Gemini Omni 1.2 Flash : vidéos IA à moindre coût
Gemini Omni 1.2 Flash produit des vidéos de 15 secondes en 720p, modifiables par chat et 30 % moins chères. Découvrez les coûts et les usages.
Google allonge ses vidéos IA et réduit le coût de production
Google a rendu Gemini Omni 1.2 Flash accessible de façon plus générale. Le modèle peut désormais générer des séquences de 15 secondes, contre 10 auparavant, et modifier une vidéo en cours de conversation. Côté prix, le tarif annoncé pour une vidéo en 720p via l'API Gemini passe de 0,10 à environ 0,07 dollar par seconde, soit une baisse de 30 %.
Ces changements comptent moins comme un « grand show » que comme une amélioration concrète de l'outil de production. Plus de secondes à générer peut réduire le nombre de séquences à assembler, et la retouche par chat évite parfois de repartir de zéro. Le prix plus bas rend aussi les essais moins risqués. Mais le tarif à la seconde ne suffit pas à lui seul à estimer le coût d'une campagne complète ou d'un flux de production régulier : il faut aussi compter les itérations, le contrôle qualité, les droits et les limites du modèle.
Voici ce qui change vraiment, comment estimer le coût, et dans quels cas une entreprise peut s'en servir sans confondre prototype rapide et contenu prêt à publier.
Ce que Gemini Omni 1.2 Flash change concrètement
La mise à jour touche trois points utiles en production : la durée maximale, la possibilité de retoucher le résultat via une conversation, et la cohérence visuelle. Aucune de ces améliorations ne supprime la nécessité de la direction artistique ni de la vérification finale. En revanche, elles peuvent réduire une partie des allers-retours qui rendent la vidéo générative compliquée à intégrer dans un process de travail.
Des séquences de 15 secondes en une génération
La durée maximale passe de 10 à 15 secondes. Pour une vidéo courte destinée à un réseau social, une fiche produit ou une présentation interne, cinq secondes de plus peuvent aider à montrer un produit, installer une situation ou conclure une démo. Ça peut aussi limiter le nombre de plans générés séparément, puis assemblés.
Mais une séquence plus longue n'est pas automatiquement plus facile à exploiter. Plus on va loin, plus les incohérences ont de chances d'apparaître : déformations de mouvement, changement d'aspect d'un objet, transitions trop hésitantes. Sur une scène complexe, plusieurs plans courts et maîtrisés restent parfois plus simples à monter et à contrôler.
À titre de comparaison, ByteDance a présenté Seedance 2.5, capable d'aller jusqu'à 30 secondes. La durée maximale est donc un critère de choix, pas un indicateur suffisant de qualité : le cadrage, la stabilité des éléments, le rendu attendu et le coût total pèsent autant.
Modifier le résultat par chat plutôt que repartir de zéro
Google indique qu'il est possible de retoucher une séquence au fil de plusieurs tours de conversation. Concrètement, on peut demander de remplacer un produit ou un arrière-plan, ou de modifier l'éclairage. L'idée ressemble à un travail d'édition : on part d'une première version, puis on ajuste ce qui doit l'être.
L'intérêt dépend surtout de la nature de la retouche. Si elle conserve le cadrage et la composition, elle peut faire gagner du temps par rapport à une nouvelle génération complète. Dans le cas contraire, chaque modification doit être vérifiée : préserver une couleur de marque ou l'apparence d'un emballage ne garantit pas que tous les détails resteront identiques à chaque étape.
Une cohérence visuelle annoncée comme meilleure
Google affirme que les visages, les vêtements, les textes sur les emballages et les couleurs de marque restent plus cohérents d'un angle à l'autre, avec moins de défauts visibles. Dans des comparaisons internes de Google DeepMind, les testeurs ont préféré la version 1.2 à la 1.1 pour la cohérence visuelle dans 62 % des cas.
Ce chiffre peut donner une direction, mais il ne remplace pas un test dans vos conditions. Il s'agit d'un résultat interne de comparaison, pas d'une promesse de zéro défaut. Le bon réflexe pour une entreprise : générer des exemples représentatifs de son produit, de son emballage, de ses contraintes de marque et des mouvements attendus. Le modèle peut progresser globalement tout en échouant sur un cas particulier.
Combien coûte une vidéo de 15 secondes
Le prix annoncé pour la génération via l'API Gemini est d'environ 0,07 dollar par seconde en 720p, contre 0,10 dollar en juin. Cela représente une baisse de 30 %. En appliquant ce tarif, une génération de 15 secondes revient à environ 1,05 dollar, hors coûts éventuels liés aux itérations et à l'intégration dans un service.
Ce calcul est pratique pour comparer des scénarios simples, mais ce n'est pas un devis de production. En contexte pro, la première version retenue n'est presque jamais la seule. On recommence parfois, on change le cadrage, on corrige un détail, ou on produit plusieurs déclinaisons. Si la retouche par chat déclenche des opérations facturées, il faut vérifier exactement ce qui est compté dans les conditions de l'API et dans la console de facturation.
Estimer un coût de production, pas seulement un coût de génération
Pour éviter de sous-estimer le budget, séparez le coût du modèle du coût du processus autour. Une première estimation peut s'appuyer sur cette logique :
- Coût de génération : durée finale multipliée par le tarif annoncé.
- Coût d'itération : nombre de tentatives et de retouches nécessaires pour obtenir une version acceptable.
- Coût de contrôle : temps passé à vérifier l'image, le texte, les couleurs, les droits et la conformité de la vidéo.
- Coût d'exploitation : intégration à un outil, stockage, montage, adaptation aux formats et validation interne.
Par exemple, une séquence de 15 secondes revient à environ 1,05 dollar pour une génération au tarif indiqué. Si l'équipe produit cinq versions avant d'en valider une, le coût réel n'a rien à voir avec « une seule sortie ». Le montant dépend des opérations facturées et du nombre de générations : le mieux est de mesurer sur un petit pilote plutôt que de multiplier mécaniquement le tarif par la durée finale.
Comparer le coût à la valeur du travail évité
Le tarif à la seconde ne veut rien dire sans le processus qu'il remplace. Pour une maquette interne, une déclinaison rapide ou une première proposition créative, le modèle peut réduire une partie du temps passé à organiser un tournage ou à fabriquer une animation. En revanche, pour une publicité à grande échelle, le coût de génération pèsera souvent moins que la direction artistique, les validations juridiques, les droits et le contrôle de la représentation du produit.
La question utile n'est donc pas « combien coûte le clip ? », mais « combien coûte une version utilisable, approuvée et livrée dans le bon format ? ». Et cette mesure doit intégrer les reprises : si une équipe passe ensuite une heure à corriger une vidéo qui semblait « pas chère », l'économie initiale fond très vite.
Quels usages professionnels deviennent réalistes
Gemini Omni 1.2 Flash peut intéresser des équipes qui veulent produire ou tester des séquences courtes sans déclencher systématiquement un tournage. L'accès annoncé dans Flow, Google Vids, Google Ads, et (pour les abonnés Google AI Ultra) dans l'application Gemini rend la prise en main plus simple selon les profils. Les entreprises peuvent aussi l'utiliser via Google Cloud, où le modèle est désormais disponible de manière générale.
Mais « disponible dans plusieurs produits » ne veut pas dire « identique en pratique ». Avant d'organiser un process autour du modèle, vérifiez le produit utilisé, la facturation, les droits d'accès et ce que la retouche permet réellement dans votre environnement.
Prototyper des créations et des variantes
Une équipe marketing peut générer plusieurs pistes pour comparer une ambiance, un décor ou une mise en scène avant de lancer une production plus lourde. L'objectif n'est pas forcément de publier la première sortie : la génération sert surtout à préparer une discussion rapide, avec des retours exploitables pour le marketing, le produit et le design.
Pour un site e-commerce, les essais peuvent porter sur la présentation d'un objet, l'arrière-plan ou la lumière. L'idée de meilleure cohérence des emballages et des couleurs est pertinente ici, mais elle doit être confrontée aux références réellement vendues. Un texte d'emballage mal reproduit ou un détail produit modifié peut créer une représentation trompeuse, même si la vidéo « convainc » au premier regard.
Adapter des contenus à plusieurs canaux
Une séquence courte peut servir de base à des variantes adaptées à différents formats ou à différents publics. Les retouches par conversation pourraient faciliter certains changements, comme le décor ou l'éclairage. Reste que la version finale doit respecter les contraintes de chaque canal : il faut s'assurer que la modification ne dégrade ni la lisibilité ni la cohérence de la marque.
Pour une PME française ou une startup, le chemin le plus prudent commence souvent par des contenus à faible risque : démonstrations internes, concepts créatifs, ou vidéos de présentation non sensibles. Une campagne grand public demande des validations plus strictes, surtout quand elle met en scène des personnes, des résultats produits ou des informations soumises à réglementation.
Intégrer la génération à un flux métier
L'accès via Google Cloud ouvre la porte à une intégration dans des applications et des processus internes. Cela ne veut pas dire que le modèle devient automatiquement adapté à une production automatisée à grande échelle. Il faut définir qui peut lancer une génération, où les fichiers sont conservés, comment les versions sont validées et comment les sorties non conformes sont écartées.
Un bon pilote reste cadré : un type de vidéo, des consignes documentées, un nombre défini de tentatives et des critères d'acceptation mesurables. L'idée est simple : mesurer le temps gagné (ou perdu) avant et après, le coût par vidéo retenue, et la proportion de sorties nécessitant une correction manuelle. Sans ces chiffres, la décision d'industrialiser risque de reposer sur l'impression que « c'est rapide ».
Quelles limites et quels points de vigilance faut-il prévoir
Google reconnaît que le modèle doit encore progresser sur les mouvements rapides, les changements rapides de script et les situations impliquant une physique complexe. Ce sont aussi les cas où une erreur se voit tout de suite : trajectoire improbable, geste incohérent, objet qui se comporte de façon étrange, action qui ne colle plus au récit.
Pour une équipe, ces limites ne sont pas seulement techniques : elles déterminent ce qu'on peut raisonnablement confier au modèle et, au contraire, ce qui restera plus fiable avec un tournage, une animation traditionnelle ou un autre outil. Et même si la cohérence générale progresse, une séquence générée n'est pas une preuve de conformité ni une représentation exacte d'un produit.
Traiter les « bons résultats » comme des hypothèses à tester
Les résultats annoncés par Google DeepMind suggèrent une amélioration par rapport à la version précédente, mais une moyenne de préférence ne répond pas à toutes les questions opérationnelles. Le test doit reproduire vos conditions : mouvements de caméra, durée, consignes, éléments de marque et formats de sortie. Il faut aussi définir ce qui constitue un défaut bloquant.
Une grille de contrôle peut inclure :
- l'apparence du produit et la stabilité de ses détails ;
- la lisibilité des textes et des étiquettes ;
- la cohérence des visages, des vêtements et des couleurs ;
- la continuité des mouvements et des transitions ;
- l'adéquation entre la vidéo et le texte de la consigne ;
- la présence d'éléments trompeurs ou impossibles à vérifier.
Cette étape évite de confondre rendu séduisant et contenu exact. En communication commerciale, c'est crucial : une image convaincante peut amener le public à croire que le produit possède une caractéristique qu'il n'a pas.
Prévoir la transparence, les droits et la conformité
Google indique que chaque vidéo comporte un filigrane invisible SynthID. Le mécanisme vise la provenance, mais il ne remplace pas les règles internes de transparence ni l'analyse des obligations selon l'usage prévu. Dans un contexte européen, il faut aussi examiner les règles de protection des données, les droits à l'image, les droits d'auteur et les exigences propres à votre secteur.
Le fait que l'outil soit accessible via le cloud ne règle pas la gouvernance. Avant de transmettre des éléments à un service, clarifiez les données utilisées, les accès, les durées de conservation et les conditions contractuelles. Évitez notamment d'utiliser des images de clients ou de collaborateurs sans base juridique et autorisations adaptées.
Ne pas confondre baisse du prix et baisse du coût total
La réduction de 30 % rend chaque seconde générée moins chère selon le tarif annoncé. Elle ne dit rien, à elle seule, sur le coût de validation, sur les générations rejetées ou sur le montage final. Elle peut même encourager plus d'essais (ce qui est utile pour explorer), mais augmenter le volume total de génération.
La décision d'adopter le modèle doit donc s'appuyer sur un indicateur métier : coût par vidéo approuvée, délai de livraison, ou temps de production évité à qualité équivalente. Si ces résultats ne s'améliorent pas sur un pilote, la baisse du prix unitaire ne suffit pas à justifier une industrialisation.
Conclusion
Gemini Omni 1.2 Flash améliore trois points concrets : des séquences jusqu'à 15 secondes, des retouches par chat et un tarif API annoncé en baisse de 30 %. Pour une équipe, l'intérêt dépendra surtout du nombre de versions réellement approuvées et du temps de production économisé, pas du prix théorique d'un clip isolé.
Le bon réflexe : tester le modèle sur un cas d'usage limité, avec des critères de qualité et un budget d'itération définis à l'avance. Si les vidéos obtenues passent les contrôles et réduisent le coût ou le délai à qualité équivalente, l'intégration peut se justifier. Sinon, la génération reste un outil de prototypage - et c'est déjà utile.