fonctions similaires dans Azure Cognitive Services. Google, avec DeepMind en soutien, mise sur l'intégration native dans son écosystème existant, Google Vids, AI Studio, pour accélérer l'adoption sans friction. Le fait que Gemini 3.1 Flash TTS soit directement accessible via la Gemini API suggère une stratégie orientée développeurs d'abord, avant un éventuel déploiement grand public. Les prochaines étapes probables incluent une extension des langues premium, un affinement des balises disponibles et une intégration dans NotebookLM ou d'autres outils de productivité Google déjà très utilisés.

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.