title: Ce que nous savons sur Gemini Omni 48 heures avant Google I/O description: Des chaînes de caractères dans l'application Gemini, une fuite de 9to5Google et ce que Veo 3.1 fait déjà — ensemble, ils dressent un tableau assez clair de ce que Google s'apprête à annoncer. Voici mon analyse à sept jours de l'événement. created_at: 2026-05-12 author_name: Lena Hoffmann author_image: /imgs/authors/lena-hoffmann.jpg image: /imgs/blog/what-we-know-about-gemini-omni-before-io.webp
J'écris ceci le 12 mai 2026 — exactement sept jours avant Google I/O. Si les prédictions de cet article vieillissent mal d'ici le 20 mai, tant pis, je préfère laisser une trace écrite. Si elles vieillissent bien, tant mieux.
Ce que je veux faire ici, c'est passer en revue ce que l'on sait réellement de « Gemini Omni » à l'heure actuelle, séparer le signal de la spéculation, et expliquer sur quoi je mise pour /tools/text-to-video et le reste de la pile GeminiOmni lorsque l'annonce tombera.
La chaîne de caractères dans l'application
L'élément de preuve le plus concret est apparu le 5 mai, lorsque le démontage APK de 9to5Google a découvert une nouvelle ressource dans l'application Gemini Android :
Créez avec Gemini Omni : découvrez notre nouveau modèle vidéo, remixez vos vidéos, éditez directement dans le chat, essayez des modèles, et plus encore.
Quelques éléments m'ont tout de suite sauté aux yeux lors de la première lecture :
- « Notre nouveau modèle vidéo » — au singulier. Pas « modèles vidéo », pas « vidéo et audio ». Google le présente comme l'offre vidéo de nouvelle génération, même si (comme je vais le soutenir plus bas) le modèle lui-même est probablement plus général que ne le suggère cette chaîne.
- « Remixez vos vidéos, éditez directement dans le chat » — c'est la fonction d'édition native dans le chat que Nano Banana 2 fait déjà pour les images. Google étend l'expérience de l'édition conversationnelle à la vidéo.
- « Essayez des modèles » — Google intègre une surface de modèles dans l'application Gemini. C'est un indice sur la distribution, pas sur le modèle lui-même. Les développeurs indépendants doivent considérer que leurs outils vidéo sont désormais en concurrence avec des modèles prêts à l'emploi dans l'application grand public Gemini.
Testing Catalog a publié un suivi avec des exemples de sorties dans les versions de débogage de l'application. L'esthétique se rapproche plus de Veo 3.1 que de tout ce que j'ai vu d'Imagen, et les modèles semblent inclure des flux image-vers-vidéo.
Pourquoi je pense qu'« Omni » est plus gros que la fuite ne le suggère
Le nom « Omni » en dit long. Google n'appelle pas ses modèles « Omni » à la légère. Ce choix de nom m'indique trois choses :
Un seul modèle, pas trois. Le schéma que Google a mis en place — Nano Banana pour l'édition d'image en contexte, Veo pour la vidéo, Gemini Flash pour tout le reste — était celui de trois modèles spécialisés derrière une interface de chat unique. « Omni » me semble être l'unification de tout cela. Image et audio en un seul passage. Vidéo et image en un seul passage. Peut-être même la génération de texte co-localisée avec la génération de média en un seul appel direct.
Le cadrage vidéo est l'argument grand public. Les équipes marketing mettent la capacité la plus lisible dans la chaîne d'annonce. « Nouveau modèle vidéo » est plus facile à expliquer lors d'un keynote que « modèle génératif multimodal unifié avec audio natif et édition native dans le chat ». Mais la surface développeur est probablement plus large que ne le suggère le keynote.
Omni Reference est la fonctionnalité réelle. Si vous avez utilisé Veo 3.1 avec des images de référence, vous savez à quel point l'expérience « verrouillez ce sujet sur tout le clip » est puissante. Le mot-clé que la fuite ne mentionne pas mais qui est implicite dans « remixez vos vidéos » est — presque certainement — le mode Omni multi-référence : fournissez un sujet, une image de style et un script, et laissez un seul modèle produire un morceau de vidéo cohérent.
Ce que Veo 3.1 fait déjà
Pour calibrer les attentes : tout ce que Veo 3.1 Fast fait déjà est le minimum que Omni livrera. Aujourd'hui, avec Veo 3.1 Fast à 0,15 $ par seconde :
- Vidéo 1080p de 8 secondes avec audio spatial synchronisé natif
- Cohérence des personnages verrouillée par image de référence (1 à 4 images d'entrée)
- Mouvement conscient de la physique pour les tissus, l'eau, les cheveux et la réfraction
- Remixage texte-vers-vidéo, image-vers-vidéo et vidéo courte-vers-vidéo
- Éditions via le chat (« ralentis cela à 0:03 ») sur des clips déjà générés
C'est déjà une capacité absurde pour le prix. Tout ce que Omni livrera sera mesuré par rapport à cette base. Si Omni n'inclut pas une version fonctionnelle de chacune de ces fonctionnalités, les développeurs indépendants resteront discrètement sur Veo 3.1.
Trois prédictions que je suis prêt à assumer
Je me suis déjà trompé sur les annonces de Google I/O, alors prenez-les avec les pincettes appropriées.
Prédiction 1 : La fonction phare d'Omni est la multimodalité en une seule invite. Vous pourrez taper une seule invite Gemini et obtenir un objet structuré contenant une vidéo, des images fixes, un audio de narration, et peut-être une transcription — le tout généré conjointement pour être cohérent en interne. C'est l'étape évidente après « vidéo et audio en un seul passage » vers « tout en un seul passage ».
Prédiction 2 : Le prix sera inférieur à la somme des parties. Aujourd'hui, générer une vidéo explicative narrée de 30 secondes nécessite au moins trois appels API : Veo pour la vidéo, TTS pour la narration, Imagen pour les vignettes. Si Omni regroupe tout cela, Google le proposera à environ 70 % de la somme. C'est le levier qui attirera les développeurs indépendants loin du workflow multi-appels.
Prédiction 3 : Il n'y aura pas d'API utilisable le premier jour. Google a l'habitude d'annoncer des modèles à I/O et de livrer l'accès API des semaines plus tard. Je m'attends à un lancement à accès contrôlé où l'application Gemini grand public reçoit Omni immédiatement, AI Studio dans la semaine, et l'API Développeur publique 2 à 4 semaines après I/O. Les développeurs indépendants doivent prévoir un délai.
Ce que je prépare en partant du principe qu'Omni arrive comme prévu
Trois paris concrets que j'ai faits dans le codebase GeminiOmni sur la base de cette analyse :
Un placeholder « Coming May 20 » sur la page d'accueil. Le héros sur geminiomni-ai.com mentionne explicitement le mode Omni. Je préfère anticiper le mot-clé et avoir l'air légèrement ridicule si le lancement est retardé que de me précipiter pour mettre à jour le texte à 3h du matin le jour du lancement.
Un routage des invites côté serveur. Les quatre outils — texte-vers-vidéo, image-vers-vidéo, édition Nano Banana, chat PDF — passent tous par un seul point de terminaison interne avec un paramètre de modèle. Lorsque l'API développeur d'Omni ouvrira, je change une valeur de configuration et le même outil côté utilisateur utilisera le nouveau modèle. Aucune modification côté client.
Pas d'interface « Omni » autonome pour l'instant. Je ne vais pas construire un cinquième outil intitulé « Omni » avant d'avoir vu l'API réelle et décidé quelle est la bonne interface utilisateur. Si la fonction signature d'Omni est « une invite, quatre types de médias », la bonne interface pourrait être une simple boîte de chat plutôt que quatre outils séparés — et c'est une décision produit plus grande que je ne veux prendre avant le lancement.
Ce que je vais surveiller pendant le keynote
Si vous vous branchez en direct sur I/O les 19-20 mai, les trois choses qui affecteront le plus ce que les développeurs indépendants devraient construire ensuite :
- Le prix. Un coût par seconde pour la sortie vidéo d'Omni. S'il est égal ou inférieur à Veo 3.1 Fast, le calcul tient. S'il est 3 à 5 fois plus élevé, Omni est une fonctionnalité grand public, pas une surface développeur.
- La date de l'API. Que Sundar Pichai ou Demis Hassabis dise « disponible dès aujourd'hui dans l'API Gemini » ou « déployé auprès des développeurs dans les semaines à venir ». Deux calendriers très différents.
- Les limites de taux sur le niveau Gratuit d'AI Studio. Ce que Google fixera deviendra le plafond de facto pour ce que les outils indépendants peuvent offrir sur leurs propres plans Gratuits.
Je ferai un nouveau point le 21 mai avec ce qui s'est réellement passé. D'ici là, j'adorerais avoir tort sur tout cela.
À lire ensuite
- Pourquoi Veo 3.1 Fast bat Sora pour le travail vidéo indépendant
- Générateur de vidéo à partir de texte
- Image vers vidéo sur Veo 3.1
— Lena