« Comment créer une image avec Gemini ? » est une question que l'on me pose presque aussi souvent que celle sur la vidéo — et comme pour la vidéo, la plupart des gens se font une idée légèrement erronée. Ils imaginent un modèle unique appelé « Gemini » qui peint des images. La réalité est une petite famille de modèles d'image cachée derrière Gemini, chacun conçu pour un verbe différent. Une fois que vous savez lequel vous appelez, vous arrêtez de deviner et commencez à obtenir des images utilisables dès le premier essai.
Voici la version honnête et la version pratique, toutes les deux.
D'abord : Gemini est le cerveau, le modèle d'image est le pinceau
Gemini est une famille de modèles multimodaux. Il raisonne, écrit, lit les images et interprète votre invite. Mais les pixels réels d'une image générée proviennent des modèles d'image dédiés de Google :
- Imagen 4 — Le modèle vedette de Google pour la génération texte-image. Vous lui donnez une invite textuelle et il génère une toute nouvelle image de toutes pièces. Purement génératif : pas de mode édition, pas de téléchargement, juste du texte en entrée, une photo en sortie. Il est vraiment excellent en photoréalisme et en composition.
- Nano Banana (Gemini Flash Image) — Le modèle d'édition. Vous téléchargez une image, décrivez de manière conversationnelle ce que vous voulez changer, et il préserve tout ce que vous n'avez pas mentionné. C'est celui dont les gens parlent quand ils disent « éditer ma photo avec l'IA ».
La règle en une ligne : Imagen 4 crée des images, Nano Banana les édite. Si vous avez une toile vierge, générez. Si vous avez déjà une image et voulez changer un détail, éditez. Choisir le mauvais verbe vous coûte à la fois en qualité et en crédits.
Trois façons d'accéder aux modèles d'image
Même compromis que tout le reste dans la pile Gemini — le prix contre les tracas :
- Application Gemini / Google AI Studio. Il y a un niveau gratuit, mais il est limité en débit, parfois avec un filigrane, et l'accès à des modèles spécifiques varie selon le forfait et la région. Correct pour une expérience unique.
- Google Cloud Vertex AI. L'API brute. Contrôle total, pas de filigrane — mais vous avez besoin d'un compte GCP, d'une facturation configurée et d'une clé API, avec une facturation au compteur par image. Trop lourd sauf si vous construisez une infrastructure.
- Un outil hébergé qui encapsule les modèles côté serveur. Vous tapez une invite, il génère, vous payez seulement ce que vous rendez. Pas de clés, pas de GCP, pas de facture surprise. J'ai construit le générateur d'images de GeminiOmni exactement de cette façon car les options 1 et 2 sont soit trop limitées, soit trop compliquées pour quelqu'un qui veut juste une image.
Choisissez selon la fréquence. Une fois par mois ? L'application Gemini suffit. Plus d'une fois par semaine ? Un wrapper hébergé vous évite à la fois des frais et la configuration GCP.
Les étapes réelles (du texte à l'image)
Quelle que soit la voie empruntée, les mécanismes sont les mêmes :
1. Décrivez la scène sous forme d'invite. Sujet, style, éclairage et cadrage en une ou deux phrases. Le squelette est ci-dessous.
2. Choisissez d'abord votre rapport hauteur/largeur. 16:9 pour les bannières et les miniatures, 1:1 pour les publications de flux et les avatars, 9:16 pour les stories. Décidez avant de générer — recadrer après coup fait perdre de la résolution.
3. Choisissez un modèle en fonction de la tâche. Rapide et économique pour les brouillons et les itérations (un modèle léger comme Z-Image Turbo coûte une fraction d'un modèle phare) ; un modèle premium comme Nano Banana Pro quand vous avez besoin d'une sortie 2K et d'un texte lisible dans l'image.
4. Générez et examinez. Les modèles d'image modernes répondent en quelques secondes. Regardez l'image entière, pas seulement le sujet — les mains, le texte et les visages sont les domaines où les modèles trébuchent encore.
5. Itérez une variable à la fois. Si l'image est correcte à 80 %, ne réécrivez pas toute l'invite. Changez une chose — l'éclairage, l'objectif, l'heure de la journée — et régénérez.
Le squelette d'invite qui fonctionne vraiment
Après quelques centaines de générations, voici la structure que j'utilise à chaque fois :
[type de plan / support] de [sujet] [en train de faire quelque chose], [environnement], [éclairage / heure de la journée], [ambiance], [style ou détail de prise de vue].
Un exemple concret :
Un plan large cinématographique d'un phare solitaire sur une côte rocheuse à l'heure dorée, longues ombres, ambiance nostalgique et apaisante, filmé en 35 mm avec une faible profondeur de champ.
Ce qu'il contient :
- Support ou type de plan (« plan large cinématographique », « photo de produit en studio », « illustration vectorielle plate ») — cela définit l'apparence entière. Les modèles d'image respectent le vocabulaire des supports.
- Un sujet spécifique faisant quelque chose — les noms et verbes concrets battent les accumulations d'adjectifs. « Un phare sur une côte rocheuse » bat « une belle vue panoramique ».
- Éclairage et heure de la journée — « heure dorée », « nuit au néon », « matin nuageux ». Cette seule phrase décide de la moitié de l'ambiance.
- Style ou détail de prise de vue — « film 35 mm », « faible profondeur de champ », « 4K, hyper-détaillé » pour le photoréalisme ; « vectoriel plat », « aquarelle », « isométrique » pour les graphiques.
Ce qui nuit à une invite : empiler dix adjectifs, des instructions contradictoires (« une scène minimaliste mais très détaillée ») et des concepts abstraits sans ancrage visuel (« une image sur la liberté »). Le modèle rend ce qu'il peut voir — donnez-lui donc quelque chose à voir.
Échecs courants et comment les corriger
« Le texte dans mon image est illisible. » Les modèles de diffusion ont toujours été très mauvais pour écrire des mots. Gardez le texte court, mettez-le entre guillemets dans l'invite et utilisez un modèle plus puissant — Nano Banana Pro rend le texte lisible bien mieux que le niveau rapide.
« Les visages sont étranges. » Les visages sont la chose la plus difficile pour tous les modèles d'image de 2026. Reculez la caméra, évitez les gros plans extrêmes et ajoutez « texture naturelle de la peau, éclairage studio doux » plutôt que d'attendre un portrait parfait du niveau rapide.
« Il a ignoré la moitié de mon invite. » Vous avez probablement trop décrit. Un sujet, un moment, une ambiance. Coupez la seconde moitié.
« Ça n'a pas l'air réel. » Ajoutez « filmé en 35 mm », « faible profondeur de champ », « éclairage naturel » — et réduisez vos attentes pour les mains et les petits textes, encore les points faibles partout.
Éditer au lieu de générer
Si vous avez déjà une image que vous aimez — une photo de produit, une illustration, un personnage — ne la redécrivez pas de zéro. Donnez l'image au modèle d'édition et invitez uniquement le changement souhaité. C'est ce que les gens recherchent vraiment avec « éditer ma photo avec l'IA », et c'est presque toujours de meilleure qualité que la pure génération texte-image car le modèle ne devine pas la composition — vous lui avez donné le cadre. La plupart des outils hébergés (le nôtre inclus) exposent cela comme un mode d'édition contextuel séparé.
Alors, quel est le chemin gratuit le plus rapide vers votre première image ?
Si vous voulez juste essayer une fois et que le filigrane ne vous dérange pas, générez dans l'application Gemini. Si vous allez le faire régulièrement — contenu, marketing, miniatures — sautez la configuration GCP et utilisez un outil qui encapsule les modèles côté serveur et facture par rendu. C'est le créneau que GeminiOmni occupe : vous tapez une invite et obtenez une vraie image en quelques secondes. Les nouveaux comptes commencent avec des crédits gratuits — et comme une image de niveau rapide ne coûte que quelques-uns d'entre eux, vos premières images sont vraiment gratuites, sans carte bancaire requise pour voir si ça vaut le coup.
Les modèles sont déjà assez bons. Ce qui vous sépare d'une image dont vous êtes fier, ce n'est pas Gemini ou Imagen — c'est l'invite. Partez du squelette ci-dessus et changez une variable à la fois. Vous deviendrez étonnamment compétent rapidement.
