Le 5 novembre 2026, Google a lancé le déploiement de Gemini Omni 1.2 Flash — une version mise à jour du modèle de création et d'édition vidéo. Le blog officiel de l'entreprise et le Cloud Blog confirment que le modèle est désormais disponible via l'API Gemini, Gemini for Business et plusieurs produits grand public.
Les principaux changements sont l'allongement des clips à 15 secondes contre 10 secondes dans la version 1.1, une baisse du prix de 30 % à 0,07 dollar par seconde de vidéo en résolution 720p, ainsi que l'introduction de l'édition conversationnelle multi-étapes. L'utilisateur peut préciser les détails l'un après l'autre, sans recréer entièrement la vidéo.
Le mécanisme d'édition conversationnelle permet de modifier l'arrière-plan, l'éclairage, les objets ou l'angle de vue au sein d'un même clip. Cela diffère fondamentalement des approches précédentes, où chaque modification exigeait une nouvelle génération à partir de zéro. Le modèle préserve mieux la cohérence des personnages, des objets et des éléments de marque lorsqu'il utilise des références — images, courtes vidéos et audio.
La méthodologie de Google met l'accent sur le flux de travail : une ébauche en basse résolution, des retouches en dialogue, puis un upscale jusqu'à 1080p ou 4K. Ce schéma réduit les coûts et accélère les itérations, ce qui est important pour la production de masse de spots publicitaires, d'essayages virtuels et de vidéos explicatives. Cependant, les documents officiels ne contiennent pas de benchmarks détaillés par rapport aux concurrents ni d'évaluations indépendantes de tiers.
Dans le paysage de la génération vidéo, c'est un pas de côté par rapport aux modèles à une seule étape comme les premiers Sora ou Luma Dream Machine. Google mise sur l'intégration à l'écosystème Gemini et sur le contrôle conversationnel, ce qui rapproche la génération du processus de montage habituel. Par rapport à Omni 1.1, des progrès sont perceptibles dans l'adhérence aux références et le naturel de la parole avec le lip-sync.
Pour les développeurs et les entreprises, la baisse des prix et la possibilité de contrôler précisément la durée de 3 à 15 secondes ouvrent de nouveaux scénarios. Auparavant, la limite de 10 secondes restreignait les récits complexes ; désormais, il est possible de créer des spots publicitaires complets ou des product explainers en une seule passe, avec des retouches ultérieures.
La question de la cohérence à long terme sur des séquences plus longues et de la généralisation à des scènes complexes comportant de nombreux objets en mouvement reste ouverte. Des tests indépendants n'ont pas encore été publiés, et les performances réelles en production dépendront des cas concrets.
La mise à jour montre que Google ne se concentre pas seulement sur la qualité de la génération, mais aussi sur l'intégration pratique dans les flux de travail, rapprochant ainsi l'IA vidéo d'un outil d'usage quotidien.
