Nano Banana 2.1 : nouveautés, tarifs réels et le piège des tokens de réflexion

Qu'est-ce que Nano Banana 2.1 ?

Nano Banana 2.1 est le dernier "high-efficiency image generation and conversational editing model" de Google, et Google le décrit comme "an update to Nano Banana 2". Il est sorti directement en disponibilité générale le 6 octobre 2026, sans période de préversion, et la même entrée du changelog a déclaré Nano Banana 2 (gemini-3.1-flash-image) obsolète. Google n'a pas encore annoncé de date d'arrêt.

En interne, il tourne sur Gemini 3.6 Flash plutôt que sur le plus récent Gemini 3.8 Flash, selon la model card de DeepMind, et la même fiche indique une date limite de connaissances en mars 2026. Dans la gamme, il se place au milieu d'une famille Nano Banana devenue chargée :

Les rôles proviennent de la section sur le choix du modèle du guide Nano Banana de Google. Un détail sur le nom : c'est le premier Nano Banana avec son propre ID de modèle de marque au lieu d'une chaîne gemini-3.x-flash-image, pensez-y quand vous cherchez des noms de modèles dans votre code.

J'écris pour le blog d'eesel, et chaque article que je publie comporte une bannière principale plus trois infographies générées ou davantage, donc je regarde des sorties de modèles d'image toute la journée. Dans le pipeline que j'utilise, environ un rendu sur trois doit être refait, généralement à cause de logos inventés ou d'étiquettes illisibles. J'ai lu ce lancement sous cet angle, en me demandant ce qui change pour quelqu'un qui génère des images en volume.

Qu'est-ce qui a changé par rapport à Nano Banana 2 ?

Google liste six mises à jour clés sur la page du modèle dans l'API. Les voici à côté de ce que proposait Nano Banana 2 :

Sources : le guide Nano Banana de Google, avec les prix de la page tarifs de l'API Gemini.

Le reste de la liste, ce sont des affirmations sur la qualité : meilleur réalisme dans les trois tailles, meilleur rendu du texte et meilleure mise en page des infographies, et meilleure cohérence des personnages sur plusieurs tours. Le post de lancement de Google sur X le formule ainsi :

"This upgraded version outperforms our previous models across the board, with notable leaps in visual design, mask-based editing, and subject consistency to help you create more natural-looking images."

Google, X

Un petit chiffre à surveiller vient de Philipp Schmid, de Google DeepMind, qui a écrit "up to 5 characters consistency", mais la documentation dit quatre, donc fiez-vous à la documentation. Cinq références de personnages restent une fonction de Nano Banana Pro.

Nano Banana 2.1 bat-il vraiment Nano Banana Pro ?

Sur le tableau de scores de Google, oui, et nettement. La model card rapporte l'Elo de préférence humaine en comparaisons côte à côte, et le modèle moins cher de classe Flash devance désormais le modèle Pro sur chaque benchmark publié par Google.

C'est dans les résultats d'édition que l'écart est le plus large :

Tous les chiffres viennent de la model card de Nano Banana 2.1, "as of October, 2026", avec des marges d'environ ±7 à ±22 points.

Deux choses me frappent. D'abord, la cohérence multi-personnages gagne 128 points par rapport à Nano Banana 2, le plus gros gain du tableau. Ensuite, une grande partie de l'amélioration vient de la réflexion : la préférence globale perd 35 points quand elle est désactivée. Cela compte pour le coût, j'y reviens.

Passons aux réserves honnêtes. Ce sont des évaluations du constructeur, sans modèles concurrents comparés, et la fiche ne publie aucun chiffre pour le rendu de texte multilingue ni pour le multi-tour, alors que les deux sont indiqués comme évalués. Le seul test indépendant sérieux que j'ai trouvé confirme l'histoire de l'édition, mais pas celle du "across the board". Un créateur japonais de vidéos IA, @genel_ai, a placé huit personnes de référence sur un même canapé, et 2.1 a gardé leurs visages et leurs vêtements distincts alors que Pro et Nano Banana 2 les ont mélangés. En génération photoréaliste simple, en revanche, il n'a pas su distinguer 2.1 de Pro, et s'est trompé en devinant quelle image venait de quel modèle.

Ma lecture : si votre travail, c'est l'édition, les photos produit avec plusieurs personnes, ou toute tâche où un personnage doit survivre à cinq tours de modifications, 2.1 est un vrai progrès. Si vous ne générez que des images isolées de zéro, attendez-vous à un saut plus modeste que ne le suggère le graphique d'Elo.

Combien coûte Nano Banana 2.1 ?

Voici la grille tarifaire complète de l'API Gemini pour la famille, tirée de la page de tarifs de Google :

Le niveau Batch divise par deux tous les tarifs de Nano Banana 2.1, jusqu'à 0,0168 $ par image 1K, et en échange vous acceptez un délai pouvant aller jusqu'à 24 heures. Aucun de ces modèles n'a de niveau d'API gratuit pour la sortie d'image, et le grounding par recherche est gratuit pour les 5 000 premières requêtes par mois (partagées entre les modèles Gemini 3.x), puis 14 $ pour 1 000.

Le titre est réel : mille images 1K coûtent 33,60 $ avec Nano Banana 2.1 contre 67 $ avec Nano Banana 2 et 134 $ avec Pro, soit le chiffre de "4x cheaper" cité par Schmid. Trois détails changent toutefois le calcul :

1. Les images 4K consomment plus de tokens. Nano Banana 2.1 dépense 3 780 tokens pour une image 4K contre 2 520 pour Nano Banana 2, selon la page de tarifs. L'économie en 4K est donc de 113 $ contre 151 $ pour mille, environ 25 %, pas la moitié.
2. La réflexion est toujours active. Le guide de Google dit que la réflexion "cannot be disabled in the API", et 2.1 utilise medium par défaut, là où Nano Banana 2 utilisait minimal. Ces tokens sont facturés 7,50 $ par million, contre 3 $ auparavant.
3. L'entrée coûte 3 fois plus. 1,50 $ par million contre 0,50 $. Pour un prompt court, c'est peu, mais cela grossit quand vous envoyez plusieurs photos de référence en haute résolution.

Pour rendre cela concret, prenez une vraie édition 2K qu'un développeur a postée sur le forum des développeurs IA de Google avec la réflexion sur high. Elle a utilisé 4 958 tokens d'entrée et 3 972 tokens de réflexion, et voici le coût, en supposant que l'image soit renvoyée :

Cette seule édition coûte environ 74 % de plus que le prix affiché de 0,0504 $, et se rapproche des 0,101 $ par image 2K de Nano Banana 2. Elle reste moins chère, mais pas de moitié. Cela explique sans doute des réponses comme celle-ci sous le post de lancement de Logan Kilpatrick :

"we waited that long for Nano banana 2.1 which is even more expensive than the current one without a big improvement!"

Noor, X

Sur le prix par image, c'est faux, mais sur les tarifs d'entrée et de réflexion, c'est juste. Si vous travaillez en gros volume, réglez thinking_level sur minimal sur un échantillon de vos vrais prompts et comparez la qualité et les factures avant de vous engager.

Que permettent l'édition par masque et les références ?

"Mask-based editing" laisse penser qu'on dessine un masque de pixels, mais non, du moins pas dans l'API. Le guide de Google documente le masquage comme du "semantic masking" : vous décrivez la zone avec des mots, et le modèle ne modifie que cette partie. Le modèle de prompt de Google est : "Using the provided image, change only the [specific element] to [new element/description]. Keep everything else in the image exactly the same."

La moitié "ink" du nom du benchmark désigne les éditions par griffonnage, où vous gribouillez sur l'image pour marquer ce qui doit changer. C'est le score de 1049 Elo ci-dessus, et jusqu'ici, pour ce niveau de contrôle, vous auriez eu recours à Ideogram ou à un outil de suppression d'objets dédié.

Pour les composites, vous pouvez passer jusqu'à 14 images de référence dans une requête : jusqu'à quatre pour la cohérence des personnages et jusqu'à dix pour la fidélité des objets, d'après le tableau des images de référence. Pro garde deux atouts que 2.1 n'a pas, cinq emplacements de personnages et jusqu'à trois références de style, donc une campagne de marque à style visuel fixe est la raison de garder Pro dans la boîte à outils.

Qu'apporte le grounding par recherche ?

Nano Banana 2.1 peut chercher une information avant de dessiner. Activez le grounding Google Search et il intègre des faits à jour dans l'image, comme des prévisions sur cinq jours, un graphique boursier, ou même un événement récent. Avec le grounding par recherche d'images en plus, il peut aussi utiliser de vraies photos comme référence visuelle, ce que le guide de Google indique comme pris en charge sur Nano Banana 2.1 et Nano Banana 2, mais pas sur 2 Lite.

C'est aussi là que le score d'exactitude des infographies, 0,521 contre 0,179 pour Nano Banana 2, devrait se voir en pratique, et pour quiconque crée des graphiques explicatifs avec de vrais chiffres, c'est la ligne la plus utile de la model card. Une règle d'affichage s'applique : quand le grounding est activé, Google exige que vous affichiez dans votre interface l'extrait search_suggestions renvoyé.

Où pouvez-vous utiliser Nano Banana 2.1 ?

Google l'a déployé sur toutes ses surfaces dès le premier jour, d'après son post de déploiement et la model card :

• Application Gemini : la voie grand public, sans code.
• Mode IA de la Recherche : Robby Stein, de Google, explique qu'il faut toucher l'icône de banane sous la barre de recherche dans l'application Google.
• Google AI Studio et l'API Gemini : la voie développeur, ID de modèle gemini-nano-banana-2.1.
• Flow et Stitch : les outils vidéo et de design d'interface de Google. L'équipe de Stitch le suggère pour les visuels principaux et les logos de style vectoriel.
• Google Ads et Gemini Enterprise Agent Platform : la version Cloud ne fonctionne que sur le point de terminaison global, avec Standard PayGo, Batch et Provisioned Throughput.

Côté développeur, l'API prend en charge Batch mais pas le context caching, le function calling, les sorties structurées, la Live API, ni l'inférence Flex et Priority, d'après la page du modèle. Les exemples de code de Google utilisent désormais la nouvelle Interactions API (client.interactions.create) au lieu de generate_content, donc les extraits copiés d'anciens tutoriels Nano Banana 2 auront un aspect différent.

Quels sont les premiers défauts ?

Deux jours après la sortie, quelques problèmes apparaissent publiquement. Aucun n'est rédhibitoire, mais chacun mérite d'être connu avant de basculer du trafic de production.

• Réponses MAX_TOKENS vides. Une équipe qui "processed thousands of photos with 2.0 without encountering this issue" voit maintenant des éditions occasionnelles s'arrêter avec MAX_TOKENS et sans image, après avoir utilisé seulement 5 326 tokens sur une limite de sortie de 32 768, selon leur fil de forum. Une nouvelle tentative a fonctionné. Google n'avait pas répondu quand j'ai vérifié, donc on ne sait pas si ces réponses vides sont facturées.
• Trois limites d'entrée différentes. La model card dit 1M de tokens, la page de l'API dit 131 072, et un développeur signale que l'API rejette tout ce qui dépasse 65 536. Tant que Google n'a pas clarifié, dimensionnez vos charges d'images de référence sur le plus petit des trois chiffres.
• Pas de taille 512 px. Si vous utilisiez la sortie 0.5K de Nano Banana 2 pour des miniatures ou des brouillons bon marché, 2.1 ne propose pas cette taille, et Nano Banana 2 Lite en 1K est le remplaçant le plus proche.
• Modération stricte, pas de transparence. Quelques réponses du jour du lancement se plaignent de refus, et une artiste a résumé un autre manque en quatre mots :

"Still no alpha transparency."

Wichtel, X

Si vous avez besoin de PNG transparents pour des autocollants ou des détourages de produits, Qwen Image 2.1 les génère nativement.

La model card elle-même liste aussi des limites connues : le petit texte "often blurry in 1k", une cohérence des personnages imparfaite, des confusions occasionnelles entre gauche et droite, et "occasional slowness or timeout issues".

Quel modèle Nano Banana choisir ?

Voici comment je choisirais :

• Choisissez Nano Banana 2.1 pour presque tout ce qui est nouveau : édition, scènes avec plusieurs personnes, infographies, tout ce qui est en 1K ou 2K. C'est la recommandation de Google, et c'est ce que la documentation indique maintenant pour tous les nouveaux projets.
• Choisissez Nano Banana 2 Lite quand la latence et le volume comptent plus que la qualité. En 1K, il coûte le même 0,0336 $ par image que 2.1, mais ses tokens d'entrée sont 6 fois moins chers et ses tokens de réflexion 5 fois, et il utilise la réflexion minimal par défaut.
• Gardez Nano Banana Pro pour le travail de marque qui exige des références de style ou cinq personnages cohérents, ou pour des visuels professionnels riches en texte, là où le guide de Google dit toujours "Use Gemini 3 Pro Image."
• Migrez depuis Nano Banana 2 à votre rythme, mais n'attendez pas l'e-mail d'arrêt. Retestez vos prompts, car le niveau de réflexion par défaut a changé.

Pour comparer entre fournisseurs, je lancerais d'abord ChatGPT Images 2.5 avec les mêmes prompts, et FLUX 3 arrive juste derrière.

Pour un travail axé sur le style, Reve 2.1 et Meta Muse Image valent un essai avant de vous décider. Pour l'esthétique pure, la plupart des designers se comparent encore à Midjourney, même s'il n'a pas d'API d'édition comparable.

Mon comparatif des alternatives à Nano Banana 2 couvre l'ensemble du paysage, y compris Grok Imagine. Si vous voulez une option de ByteDance, commencez par mon test de Seedream.

Nano Banana 2.1 dans un flux de contenu avec eesel

Un modèle comme Nano Banana 2.1 est une infrastructure. Il renvoie une superbe image quand vous lui envoyez un superbe prompt, mais quelqu'un doit encore écrire ce prompt, vérifier le rendu à la recherche de logos inventés et d'étiquettes déformées, refaire l'image sur trois qui est ratée, puis la placer à côté du paragraphe qu'elle illustre. Pour une équipe qui publie chaque semaine, ce "quelqu'un" devient un mi-temps.

C'est ce travail que le rédacteur de blog IA d'eesel vous retire. C'est un coéquipier prêt à travailler, un rédacteur de contenu IA. Donnez-lui un mot-clé et votre site, et il recherche des sources primaires, rédige l'article dans la voix de votre marque, génère une bannière principale et des infographies aux couleurs de la marque, et ajoute des liens internes et des FAQ. Une marque allemande de e-commerce qui l'a utilisé environ 15 fois a obtenu des articles SEO de 2 000 à 2 900 mots, chacun avec bannière principale, infographies et FAQ, en 12 à 20 minutes environ par article.

Comme c'est un coéquipier et non un modèle brut, il prend les retours comme le ferait une personne. Une thérapeute qui l'utilise lui a dit :

"Going forward, stop giving only Caucasian images. I work with diverse races and ethnicities."

Cette consigne s'applique ensuite à tous les articles suivants, donc pas de modèle de prompt à maintenir. Si vous préférez passer votre semaine sur la stratégie plutôt qu'à régénérer des bannières, essayez eesel gratuitement, ou voyez comment il se compare dans mon comparatif des meilleurs rédacteurs de blog IA pour le SEO.