Qu’est-ce que Google Gemini Omni ? Fonctions, utilisation, prix et limites vidéo

Faire une vidéo avec l'IA imposait jusqu'ici de tout décrire d'un coup, et changer un seul détail obligeait souvent à régénérer le clip entier. Le Gemini Omni de Google renverse cette logique : vous générez une première version, puis vous donnez vos instructions une par une, comme dans une conversation, et la vidéo évolue tout en gardant la cohérence d'une scène à l'autre. Google le décrit officiellement comme « Nano Banana, mais pour la vidéo ». Si vous avez utilisé Nano Banana pour retoucher des images — vous tapez une phrase, l'image change —, Gemini Omni transpose ce même réflexe aux images animées.

Dans ce guide, vous verrez ce qu'est Gemini Omni, ce qu'il sait réellement faire, comment démarrer, combien il coûte (et s'il est gratuit), en quoi il diffère de Veo et quelles sont ses limites aujourd'hui.

Source de l'image : Google DeepMind (officiel)

Gemini Omni est le modèle multimodal d'IA de génération et d'édition vidéo le plus récent de Google, et la version du modèle s'appelle Gemini Omni Flash. Il s'appuie sur la compréhension du monde et la multimodalité native déjà présentes dans Gemini : il ne se contente donc pas de « transformer du texte en vidéo », il lit les images, les clips et l'audio que vous lui fournissez et les assemble en un résultat unique et cohérent.

Sa grande particularité, c'est la génération conversationnelle. Avec les outils texte-vers-vidéo classiques, une seule invite décide du résultat ; Gemini Omni vous laisse « voir puis modifier ». Après la première version, vous pouvez ajouter « mets le fond de nuit », « passe à un plan par-dessus l'épaule » ou « remplace ce personnage », et chaque modification repart de la version précédente au lieu de recommencer de zéro. C'est pour cela que Google le compare à Nano Banana : Nano Banana a transformé la retouche d'image en conversation, et Gemini Omni étend ce « je corrige en discutant » à la vidéo.

Un point à retenir dès le départ : Gemini Omni Flash remplacera Veo 3.1 comme principal modèle de génération et d'édition vidéo au sein de l'application Gemini.

Source de l'image : Google DeepMind (officiel)

Les capacités de Gemini Omni se résument en quatre volets.

Combiner texte, images, vidéo et audio pour générer une vidéo

Vous ne dépendez pas uniquement du texte. Gemini Omni accepte n'importe quelle combinaison de texte, images, vidéo et audio en entrée et l'intègre en une seule vidéo. Par exemple, vous pouvez déposer l'image d'un personnage, un clip de référence pour le mouvement et une phrase décrivant le style souhaité, et il fond le tout dans un même plan ; vous pouvez utiliser jusqu'à 5 photos de référence. Il génère aussi le son de façon native, de sorte que l'image et l'audio sortent ensemble plutôt que d'être doublés après coup.

Continuer à éditer la vidéo sur plusieurs tours de conversation

C'est la fonctionnalité phare de Gemini Omni. Après la génération, vous pouvez lancer des modifications tour par tour — changer un personnage, ajuster la lumière, stabiliser le plan, remplacer l'arrière-plan, ajouter un effet — et le modèle conserve la cohérence de toute la scène, comme si vous parliez à un monteur qui rapproche le plan de ce que vous voulez. Il prend aussi en charge l'édition vidéo-vers-vidéo, c'est-à-dire l'import d'un clip existant que vous modifiez directement.

S'appuyer sur la connaissance du monde et la physique

Gemini Omni ne cherche pas seulement à « faire ressemblant » : il comprend le fonctionnement du monde réel. D'un côté, il a une intuition de la physique — gravité, inertie, fluides —, ce qui rend les mouvements plus naturels. De l'autre, il hérite des connaissances de Gemini en histoire, sciences et contexte culturel, ce qui lui permet de présenter un contenu pédagogique de façon structurée ; par exemple, une vidéo en pâte à modeler qui explique comment une protéine se replie.

Modifier scènes, actions, styles et objets

Une seule phrase peut transformer profondément ce qui est à l'écran : changer le style artistique global (passer du réel au trait, au voxel 3D ou à un rendu holographique), redéfinir ce qui se passe dans le plan, transférer le mouvement et le style d'une image ou d'un clip de référence, voire remplacer un personnage ou un objet précis tout en gardant le reste du cadre cohérent.

Source de l'image : Google DeepMind (officiel)

Gemini Omni est disponible pour l'instant dans l'application Gemini et dans Google Flow (le studio de création IA de Google). Voici le déroulé le plus simple.

Étape 1 : ouvrez l'application Gemini ou Google Flow

Connectez-vous avec votre compte Google à l'application Gemini, ou rendez-vous sur Google Flow. Utiliser les fonctionnalités complètes de Gemini Omni via ces deux portes d'entrée nécessite un forfait payant (pour l'essayer gratuitement d'abord, vous pouvez passer par YouTube Shorts / Create) ; on détaille cela dans la partie sur le prix.

Étape 2 : sélectionnez Gemini Omni Flash

Dans l'interface de génération vidéo, basculez le modèle sur Gemini Omni Flash. Dans Google Flow, il apparaît parmi les modèles de génération vidéo disponibles.

Étape 3 : saisissez l'instruction et importez vos références

Écrivez une description du plan souhaité et, si besoin, importez des références : images (jusqu'à 5), un clip vidéo ou un fichier audio. Plus l'instruction est précise (sujet, action, caméra, style, son), plus le résultat se rapproche de ce que vous imaginez.

Étape 4 : générez la première version

Une fois l'envoi effectué, Gemini Omni produit une première version d'environ 10 secondes. Considérez-la comme un brouillon : inutile qu'elle soit parfaite du premier coup.

Étape 5 : affinez en discutant, puis téléchargez

Si quelque chose ne va pas, dites-le simplement : « mets le fond sur une plage », « éloigne la caméra », « passe cet objet en rouge ». Le modèle édite tout en conservant la scène d'origine. Quand le résultat vous convient, vous le téléchargez.

Réponse courte : Gemini Omni a une voie gratuite et une voie payante, et cela dépend de l'endroit où vous l'utilisez. Pour bricoler sur YouTube, vous y accédez gratuitement ; pour les fonctionnalités complètes dans l'application Gemini ou Google Flow, un forfait payant entre en jeu. Voici le détail, avec les prix pratiqués en France.

Gemini Omni est-il gratuit ?

Oui, selon le canal. Sur YouTube Shorts et l'application YouTube Create, vous pouvez essayer Gemini Omni Flash gratuitement : il suffit d'avoir plus de 18 ans, aucune souscription n'est nécessaire pour tester la génération vidéo conversationnelle. C'est la porte d'entrée avec le moins de barrière.

En revanche, dans l'application Gemini et Google Flow, les fonctionnalités complètes de génération et d'édition sur plusieurs tours exigent un abonnement payant Google AI. Avec un compte Google entièrement gratuit, vous n'atteignez généralement dans Gemini que le Omni Flash de base, et la génération vidéo se heurte vite à des files d'attente et à des quotas quotidiens faibles. Pour un usage stable et complet, on commence en général par Google AI Plus.

Comparatif Google AI Plus, Pro et Ultra

Les trois forfaits peuvent utiliser Gemini Omni Flash ; les différences portent surtout sur le volume d'utilisation, les crédits Google Flow et d'autres avantages. En prenant les prix français comme référence :

Pour utiliser les fonctionnalités complètes de façon stable dans l'application Gemini ou Google Flow, la porte la moins chère est Google AI Plus à 4,99 €/mois. Google propose souvent des remises pour les nouveaux abonnés (par exemple une offre de lancement à 3,99 € les deux premiers mois), donc pensez à vérifier la promotion en cours. Par ailleurs, les forfaits se partagent avec jusqu'à 5 membres de la famille, ce qui réduit le coût par personne.

Deux précisions :

1. Comment l'utilisation est mesurée : l'utilisation dans l'application Gemini se calcule en « calcul », qui varie selon la complexité de l'invite, les fonctionnalités employées et la longueur de la conversation. Elle se réinitialise toutes les 5 heures jusqu'à une limite hebdomadaire, et vous pouvez acheter des crédits IA supplémentaires une fois les vôtres épuisés.

2. Différences de fonctionnalités : certaines fonctionnalités varient selon le niveau du forfait, la plateforme (web ou mobile) et la région ; considérez la page officielle des abonnements comme la référence pour ce que contient réellement chaque forfait.

On confond facilement Gemini Omni et Veo, car ce sont deux modèles vidéo de Google. La distinction, en bref :

• Gemini Omni Flash est le nouveau modèle multimodal de génération et d'édition qui remplace Veo 3.1 au sein de l'application Gemini. Ses points forts sont l'entrée multimodale, l'édition conversationnelle sur plusieurs tours et la compréhension de la connaissance du monde et de la physique : idéal pour la logique « je génère d'abord, puis j'affine phrase après phrase » et pour fondre plusieurs éléments en une seule vidéo.

• Veo (dont Veo 3 et 3.1) est le modèle spécialisé sur la voie de la génération cinématographique, axé sur le texte-vers-vidéo de haute qualité.

Lequel choisir ? Si votre besoin, c'est éditer en discutant, retoucher des éléments existants et exiger que l'image respecte la logique réelle, Gemini Omni est plus confortable. Si vous visez « d'une phrase à un plan à l'allure cinématographique », la voie de Veo garde tout son intérêt. Pour la plupart des personnes qui créent dans l'application Gemini, ce que vous rencontrez désormais par défaut, c'est Gemini Omni.

Source de l'image : Google DeepMind (officiel)

Une structure de prompt réutilisable

• Sujet : les personnes, objets ou la scène dans le cadre.

• Action/Déclencheur : ce qui se passe, ou une condition du type « quand X se produit » (par exemple « quand la main s'ouvre, une planète apparaît dans la paume »).

• Angle de caméra : mouvement et cadrage, par exemple « rapproche-toi lentement » ou « plan par-dessus l'épaule ».

• Style/Texture : réaliste, trait, pâte à modeler en stop-motion, hologramme 3D, etc.

• Audio : musique de fond, ou « uniquement le son d'ambiance réel, sans musique ».

• Contraintes : durée (par exemple 10 secondes), format (par exemple 16:9) et ce que vous ne voulez pas voir apparaître.

En remplissant ces six cases, le contrôle sur le résultat augmente nettement.

Exemples par situation

• Présentation produit : un flacon de cosmétique tournant lentement sur fond blanc, éclairage studio doux, caméra qui se rapproche légèrement, style réaliste, uniquement une musique de fond douce, 10 secondes, 16:9.

• Explication pédagogique : expliquer un concept scientifique en stop-motion de pâte à modeler, tout est en pâte à modeler et sans mains dans le cadre, image synchronisée avec la narration, sans couper le son d'un coup à la fin.

• Simulation physique : un plan sans coupure d'une bille roulant vite sur une piste continue, uniquement des bruits de choc réels, sans musique.

• Transfert de style : partez d'un clip réel et indiquez « quand la personne touche le miroir, tout l'environnement bascule en style voxel 3D », en gardant le reste du plan inchangé.

Avant/après sur plusieurs tours avec le même élément

La valeur de Gemini Omni tient aux tours successifs. Un exemple de déroulé : partez d'un clip d'un violoniste en entrée → (tour 1) « déplace le violoniste dans un champ de blé » → (tour 2) « rends le violon transparent » → (tour 3) « passe au plan filmé par-dessus l'épaule du violoniste ». À chaque tour, vous ne changez qu'une chose et le modèle reprend la version précédente : vous voyez donc nettement la différence à chaque étape, au lieu d'obtenir un clip entièrement nouveau qui ne correspond plus.

Source de l'image : Google DeepMind (officiel)

Même l'outil le plus puissant a ses limites ; les connaître vous évite les mauvaises surprises.

Quelle durée de vidéo Gemini Omni peut-il générer d'un coup ?

Pour l'instant, Gemini Omni génère des clips d'environ 10 secondes par passage. Pour un contenu plus long, il faut en pratique générer plusieurs segments et les assembler vous-même.

Les actions complexes et les scènes à plusieurs personnes peuvent être instables

Même si Gemini Omni comprend bien la physique, les scènes rapides, complexes ou à plusieurs personnes interagissant en même temps restent le point faible commun à tous les modèles vidéo IA, et peuvent donner des mouvements saccadés ou des détails décalés. Dans ce cas, simplifiez le plan ou corrigez-le progressivement avec l'édition sur plusieurs tours.

Limites du texte à l'écran, de la narration et de la synchronisation audio

Par conception, Gemini Omni peut aligner « le texte à l'écran » et « ce qui se passe », et générer une narration. En pratique, toutefois, le texte affiché dans la vidéo peut comporter des fautes ou être déformé, et la synchronisation de la narration avec le mouvement des lèvres ou l'action n'est pas toujours parfaite dans les scènes complexes. Pour un contenu qui repose sur des cartons de texte précis, mieux vaut vérifier chaque clip.

Limites de quota du forfait et de vitesse de génération

Comme vu dans la partie sur le prix, l'application Gemini facture au calcul, avec réinitialisation toutes les 5 heures jusqu'à la limite hebdomadaire ; côté Google Flow, on consomme des crédits (200 pour Plus, 1 000 pour Pro, 10 000 à 25 000 pour Ultra). L'utilisation et la vitesse de génération changent selon le niveau du forfait : ceux qui génèrent beaucoup doivent surveiller leur consommation de crédits.

Marquage des contenus avec SynthID et C2PA

Tout ce que vous générez ou éditez avec Omni via l'application Gemini, Google Flow ou YouTube intègre le filigrane invisible SynthID et les informations d'authentification de contenu C2PA. Ces marques sont invisibles à l'œil nu, mais servent à identifier si le contenu a été créé par l'IA de Google ; vous pouvez même renvoyer le fichier à Gemini pour lui demander s'il s'agit d'un contenu généré par IA. Pour un usage commercial ou lorsqu'il faut signaler un contenu IA, intégrez ce point dès le départ.

Gemini Omni est-il disponible en France ?

Oui. Gemini Omni est déployé dans tous les pays et langues où l'application Gemini est disponible, et la France en fait partie. Il faut avoir plus de 18 ans et un forfait Google AI Plus, Pro ou Ultra. À noter que certaines fonctionnalités, comme les avatars et l'édition vidéo-vers-vidéo, peuvent être restreintes selon votre région.

Gemini Omni comprend-il les instructions en français ?

Oui. Gemini Omni fonctionne dans toutes les langues prises en charge par l'application Gemini : vous pouvez donc donner vos instructions en français. Cela dit, comme évoqué, le texte généré dans la vidéo peut contenir des erreurs ; c'est distinct de la question de savoir s'il comprend vos instructions.

Les vidéos de Gemini Omni comportent-elles un filigrane ?

Oui, mais un filigrane invisible. Tous les résultats portent le filigrane invisible SynthID et les informations d'authentification C2PA. Aucun logo visible ne reste sur le plan : ces marques servent à identifier si le contenu a été généré par l'IA de Google.

Gemini Omni fait passer la vidéo IA du « tout décrire d'un coup, et sinon recommencer » au « générer d'abord, puis affiner en discutant », ce qui représente un gain d'efficacité net pour quiconque travaille par itérations. Commencez par un simple brouillon de 10 secondes et prenez l'habitude d'ajuster le plan phrase après phrase : c'est une manière de démarrer bien plus abordable que de vouloir écrire le prompt parfait dès le début.