Ce qu'est réellement Gemini Omni Flash
Gemini Omni Flash est le premier modèle de la nouvelle famille « Gemini Omni » de Google DeepMind, que la fiche modèle présente comme « une nouvelle étape vers des modèles capables de créer et d'éditer n'importe quoi à partir de n'importe quelle entrée, en commençant par la vidéo ». En clair : c'est un modèle nativement multimodal qui accepte du texte, des images, de l'audio et de la vidéo, et produit une vidéo en haute résolution avec son.
La formule de Google elle-même est la description la plus claire que j'aie vue : « Pensez à Gemini Omni comme à Nano Banana, mais pour la vidéo. » Si vous avez déjà utilisé l'éditeur d'images Nano Banana de Google, où l'on affine une image par prompts successifs, c'est exactement cette expérience qu'ils transposent à la vidéo.
La fiche modèle a été publiée le 19 mai 2026, la version grand public est d'abord arrivée via l'application Gemini et YouTube, et les développeurs ont obtenu l'accès à l'API le 30 juin 2026 sous l'identifiant de modèle gemini-omni-flash-preview. Il se situe résolument dans la même conversation que Runway, Pika et Seedance de ByteDance, un cran en dessous du modèle phare de Google lui-même, Veo.
Comment fonctionne Gemini Omni Flash
Sous le capot, c'est un modèle basé sur des transformeurs avec un support natif du texte, de la vision, de la vidéo et de l'audio, entraîné sur les TPU de Google. L'argument de Google est qu'il associe les médias génératifs à la connaissance du monde de Gemini, de sorte que la sortie se veut « physiquement et logiquement cohérente plutôt que simplement plausible sur le plan stylistique », en s'appuyant sur une « compréhension de la physique » ainsi que sur des connaissances en histoire, en science et en culture.
L'API expose cinq familles de fonctionnalités : texte vers vidéo-audio, image vers vidéo-audio, référence vers vidéo-audio, édition vidéo et génération d'images. Une réserve à formuler clairement : Google n'a publié de scores d'évaluation pour aucune d'entre elles. La fiche modèle renvoie ouvertement les benchmarks à plus tard, précisant qu'ils « seront communiqués lors du déploiement auprès des développeurs et des clients entreprise via les API ». Donc quiconque affirme qu'Omni Flash surpasse un concurrent sur les chiffres avance une hypothèse, car ces chiffres n'existent pas encore.
L'édition conversationnelle, la vraie grande nouveauté
Si une seule fonctionnalité justifie ce lancement, c'est l'édition avec état (stateful). Plutôt que de réécrire un prompt géant à chaque fois que vous voulez un changement, vous générez un clip puis vous l'affinez une instruction à la fois, et le modèle se souvient du reste de la scène.
Cela transite par l'Interactions API de Google, et le mécanisme repose sur un seul champ, previous_interaction_id, qui rattache une modification à un résultat précédent « sans réimporter la vidéo précédente ». L'exemple concret fourni par Google rend cette boucle évidente :
# Turn 1: Generate initial video
res1 = client.interactions.create(model="gemini-omni-flash-preview", input="A woman playing violin outdoors.")
# Turn 2: Edit the previous video
res2 = client.interactions.create(
model="gemini-omni-flash-preview",
previous_interaction_id=res1.id,
input="Make the violin invisible."
)
Les recommandations de prompting de Google vont dans le même sens : garder les modifications courtes (« Rends cette vidéo façon anime », « Change l'éclairage pour le rendre plus dramatique »), ajouter « Garde tout le reste identique » pour ancrer la scène, et préférer la suppression à la sur-description (« Rends le téléphone invisible » l'emporte sur un paragraphe entier). C'est un modèle mental vraiment agréable, et ce qui se rapproche le plus d'une édition vidéo comme on éditerait un document.
Deux pièges à signaler avant de construire dessus. D'abord, si vous activez store=false pour accélérer la génération, le clip n'est plus éditable lors des tours suivants, ce qui annule discrètement tout l'intérêt de la fonctionnalité. Ensuite, l'édition des vidéos que vous importez vous-même n'est pas disponible dans l'EEE, en Suisse ou au Royaume-Uni, même si l'édition des clips générés par le modèle fonctionne partout. Cette restriction régionale est facile à manquer jusqu'à ce qu'un utilisateur européen s'y heurte.
Ce que coûte Gemini Omni Flash
Voici d'emblée le chiffre réel : la sortie vidéo est facturée 17,50 $ par million de tokens, et Google tarife la vidéo 720p à 5 792 tokens par seconde, ce qui revient à environ 0,10 $ par seconde au tarif Standard. L'entrée, toutes modalités confondues, est facturée à un taux fixe de 1,50 $ par million de tokens.
| Élément | Palier gratuit | Palier payant |
|---|---|---|
| Entrée (texte / image / vidéo / audio) | Non disponible | 1,50 $ / million de tokens |
| Sortie (texte) | Non disponible | 9,00 $ / million de tokens |
| Sortie (vidéo) | Non disponible | 17,50 $ / million de tokens (≈ 0,10 $/sec en 720p) |
| Remise Batch / Flex / Priority | Aucune | Aucune mentionnée |
| Débit provisionné | Non pris en charge | Non pris en charge |
| Utilisé pour améliorer les produits de Google | Oui | Non |
Quelques éléments à retenir. Il n'y a aucune offre gratuite, donc impossible d'expérimenter sans clé payante. Il n'existe pas non plus de tableau Batch, Flex ou Priority pour ce modèle, contrairement à la majeure partie de la gamme Gemini 3.x, donc aucune remise Batch documentée de 50 % sur laquelle s'appuyer pour les traitements en volume. Le tarif de 0,10 $/sec en lui-même est raisonnable, mais c'est un compteur à la seconde qui s'accumule vite à grande échelle.
Pour donner un ordre de grandeur : un clip de 10 secondes coûte environ 1 $, un clip de 30 secondes environ 3 $, et une minute de vidéo autour de 6 $, avant même de compter les régénérations que tout flux de travail vidéo par IA nécessite. Au lancement, Google a évoqué une limite de 10 secondes par génération, avec des durées plus longues « à venir prochainement », donc aujourd'hui c'est un outil pour des clips courts, pas pour des scènes complètes. Pour comparer le tableau tarifaire plus large, mon tour d'horizon des API Gemini, OpenAI et Anthropic détaille comment ces compteurs se comparent entre eux.
Où il se situe : pas le meilleur modèle vidéo de Google
C'est le cadrage que je contesterais le plus dans la couverture du lancement. Omni Flash est explicitement positionné comme le palier rapide et abordable, Google précisant que le tarif de 0,10 $/sec correspond à Veo 3.1 Fast. « Rapide » est l'indice révélateur : ce n'est pas le modèle vers lequel se tourner pour obtenir la meilleure qualité d'image de Google, c'est Veo qui joue ce rôle. Et face à la frontière indépendante actuelle, l'accueil a été mitigé.
Le thème le plus récurrent du fil de lancement sur Hacker News (323 points) était la comparaison défavorable faite par des utilisateurs intensifs avec Seedance de ByteDance. Une personne affirmant avoir dépensé des milliers de dollars sur Seedance a été directe :
« Dès la première utilisation, je ne suis pas impressionné. J'ai probablement dépensé quelques milliers de dollars sur Seedance 2 à ce jour, et je ne trouve rien que Google Omni Flash fasse mieux que Seedance après avoir fait passer une poignée d'échantillons dans le système. »
Une autre voix a fait écho, en signalant que la prochaine version de Seedance est déjà proche :
« Quiconque a un peu utilisé Seedance 2.0 peut voir que Gemini est un peu en retard, et Seedance 2.1 pointe déjà à l'horizon. »
Voici le tableau concurrentiel honnête : un modèle compétent et bon marché que les utilisateurs intensifs classent actuellement derrière la frontière technologique, vendu sur son flux de travail et son prix plutôt que sur une qualité brute.
Les limites à connaître
Google se montre étonnamment franc dans la fiche modèle, en nommant trois défis ouverts : maintenir la cohérence à travers les éditions, générer des mouvements complexes, et restituer un texte à l'écran précis. La communauté a vite trouvé les angles morts. Un développeur qui écrit des simulations physiques pour vivre a soumis son test habituel :
« 'Une vidéo d'une tour de briques Jenga qui s'effondre quand on retire une brique. La physique de chaque brique doit être réaliste.' Cela m'a donné une vidéo où des briques disparaissent soudainement ou se transforment en d'autres. »
Une autre personne a pointé le problème plus profond derrière ce flottement :
« des erreurs spatiales subtiles, et une géométrie qui change quand elle sort du champ puis revient, laissent penser que Google n'a toujours pas résolu le problème de la compréhension spatiale profonde. »
Au-delà de la qualité, trois limites pratiques encadrent ce que vous pouvez construire. Il n'y a aucune édition de la voix ou de la parole : le modèle peut techniquement changer ce que disent les personnes, mais Google restreint volontairement cette possibilité comme garde-fou contre la manipulation de ressemblance. Il n'y a ni extension ni interpolation vidéo, donc on vous renvoie vers Veo 3.1 pour assembler des scènes entre elles. Et il n'y a pas encore de raisonnement multi-vidéo ni d'import de référence audio. Côté sécurité, chaque clip porte un filigrane invisible SynthID détectable par programme, un vrai atout pour la provenance.
Il y a aussi une critique de branding toute simple qui est revenue souvent, et elle est justifiée :
« Leurs produits sont aussi assez confus. Veo, Gemini Omni Flash, Spark, Flow, Duo... Beaucoup de gammes de produits qui se chevauchent et prêtent à confusion. »
Omni Flash a été lancé aux côtés d'un modèle d'image jumeau, Nano Banana 2 Lite, qui s'intègre dans la gamme d'images à paliers « Lite / standard / Pro » de Google, la même distinction « bon marché-rapide contre cher-performant » qu'Omni Flash représente pour la vidéo.
Alors, devriez-vous l'utiliser ?
Si vous développez des outils créatifs ou vidéo et souhaitez un modèle bon marché doté d'une boucle d'édition conversationnelle réellement agréable, Omni Flash mérite d'être essayé, surtout si des clips courts en 720p correspondent à votre usage et que vous pouvez vous passer d'une offre gratuite. Si votre exigence porte sur une fidélité de premier plan, une physique complexe ou de longues scènes, les tests de la communauté suggèrent que vous serez plus satisfait avec Veo pour la meilleure qualité de Google, ou avec Seedance pour la frontière indépendante actuelle. Et c'est encore tôt : l'absence de benchmarks, une étiquette « preview » et une feuille de route de fonctionnalités « à venir » signifient que le verdict d'aujourd'hui pourrait évoluer.
Un commentateur de HN a remis les choses en perspective, et j'en partage l'esprit :
« la quantité de gens qui s'attendent à ce que l'IA réussisse du premier coup est hilarante. »
Traitez-le comme un partenaire d'édition itératif, pas comme un oracle à réponse unique, et c'est une option solide et abordable. Ne confondez simplement pas le palier rapide avec le meilleur de Google.
eesel : l'IA pour le travail que les modèles vidéo ne peuvent pas toucher
Une remarque honnête, puisque ceci est un blog eesel. Omni Flash est un modèle multimédia, et il n'apporte rien à une file de support. Mais le même réflexe « une IA qui se branche et fait la partie fastidieuse » est exactement ce sur quoi je travaille chez eesel, simplement appliqué au support client plutôt qu'à la vidéo.
Là où Omni Flash génère des clips, l'agent IA d'eesel se connecte à votre helpdesk existant (Zendesk, Freshdesk, Gorgias, et plus encore), apprend à partir de vos tickets passés et de votre centre d'aide, et résout de vraies conversations clients par lui-même. Nous avons passé des années à faire fonctionner l'IA sur des files de support en production, ce qui nous a appris à simuler chaque déploiement sur des tickets historiques avant qu'il ne touche un vrai client, le travail d'ingénierie peu glamour qu'une vidéo de démonstration ne montre jamais. C'est gratuit à essayer, et contrairement à Omni Flash, il existe bel et bien un moyen gratuit de commencer.
Questions fréquentes
Qu'est-ce que Gemini Omni Flash ?
gemini-omni-flash-preview.Combien coûte Gemini Omni Flash ?
Gemini Omni Flash est-il meilleur que les autres modèles vidéo IA ?
Gemini Omni Flash peut-il éditer mes propres vidéos importées ?
Les entreprises devraient-elles utiliser Gemini Omni Flash pour le support client ?
Article by
Alicia Kirana Utomo
Kira is a writer at eesel AI with a Computer Science background and over a year of hands-on experience evaluating AI-powered customer service tools. She focuses on breaking down how helpdesk platforms and AI agents actually work so that support teams can make better buying decisions.
