Gemini Omni : la nouvelle IA multimodale de Google capable de créer des vidéos à partir de n’importe quelle entrée

La différence entre Gemini Omni et Veo

Avant Omni, le principal modèle vidéo génératif de Google était Veo, un système dédié exclusivement à la création vidéo.

La différence principale tient à l’architecture.

Veo est un modèle spécialisé pour la génération vidéo, intégré dans une pile technologique distincte.

Gemini Omni, lui, est conçu comme un modèle multimodal unifié qui accepte simultanément plusieurs types d’entrées : texte, image, audio et vidéo.

Il combine ainsi les capacités de raisonnement de Gemini avec des technologies de génération issues de différents modèles multimédia, dont Veo.

L’objectif est de disposer d’un modèle fondationnel unique capable de comprendre le contexte entre plusieurs formats — par exemple un dialogue audio, des images de référence et une séquence vidéo — puis de générer ou modifier une scène cohérente.

Gemini Omni Flash : le premier modèle disponible

Le premier modèle de cette famille s’appelle Gemini Omni Flash.

Il permet déjà d’utiliser plusieurs types d’entrées dans une même requête :

• texte
• images
• audio
• vidéo

À partir de ces éléments, le système peut générer une vidéo réaliste ou modifier une vidéo existante à l’aide d’instructions en langage naturel.

Par exemple :

• créer une scène vidéo à partir d’un prompt textuel et d’images de référence
• modifier un clip vidéo importé en demandant des changements de décor ou d’objets
• combiner instructions vocales et éléments visuels pour ajuster une scène

Google explique que le modèle comprend mieux les interactions physiques (gravité, mouvement, collisions), ce qui améliore la cohérence visuelle des vidéos générées.

Où et quand Gemini Omni Flash est disponible

Google a commencé à déployer Gemini Omni Flash le 19 mai 2026, jour de la keynote de Google I/O.

Le modèle arrive progressivement dans plusieurs produits :

• l’application Gemini
• Google Flow, l’outil créatif IA de Google
• YouTube Shorts et YouTube Create pour les créateurs

Dans l’écosystème Gemini, l’accès dépend des abonnements IA de Google.

Les offres compatibles incluent :

• Google AI Plus
• Google AI Pro
• Google AI Ultra

Ces formules proposent différents niveaux de limites d’usage et de fonctionnalités avancées.

Lors de l’événement, Google a également annoncé un abonnement AI Ultra à 100 dollars par mois, destiné aux développeurs, créateurs avancés et professionnels ayant besoin de plus de puissance de calcul dans l’écosystème Gemini.

SynthID : le système de watermark pour les contenus IA

Avec la montée des contenus générés par IA, Google met aussi l’accent sur la traçabilité des médias synthétiques grâce à son système SynthID.

SynthID est une technologie de watermark invisible intégrée directement dans les contenus générés par IA, notamment :

• images
• vidéos
• audio
• texte

Ces marqueurs sont invisibles pour l’utilisateur mais détectables par logiciel, ce qui permet d’identifier si un contenu a été généré par une IA.

Lors de Google I/O 2026, plusieurs extensions ont été annoncées.

Détection directement dans Search et Chrome

Google intègre désormais des outils de vérification dans Google Search et le navigateur Chrome afin d’aider les internautes à savoir si une image en ligne a été générée ou modifiée par IA.

Adoption par d’autres entreprises

Google a également indiqué que plusieurs acteurs du secteur adoptent SynthID dans leurs propres systèmes d’IA, notamment :

• OpenAI
• Kakao
• ElevenLabs
• Nvidia

L’objectif est de créer un standard plus large pour identifier les contenus générés par IA sur le web.

Le portail SynthID Detector

Google propose aussi un outil appelé SynthID Detector. Ce portail permet de téléverser un fichier (image, audio, vidéo ou texte) pour vérifier la présence d’un watermark SynthID, ce qui peut aider les journalistes, chercheurs ou plateformes à vérifier l’origine d’un contenu.

Pourquoi Gemini Omni est important

Gemini Omni illustre une évolution majeure dans la conception des modèles d’IA.

Au lieu de disposer d’outils séparés pour le texte, l’image ou la vidéo, Google avance vers des modèles multimodaux capables de comprendre et générer plusieurs formats simultanément.

La génération vidéo à partir d’entrées mixtes est la première étape. À terme, l’objectif est un système capable de produire n’importe quel type de contenu à partir de n’importe quelle entrée, une approche que Google présente comme une avancée importante dans la modélisation du monde et la création multimédia par IA.

En parallèle, l’entreprise tente d’encadrer ces capacités avec des technologies comme SynthID, afin de mieux identifier les contenus générés par IA et limiter les risques de désinformation ou de deepfakes.