Gemini Live évolue : Google lance la génération et l’édition d’images en temps réel par simple conversation

Ce que Google a ajouté à Gemini Live

Google a officiellement intégré la génération et l’édition d’images en temps réel dans Gemini Live, son mode d’intelligence artificielle conversationnelle . Concrètement, pendant un échange vocal en direct avec l’application Gemini, l’utilisateur peut activer le partage de la caméra, pointer son téléphone vers un objet ou une scène, et demander oralement à l’IA de générer une image ou de modifier celle qu’elle perçoit . L’image ainsi créée ou retouchée apparaît directement dans l’interface de conversation, sans avoir à basculer vers un autre outil ou une autre application .

Cette nouveauté brouille la frontière entre « montrer ce que l’on voit » et « demander à l’IA de créer quelque chose », le tout dans un flux vocal continu. C’est une avancée majeure par rapport aux précédentes versions de Gemini, où la génération d’images nécessitait généralement des requêtes de type « prompt » tapées au clavier, même si la génération d’images via Gemini 2.5 Flash Image était déjà possible en dehors du mode Live .

Fonctionnement détaillé sur Android et iOS

Sur Android

Pour les utilisateurs Android, le flux est le suivant :

• Ouvrir l’application Gemini et lancer une session Gemini Live.
• Activer le partage de la caméra.
• Montrer un sujet à l’objectif et exprimer vocalement ce que l’on souhaite obtenir (par exemple : « transforme cette plante verte en une sculpture en cristal sur fond de coucher de soleil ») .
• Gemini génère ou modifie l’image en quelques secondes, et l’affiche en ligne dans la discussion .

La technologie sous le capot est Gemini 2.5 Flash Image, que Google surnomme officieusement « nano-banana ». Ce modèle d’IA est présenté comme la référence de Google en matière de génération et d’édition d’images . Il ne s’agit pas d’un simple filtre : le modèle peut fusionner plusieurs images en une seule composition, conserver la cohérence d’un personnage à travers plusieurs modifications (essentiel pour la narration visuelle), et exécuter des transformations ciblées à partir d’instructions en langage naturel .

Sur iOS

Sur iPhone et iPad, le cœur de la fonctionnalité reste le même : partage de la caméra couplé à une conversation en temps réel pour générer ou retoucher des images. Les sources disponibles ne détaillent pas un flux iOS distinct, mais le déploiement est confirmé pour les deux plateformes . On peut donc raisonnablement s’attendre à une expérience très proche de celle d’Android, adaptée à l’écosystème Apple, probablement avec quelques différences subtiles dans l’interface utilisateur.

La distinction clé

Avant cette mise à jour, il était déjà possible de générer et d’éditer des images dans l’application Gemini, notamment grâce à l’onglet « Créer des images » ou en téléchargeant des photos pour les modifier . Mais cela se faisait de manière « asynchrone », par des commandes textuelles. Avec Gemini Live, cette boucle création/édition bascule dans une conversation vocale en temps réel couplée au flux vidéo de l’appareil photo . L’interaction devient plus naturelle, « humaine », et surtout infiniment plus rapide pour qui veut itérer visuellement sans interrompre le fil de sa pensée.

La technologie qui donne vie à l’expérience

Le cœur technique de cette nouveauté est Gemini 2.5 Flash Image, ou nano-banana . Ce modèle n’est pas un simple générateur d’images :

• Fusion d’images multiples : Il peut mélanger plusieurs photos en une seule image cohérente .
• Cohérence des personnages : Il maintient l’apparence et l’identité d’un personnage à travers différents clichés ou modifications successives, une prouesse cruciale pour la création de bandes dessinées ou de storyboards .
• Transformations ciblées par langage naturel : Plutôt que de passer par des curseurs ou des calques, l’utilisateur décrit simplement ce qu’il veut changer (« remplace le t-shirt rouge par une veste en jean », « agrandis la fenêtre et mets un ciel étoilé ») .
• Ancré dans la connaissance du monde : Gemini utilise sa compréhension du réel pour générer des images plausibles et contextuellement pertinentes .

Ce modèle est accessible à la fois via l’API Gemini et Google AI Studio pour les développeurs, et via Google Cloud Vertex AI pour les entreprises . C’est le même socle technologique qui alimente les fonctions d’édition d’images déjà saluées dans l’application Gemini (échange de visages, changement de décor, etc.) .

Les annonces de la Google I/O 2026 qui amplifient cette dynamique

La conférence développeur Google I/O 2026, qui s’est tenue en mai, a été le théâtre d’une pluie d’annonces autour de Gemini, toutes conçues pour pousser l’avantage de Google dans l’IA multimodale conversationnelle.

Gemini Omni : le « nano-banana » de la vidéo

L’annonce phare est Gemini Omni, un nouveau modèle décrit comme pouvant créer « n’importe quel type de sortie à partir de n’importe quel type d’entrée » — en commençant par la vidéo . Gemini Omni combine l’intelligence conversationnelle de Gemini avec les meilleurs modèles génératifs de Google (Veo, Nano Banana, etc.) pour offrir un nouveau niveau de compréhension du monde, de multimodalité et d’édition .

Concrètement, Gemini Omni permet de créer et d’éditer des vidéos aussi simplement qu’une conversation . Google le décrit lui-même comme « l’équivalent de Nano Banana pour la vidéo » . On peut lui fournir du texte, des photos, des extraits vidéo, et il génère une vidéo de haute qualité. Bien plus, on peut ensuite dialoguer avec lui pour modifier cette vidéo : changer un objet, une ambiance, un éclairage, stabiliser l’image, ou même remplacer un personnage… le tout en langage naturel .

La première version déployée est Gemini Omni Flash, disponible pour les abonnés Google AI Plus, Pro et Ultra via l’application Gemini, Google Flow, et YouTube Shorts . Elle produit pour l’instant des clips de 10 secondes, une limitation qui relève plus d’un choix de déploiement que d’une contrainte fondamentale du modèle . À terme, Google envisage d’étendre Omni à d’autres formats de sortie comme l’image et l’audio .

Gemini 3.5 Flash : le nouveau moteur par défaut

L’autre annonce majeure est Gemini 3.5 Flash, qui devient le modèle par défaut pour l’application Gemini et le « Mode IA » de Google Search . Google affirme qu’il génère des résultats (tokens) quatre fois plus rapidement que les autres modèles dits « frontière » de sa catégorie . Surtout, il a été optimisé pour les tâches « agentiques » (capables d’utiliser des outils, de planifier, d’exécuter des flux de travail complexes), le code, et les travaux au long cours .

C’est ce modèle ultra-rapide qui alimente désormais l’expérience Gemini que les utilisateurs manipulent au quotidien, y compris pendant les sessions Live, même si pour la génération d’images, c’est nano-banana qui intervient en sous-main.

Autres annonces notables

• Gemini Spark : Un nouvel agent personnel présenté à l’I/O, conçu pour fonctionner de manière persistante dans le cloud 24h/24 et 7j/7, même lorsque vos appareils sont éteints .
• Refonte de l’application Gemini : Google a complètement redesigné l’interface de l’application selon un langage visuel nommé « Neural Expressive ». Désormais, Gemini Live s’intègre directement dans le fil de discussion, sans ouvrir une interface plein écran séparée .
• La plus grande mise à jour de Search en 25 ans : Google Search a été profondément remanié autour de l’IA, avec un « AI Mode » propulsé par Gemini 3.5 Flash .
• Outils Workspace : Docs Live permet de créer et d’éditer des documents à la voix, Gmail Live fait de même pour les emails, et Google Pics est une nouvelle application de retouche d’image par IA, intégrée à Workspace .

Positionnement concurrentiel dans le paysage de l’IA multimodale

Avec ces annonces, Google cherche clairement à verrouiller une position de leader sur un créneau précis : celui du pipeline multimodal conversationnel unifié.

• Pour l’image : Gemini Live permet désormais de passer d’un « montre-moi ce que tu vois » à « crée-moi quelque chose à partir de ça » dans la même conversation . Ce n’est pas simplement un modèle de génération d’images, c’est une boucle complète de perception et de création en temps réel.
• Pour la vidéo : Gemini Omni étend exactement le même paradigme conversationnel à la création et à l’édition vidéo . Là où des outils comme Runway ou Sora (OpenAI) misent sur des prompts textuels souvent très techniques, Google mise sur la conversation naturelle « comme avec un collaborateur ».
• Raisonnement + génération média : La force de Google, c’est d’avoir combiné l’intelligence générale de Gemini (son LLM) avec ses modèles génératifs spécialisés (Veo, Nano Banana) pour produire des systèmes qui non seulement génèrent des médias, mais comprennent ce qu’ils génèrent . Gemini Omni, par exemple, simule la physique et conserve la cohérence des personnages à travers les plans vidéo .

Face à des concurrents comme OpenAI (GPT-5.5, Sora), Anthropic (Claude Opus) ou Meta, l’avantage de Google tient dans la profondeur d’intégration :

• Intégration native dans Android, iOS, Workspace, YouTube, Google Search.
• Passage fluide du texte, à l’image, à la vidéo, le tout en conversation.
• Un écosystème qui va du grand public (Gemini Live gratuit, YouTube Shorts) aux développeurs et entreprises (API, Vertex AI, AI Studio).

La question ouverte reste celle de l’exécution : ces fonctionnalités sont en cours de déploiement, et la qualité réelle des résultats à grande échelle, la robustesse face aux usages créatifs imprévus, et la gestion des questions de droits et d’éthique (chaque sortie Omni est marquée par un filigrane SynthID ) seront scrutées de près .

Mais la direction est claire : Google ne veut plus seulement répondre à vos questions. Il veut vous aider à montrer, raconter, créer, et éditer, comme si vous aviez un studio de création dans la poche. Et cela, simplement en lui parlant.