Gemini Omni 1.2 Flash : la vidéo IA devient-elle enfin pilotable ?

Google ne promet pas seulement de générer de meilleures vidéos : avec Gemini Omni 1.2 Flash, l’entreprise veut rendre leur fabrication moins coûteuse et surtout plus facile à corriger. Le modèle produit désormais des clips avec audio jusqu’à 15 secondes, accepte des modifications successives en langage naturel et coûte 0,07 dollar par seconde en 720p via l’API.

L’annonce du 5 novembre 2026 vise clairement les usages professionnels en volume : vidéos de produits, essayages virtuels, publicités courtes et contenus pour les réseaux sociaux. La nouveauté la plus intéressante n’est pourtant pas la durée maximale. C’est la possibilité de reprendre un clip sans tout régénérer.

Quinze secondes, avec une durée vraiment choisie

Gemini Omni 1.2 Flash génère et modifie des vidéos de 3 à 15 secondes, par incréments d’une seconde. La génération accepte les formats 16:9 et 9:16, avec un son natif, à partir d’un texte, d’une image ou de références visuelles et vidéo.

Le modèle peut produire un brouillon en 360p ou 720p, puis mettre à l’échelle une version retenue en 1080p ou en 4K. Cette distinction est importante : les deux résolutions supérieures sont obtenues par mise à l’échelle, et non par une génération native annoncée à cette définition.

Google fixe le prix à 0,07 dollar par seconde de vidéo 720p, soit 30 % de moins que Gemini Omni 1.1 Flash. Il s’agit d’un tarif d’usage de l’API, pas d’un abonnement grand public. Les autres résolutions et les opérations successives ont leur propre coût : une vidéo corrigée plusieurs fois ne se résume donc pas au prix de sa génération initiale.

Le vrai changement : corriger au lieu de recommencer

Dans les générateurs vidéo, une modification locale peut encore obliger à relancer tout le plan, avec le risque de changer le visage, le produit ou le cadrage. Omni 1.2 Flash introduit une édition conversationnelle en plusieurs tours : on peut demander de remplacer un arrière-plan, de modifier l’éclairage, de changer un produit ou d’adapter le format tout en conservant le reste de la scène.

Le modèle accepte jusqu’à six images de référence et peut aussi s’appuyer sur de courts extraits vidéo. Google annonce une meilleure stabilité des personnages, des objets, des couleurs de marque et des mouvements de caméra. La documentation prévoit également l’interpolation entre une première et une dernière image, ainsi que l’extension d’une vidéo par séquences de 3 à 10 secondes, jusqu’à 30 secondes au total.

Pour une équipe créative, l’intérêt est concret : partir de vraies photos de produit, obtenir un premier plan court, puis décliner le fond, la lumière ou le format sans reprendre tout le brief. La promesse n’est pas de remplacer le montage, mais de réduire le nombre de générations jetées entre l’idée et un plan exploitable.

Disponible, mais pas partout de la même façon

Gemini Omni 1.2 Flash est disponible en version générale dans l’API Gemini et sur Google Cloud depuis le 5 novembre. Les développeurs peuvent l’utiliser dans Google AI Studio et la plateforme Google Cloud ; Google annonce aussi son intégration dans Flow et Google Vids.

L’accès dans les produits grand public reste plus progressif. La création de vidéos de 15 secondes dans l’application Gemini est en cours de déploiement pour les abonnés Google AI Ultra. Google Cloud indique par ailleurs que certaines fonctions dans Gemini pour les entreprises arrivent encore progressivement. Les références audio sont soumises à une liste d’accès. « Disponible » ne signifie donc pas que chaque utilisateur dispose déjà de toutes les fonctions dans chaque interface.

Des démonstrations prometteuses, pas encore une preuve indépendante

Les exemples publiés par Google montrent des essayages virtuels, des changements de décor, des dialogues à plusieurs voix et de longs mouvements de caméra continus. Des partenaires comme Adobe, Krea, Photoroom ou Picsart témoignent aussi d’une meilleure cohérence dans leurs flux de production.

Ces démonstrations ont toutefois été sélectionnées par Google et les retours cités viennent de partenaires du lancement. Ils ne remplacent pas des essais indépendants sur des briefs ordinaires, avec leurs échecs et leurs coûts réels. Google reconnaît d’ailleurs que les actions sportives rapides, les changements brusques de scénario et les phénomènes physiques complexes doivent encore progresser.

Les sorties portent un filigrane SynthID imperceptible et la plateforme Google Cloud prend en charge les Content Credentials C2PA. Ces mécanismes améliorent la traçabilité, mais ne dispensent pas de vérifier les droits sur les images, les voix et les marques utilisées comme références.

Une méthode simple pour l’évaluer au travail

Avant d’adopter le modèle à grande échelle, mieux vaut tester un cas répétable : une courte vidéo de produit, un format social ou un plan d’illustration.

1. Préparez des références dont vous maîtrisez les droits et un brief précis sur le sujet, le mouvement, la lumière et le son.
2. Générez d’abord en 360p ou 720p, dans le format final 16:9 ou 9:16.
3. Demandez une seule correction à la fois et vérifiez ce que le modèle conserve réellement.
4. Ne passez en 1080p ou en 4K qu’après validation du plan.
5. Contrôlez manuellement les visages, les mains, les textes, les logos, la synchronisation labiale et les raccords.

Gemini Omni 1.2 Flash avance donc sur le point qui compte le plus pour un usage professionnel : la capacité à piloter et corriger une vidéo, pas seulement à produire un premier résultat spectaculaire. Reste à mesurer, sur des projets réels, si cette continuité résiste aux retouches successives et si le coût total devient réellement prévisible.