Google a présenté Gemini Omni lors de Google IO 2026 : un modèle multimodal qui produit de la vidéo depuis n’importe quelle combinaison d’entrées, texte, image ou audio. Le premier modèle de la famille, Gemini Omni Flash, génère des clips de dix secondes et est déjà disponible dans le Gemini app, YouTube Shorts et AI Studio Flow.
Pour résumer
- Gemini Omni Flash génère des vidéos de dix secondes depuis le texte, l’image ou l’audio
- Chaque vidéo intègre automatiquement le filigrane numérique SynthID de Google
- Une version professionnelle Omni Pro est annoncée pour une sortie ultérieure
Un modèle qui raisonne sur tous les formats en même temps
Gemini Omni n’est pas un simple outil de génération vidéo à partir de texte. C’est une famille de modèles capable de traiter simultanément plusieurs types d’entrées pour produire une sortie cohérente. L’architecture traite texte, image et son en une seule passe, sans pipeline séquentiel où chaque modalité serait transformée indépendamment.
La démonstration mise en avant lors de Google IO illustre concrètement la portée du système. Gemini Omni Flash a produit un explainer en claymation sur le repliement des protéines, avec une narration audio précise sur le fond scientifique. Le modèle a intégré une compréhension des contraintes physiques et du vocabulaire de biochimie pour construire la séquence de bout en bout, sans qu’un humain ait rédigé le script ou supervisé l’assemblage.
L’édition d’images par commande textuelle fait partie du périmètre fonctionnel. Un utilisateur décrit la modification souhaitée, le modèle l’applique sur l’image source. Nicole Brichtova, directrice impliquée dans le développement, a précisé que les prompts d’édition nécessitent une certaine précision pour éviter des modifications non souhaitées : la compréhension fine du contexte spatial reste une limite connue des modèles génératifs actuels.
Gemini Omni s’appuie sur Veo, le modèle vidéo lancé par Google en octobre 2025. Cette continuité de stack est un choix architectural clair : Google consolide et étend ses briques existantes plutôt que de les remplacer. La couche multimodale vient se superposer à une base vidéo déjà testée à grande échelle en production.
Sundar Pichai a formulé l’ambition directement : « créer n’importe quoi depuis n’importe quelle entrée ». La formule décrit précisément ce que Google cherche à accomplir avec Gemini Omni : un système unifié capable de convertir n’importe quel input en n’importe quel output, sans pipeline dédié par modalité.
SynthID, avatars numériques et garde-fous intégrés dès la conception
Toutes les vidéos produites par Gemini Omni intègrent automatiquement le filigrane numérique SynthID. Ce marquage, invisible à l’œil nu, permet d’identifier l’origine synthétique d’un contenu lors d’une vérification. SynthID était déjà déployé sur les images et les textes générés par Google ; son extension à la vidéo en fait désormais la couche de traçabilité par défaut sur l’ensemble de la suite.
La fonctionnalité d’avatars numériques est soumise à des conditions d’accès délibérément restrictives. Créer un avatar nécessite un enregistrement vidéo personnel et une vérification par numéro de téléphone. Ce mécanisme d’authentification vise à empêcher la génération non consentie de sosies numériques. Le garde-fou est intégré à l’architecture produit, ce qui le rend nettement plus difficile à contourner qu’une simple règle de politique d’utilisation.
Comme nous l’analysions lors du lancement de Seedance 2.0 par ByteDance, la génération vidéo IA est entrée dans une phase de confrontation directe avec l’industrie du contenu. Google arrive sur ce terrain avec un avantage structurel que ses concurrents spécialisés n’ont pas : une distribution à l’échelle de YouTube Shorts, qui absorbe des milliards de vues quotidiennes.
Ces dispositifs de sécurité et de traçabilité positionnent Gemini Omni différemment de concurrents comme Luma AI. La provenance des vidéos générées est en train de devenir un critère de différenciation produit autant qu’une contrainte réglementaire imposée de l’extérieur.
À voir également sur Horizon :
- Alexa Podcasts : Amazon crée des épisodes audio sur demande
- OpenAI verdict : Musk perd, la voie libre pour l’IPO
- Apple refond Siri avec Gemini et mise tout sur la vie privée
Prochaines étapes : accès API et montée en puissance d’Omni Pro
À court terme, l’enjeu immédiat est l’accès API. Il est annoncé pour les prochaines semaines sans date précise. Une fois disponible, cet accès permettra d’intégrer Gemini Omni Flash dans des applications tierces. Les candidats naturels sont les studios de contenu, les plateformes e-learning et les équipes marketing qui produisent de la vidéo à cadence industrielle et cherchent à réduire le coût de production unitaire.
À moyen terme, le lancement d’Omni Pro est annoncé sans calendrier précis. Cette version professionnelle ciblera probablement les équipes créatives et les studios ayant besoin de vidéos plus longues et d’un contrôle plus fin sur la qualité de rendu. Son positionnement tarifaire déterminera si Google vise le marché créatif ou les développeurs B2B.
La compétition dans la génération vidéo IA s’est durcie rapidement. Runway, Pika, Luma et OpenAI avec Sora sont déjà positionnés sur ce segment. L’entrée de Gemini Omni change l’équation de distribution : aucun concurrent n’a la surface de diffusion de Google pour déployer cette technologie à cette vitesse et à cette échelle.
La vraie mesure du succès de Gemini Omni ne sera pas le nombre d’utilisateurs du Gemini app, mais le volume de vidéos générées via l’API par des développeurs tiers. C’est là que se jouera la bataille pour devenir le fournisseur d’infrastructure de la prochaine vague de création synthétique.
Affaire à suivre sur Horizon.
