Gemini Omni 1.2 Flash allonge les clips vidéo et baisse les coûts

Google a rendu Gemini Omni 1.2 Flash généralement disponible le 5 novembre 2026, avec un objectif clair : produire des vidéos plus longues, plus faciles à retoucher et moins chères à générer. Le modèle passe à 15 secondes par clip, contre 10 auparavant, et fait baisser le coût du 720p d’environ 30 %, à près de 0,07 dollar par seconde. Pour les équipes qui enchaînent les versions, le changement compte autant pour le budget que pour le flux de production.

Des clips plus longs, sans repartir de zéro

Gemini Omni 1.2 Flash accepte des durées de 3 à 15 secondes, avec un format 16:9 par défaut et une prise en charge du 9:16 vertical. Google propose aussi des brouillons en 360p ou 720p, puis une montée en 1080p ou 4K sur les rendus retenus. L’idée est simple : générer vite, corriger ensuite, et ne payer la haute définition que pour ce qui finit vraiment en production.

La nouveauté la plus visible reste l’édition conversationnelle. Un utilisateur peut modifier un clip en plusieurs échanges, remplacer un produit ou un décor, changer la lumière, ajuster la météo ou basculer le format sans réécrire toute la scène. Le système conserve le contexte entre les requêtes grâce à un identifiant d’interaction précédent, ce qui évite de renvoyer la vidéo d’origine à chaque demande.

La cohérence visuelle devient l’argument central

Google insiste sur la stabilité des personnages, des vêtements, de l’emballage et des couleurs de marque d’un plan à l’autre. Le modèle prend en entrée du texte, des images, des vidéos courtes et, selon l’annonce, jusqu’à six images de référence par requête, avec un maximum de trois images par personnage pour deux personnages. Cette approche vise surtout les usages publicitaires, les démonstrations produit et les scènes où une dérive visuelle ruine la séquence.

Dans ses évaluations internes, Google DeepMind dit que Gemini Omni 1.2 obtient un taux de préférence visuelle de 62 % contre 38 % pour Omni 1.1 en text-to-video, puis 63 % contre 37 % sur la cohérence d’identité avec plusieurs références. Ce sont des mesures maison, mais elles donnent la direction : moins de morphing, moins de drift, et des transitions qui tiennent mieux la route. Ce n’est pas un miracle, juste une vidéo qui arrête de se transformer en cousin éloigné au milieu du plan.

Ce que les équipes peuvent en faire, et ce qui reste limité

Le modèle est pensé pour des montages itératifs. Google décrit une boucle où l’on prépare un premier rendu, on corrige un détail précis, puis on finalise seulement la meilleure version en haute résolution. Cette logique s’applique notamment aux annonces produit, aux extraits sociaux, aux essais de direction artistique et aux scénarios où une génération complète coûte moins cher qu’une suite de reprises manuelles.

Mais les limites restent explicites. Les changements rapides de script, les sports très dynamiques et certains effets de physique complexe restent difficiles. L’API est pleinement prise en charge en anglais, sans évaluation publiée pour les autres langues. Les voix importées, l’audio de référence et l’édition vocale ne sont pas pris en charge à ce stade [à vérifier], et les filtres de sécurité continuent de s’appliquer aux prompts comme aux vidéos générées.

Une diffusion large, entre API, studio et produits Google

Le déploiement passe par Gemini API, Google AI Studio, Google Cloud Console, Flow, Google Vids, l’application Gemini pour les abonnés Google AI Ultra et Google Ads. Google ajoute aussi une couche entreprise avec des infrastructures Cloud, des fonctions de sécurité et la capacité Provisioned Throughput. Chaque vidéo produite via l’API reçoit un watermark SynthID invisible, détectable par programme, pour la vérification de provenance.

Le prix suit la même logique industrielle : 12 dollars par million de tokens de sortie vidéo, soit environ 0,70 dollar pour 10 secondes et 1,04 dollar pour 15 secondes, selon les chiffres donnés par Google. Les entrées texte, image et vidéo sont facturées 1,50 dollar par million de tokens. Gemini Omni 1.1 Flash reste accessible pendant une transition de quatre semaines, puis les requêtes API basculeront automatiquement vers 1.2 le 3 décembre 2026, avec les nouveaux tarifs. Pour les clients existants, le message est limpide : pas de réécriture immédiate, mais une migration programmée.

Le pari de Google sur la production vidéo industrielle

Cette version ne cherche pas seulement à générer des clips plus longs. Elle cherche surtout à rendre la retouche assez fiable pour remplacer une partie des régénérations complètes. C’est ce qui intéresse des acteurs comme Photoroom, dont le directeur général Matt Rouif dit que la durée plus longue était une demande majeure et que la disponibilité générale avec SLA leur permet d’envisager Gemini Omni Flash en production pour les vendeurs et les clients entreprise. Le modèle alimente déjà ses outils Video Ad Maker et Product Animator.

Au fond, l’enjeu est là : si une IA vidéo garde les visages, les produits et les scènes d’une version à l’autre, elle devient un outil de chaîne de production, pas seulement un générateur de démos. Dans ce contexte, Google tente de faire passer la vidéo générative d’un terrain de test à un usage exploitable à l’échelle des campagnes, avec des limites connues mais un cadre plus proche des besoins métier.