Google DeepMind a présenté Gemini Omni, une famille de modèles multimodaux qui créent des vidéos et modifient des vidéos existantes à partir d'instructions en langage naturel. Le premier modèle disponible, Omni Flash, est déployé dans l'app Gemini, dans YouTube Shorts et dans Flow. Dans l'app Gemini, il prend la place de Veo.
Ce que le modèle accepte en entrée
Omni reçoit du texte, des images, de l'audio, une vidéo existante ou un mélange de ces sources. Google le décrit comme capable de « raisonner conjointement » sur ces données, c'est-à-dire de les interpréter ensemble pour produire une séquence cohérente à l'image et dans le récit.
Le modèle accepte jusqu'à cinq images de référence pour une même vidéo. Un packshot, deux visuels de marque et une photo d'ambiance suffisent pour obtenir une séquence animée sans organiser de nouveau tournage.
Modifier une vidéo en décrivant le changement
Omni se distingue des générateurs à partir de prompts par l'édition de vidéo à vidéo, que Google appelle natural-language editing. L'utilisateur fournit une vidéo et écrit ce qu'il veut changer. Il peut demander de remplacer un personnage par une silhouette neutre, de placer la scène dans un bureau moderne, de stabiliser le plan ou d'ajuster la lumière. Le modèle applique la consigne sans passage par une timeline de montage, et la consigne suivante part du résultat obtenu.
Pour une équipe marketing qui n'a pas de monteur, l'usage le plus direct est la déclinaison. À partir d'une vidéo ou de quelques visuels existants, elle peut produire plusieurs variantes d'une même publicité et les tester sans commander chaque version à un prestataire.
Dix secondes par vidéo au lancement
Omni Flash est le modèle rapide de la famille. Il produit des vidéos de 10 secondes. Google présente cette durée comme un choix de lancement et indique que des formats plus longs suivront. D'ici là, un contenu plus long demande de générer plusieurs séquences puis de les assembler dans un outil de montage.
Les limites à connaître
Google prévient que les prompts doivent être très précis. Une consigne comme « change le fond » peut être interprétée largement et toucher des éléments qui devaient rester en place. Il faut donc écrire aussi ce qui ne doit pas bouger, par exemple « garde le personnage inchangé » ou « conserve le logo en haut à droite ».
La cohérence se dégrade au fil des modifications successives. Le modèle peut redessiner des détails à chaque passe, si bien qu'un changement de lumière fait légèrement dériver un personnage et qu'un nouvel arrière-plan modifie la couleur d'une chemise. Chaque sortie doit être vérifiée avant d'être validée, et parfois régénérée.
Omni Flash privilégie la rapidité. La qualité visuelle est inégale et n'atteint pas celle d'une post-production en studio. Un rendu très réaliste ou très détaillé relève encore d'autres outils.
Les vidéos produites portent SynthID, le filigrane numérique de Google qui signale qu'un contenu a été généré par IA. Si vos clients ou vos plateformes de diffusion encadrent l'usage de contenus générés, ce marquage est à prévoir dans vos contrats et dans votre organisation.
Les autres outils de vidéo par IA
Plusieurs produits couvrent un terrain voisin. Sora, d'OpenAI, génère des vidéos à partir de prompts. Runway réunit génération, retouche et post-production, et s'adresse aux équipes de design et aux studios. Pika produit des vidéos courtes destinées aux réseaux sociaux. Luma Dream Machine est cité pour son rendu cinématographique. Adobe Firefly Video est intégré à la suite créative d'Adobe.
Face à eux, Omni a pour particularité d'être présent dans les produits Google. Une vidéo créée dans Gemini peut être publiée sur YouTube Shorts, où ses vues et son taux de complétion se mesurent sans changer d'environnement.



