Gemini Omni 1.2 Flash : mon test du modèle vidéo de Google

👁 116 lectures

Le premier clip généré avec Gemini Omni 1.2 Flash qui m’a réellement impressionné dure 15 secondes, sans aucune coupure. Un drone décolle au-dessus de barres d’immeubles au coucher du soleil, plonge entre les façades, passe au-dessus d’un séchoir à tapis, franchit la porte d’un bar ouvrier et s’arrête devant un homme âgé attablé devant une assiette de soupe. L’homme lève les yeux et dit « Bonjour » (traduction de l’original polonais). Cette phrase ne figurait pas dans le prompt. Le modèle a jugé de lui-même que la situation l’exigeait.

Google a lancé Omni 1.2 Flash le 5 novembre 2026. Le soir même, j’avais généré 24 clips : neuf scènes de démonstration, une comparaison face à cinq concurrents, une échelle de résolutions de 360p à 4K et quelques échecs. L’ensemble de la session m’a coûté environ 11,56 EUR (13,02 USD, selon le taux de référence de la BCE du 04/11/2026 : https://www.ecb.europa.eu/stats/eurofxref/eurofxref-daily.xml). Cet article présente un tour d’horizon pratique de ses capacités, sans tableaux récapitulatifs. Les données chiffrées complètes sont regroupées dans notre dossier Gemini Omni Flash.

Quinze secondes en plan-séquence continu

C’est l’évolution majeure de la version 1.2. La mouture précédente s’arrêtait à 10 secondes. Vous pouvez désormais régler la durée seconde par seconde, entre 3 et 15 secondes. Cette extension temporelle n’est pas qu’un simple chiffre. Les modèles vidéo plus anciens ont souvent tendance à vaciller sur les durées longues : le décor se déforme, les visages changent d’apparence, la caméra effectue des sauts incohérents. Dans ce travelling, les immeubles conservent leur structure jusqu’au bout, la géométrie du bar reste parfaitement stable, et le client assis à la table garde exactement les mêmes traits de la première à la dernière image.

Une observation pratique importante : ma première version de ce prompt incluait des enfants jouant au ballon au pied de l’immeuble. Le modèle l’a immédiatement rejetée, sans facturation. En remplaçant les enfants par deux retraités sur un banc, la génération a démarré sans accroc. La documentation de Google mentionne des règles de sécurité beaucoup plus strictes concernant les mineurs. Si vos requêtes sont refusées, vérifiez d’abord ce paramètre.

Dialogue à trois voix

Pour évaluer la gestion de la parole et de la synchronisation labiale, j’ai testé une scène de réveillon de Noël polonais traditionnel : soupe de betteraves, ravioles, sapin illuminé. Le prompt demandait un échange en polonais entre trois personnes, chacune avec une voix distincte. La grand-mère demande qui a mangé la dernière raviole (« Qui a mangé la dernière raviole ? », selon la traduction de l’original polonais), l’adolescent la bouche pleine nie les faits, et la mère sourit en lui faisant remarquer qu’il en a un morceau sur le menton. En passant le fichier audio généré dans un outil de transcription, le texte correspond mot pour mot aux répliques demandées. La caméra déplace automatiquement son attention vers la personne qui s’exprime.

Google indique officiellement que seul l’anglais a fait l’objet d’une validation rigoureuse, les autres langues n’ayant pas été évaluées de manière approfondie. Lors de mes tests avec des invites formulées en polonais, le rendu s’est avéré très convaincant, même si de légères approximations surviennent parfois. Vous trouverez les détails complets de ce banc d’essai linguistique dans notre comparatif sur le lip-sync multilingue face à Veo, Wan, Seedance et Kling.

Publicité produit en cuisine

Un bocal de cornichons au sel sur une table en bois rustique, une lumière matinale rasante depuis la fenêtre, une main qui dévisse le couvercle en métal. Ce type de plan produit représente le cas d’usage typique des générateurs vidéo accessibles : produire rapidement plusieurs déclinaisons pour tester un concept. Omni a parfaitement maintenu la géométrie du bocal tout au long des 8 secondes. L’aneth et les grains de piment restent nets, sans fusion anormale, et la guitare acoustique discrète demandée dans l’invite accompagne la scène en fond sonore.

Rendu anime dans un tramway de nuit

Je voulais vérifier si le modèle savait s’éloigner du photoréalisme standard. Un tramway urbain de nuit sous une pluie battante, une lycéenne avec des écouteurs assise près d’une vitre embuée. Le résultat se rapproche étonnamment de l’animation japonaise cinématographique : éclairages doux, gouttes d’eau ruisselant sur le verre, reflets lumineux sur l’asphalte détrempé. Le travelling passe de l’extérieur vers l’intérieur de la rame sans transition visible.

Rotation complète de caméra autour d’un sujet

Un étal de marché aux pommes en plein mois d’octobre. J’ai demandé une rotation de caméra à 360 degrés autour de la marchande, sans coupe et en conservant une échelle constante du sujet. C’est l’un des points que Google affirme avoir optimisé dans la version 1.2, et le comportement sur le terrain le confirme : la caméra contourne le personnage, passe derrière son dos et revient cadrer son visage. Face aux cinq autres modèles testés, c’est Omni qui a livré la rotation la plus propre. Les détails sont analysés dans notre article sur les mouvements de caméra dans Omni 1.2.

Format vertical 9:16 et professeur d’histoire

Le ratio vertical 9:16 fonctionne exactement de la même manière que le format panoramique, au même tarif. Une danseuse sur le toit d’un immeuble au coucher du soleil, une caméra à l’épaule qui tourne autour d’elle, avant qu’elle ne s’arrête face à l’objectif : le résultat respecte scrupuleusement la consigne.

Autre essai : une professeure d’histoire devant son tableau évoquant la bataille de Grunwald (1410) et annonçant une interrogation écrite. Le dialogue dicté en polonais a été prononcé intégralement, y compris la date formulée sans erreur (« mille quatre cent dix », en traduction du polonais d’origine). Sur le tableau noir, le modèle a pris l’initiative d’écrire « Grunwald 1410 » à la craie. Détail curieux : avec une consigne quasi identique décrivant une présentatrice météo en studio de télévision, Omni a refusé la requête à deux reprises, sans facturation ni motif explicite.

Les limites constatées sur le terrain

Un banc d’essai sans écueils manquerait d’objectivité. Voici trois situations où le modèle a failli :

• Le volley-ball. Google le reconnaît : les sports très rapides demeurent un point faible. Dans mon essai, l’attaque et le contre restent lisibles et le public réagit bien, mais les maillots des joueurs affichent des numéros alors que le prompt demandait explicitement leur absence.
• Changement de saison à partir d’une image fixe. En fournissant la photo d’un jardin potager en plein été avec pour consigne de générer la même scène sous la neige en hiver, le modèle a renvoyé la scène estivale telle quelle, sans le moindre flocon. L’ancrage sur l’image source a prévalu sur le prompt textuel.
• Édition conversationnelle d’une vidéo existante. L’édition itérative par dialogue fait partie des nouveautés phares mises en avant, mais via la passerelle API utilisée lors de mes tests, la fonctionnalité refusait de s’exécuter (cinq tentatives, cinq échecs). J’analyse ces blocages techniques dans notre guide sur l’édition vidéo interactive. Par ailleurs, notez que dans l’EEE, en Suisse et au Royaume-Uni, des restrictions réglementaires spécifiques encadrent l’édition de vidéos importées par les utilisateurs.

Protocole de test et coûts

Tous les clips présentés ont été générés via l’API sur OpenRouter avec l’identifiant google/gemini-omni-1.2-flash, en résolution 720p avec audio activé et seed fixe. Les prompts ont été testés en polonais. Comptez entre 45 et 55 secondes d’attente pour un clip de 6 secondes, et 81 secondes pour un plan de 15 secondes. Les générations rejetées par les filtres de modération ne sont pas facturées. Vous pouvez retrouver des exemples d’invites prêtes à l’emploi dans notre sélection de prompts pour Gemini Omni 1.2, ainsi que l’analyse tarifaire à la seconde face au marché dans notre article détaillant le coût réel de Gemini Omni 1.2.

// lire la suiteClaude Sonnet 5.5 vs Gemini 3.5 Flash : lequel choisir ?ActualitésGemini 4 Carbon : le nouveau modèle de Google DeepMindActualitésGemini 4 Argon de Google : 1M tokens en sortie et prix agressifActualités