Prompts pour Gemini Omni 1.2 Flash : 7 règles et 9 exemples

👁 115 lectures

Gemini Omni 1.2 Flash comprend les instructions naturelles et ne requiert, a priori, aucune syntaxe obscure. Cependant, après avoir généré 24 clips lors de son lancement le 5 novembre 2026, certains réflexes font une différence majeure : imposer un plan continu pour bloquer les coupes intempestives, isoler les dialogues entre guillemets et ajuster précisément le minutage. Voici les recommandations de Google DeepMind, mes observations pratiques et neuf prompts fonctionnels à réutiliser.

Sept règles essentielles pour formuler vos prompts

1. Exigez un plan unique. Google précise dans sa documentation que le modèle a tendance à introduire des coupes spontanées. L’expression « un seul plan continu, sans coupe » (ou en anglais « a single continuous shot ») reste la méthode la plus fiable pour garder une caméra fluide d’un bout à l’autre. Sans cette consigne, une scène réunissant trois personnes basculait en champ-contrechamp haché ; avec elle, la caméra réalise une rotation fluide et ininterrompue autour des sujets.
2. Décrivez le mouvement de caméra comme à un cadreur. Spécifiez le point de départ, la trajectoire et le point d’arrêt. La consigne « le drone plonge entre les immeubles, rase une structure en métal puis franchit une porte ouverte » a produit 15 secondes de vol parfaitement cohérentes.
3. Isolez les dialogues entre guillemets avec le locuteur et la langue. Par exemple : « Le premier personnage dit en français avec insistance : « … » ». Si vous omettez de préciser la langue parlée, le modèle bascule fréquemment vers l’anglais par défaut.
4. Adaptez la durée au volume de texte. Comptez environ deux secondes pour une phrase courte. Dans un clip de 6 secondes, deux répliques n’ont pas eu le temps de s’enchaîner et le modèle a tronqué la fin de la phrase.
5. Intégrez les exclusions directement dans le texte. Gemini Omni ne propose pas de champ dédié au prompt négatif. Vous devez inscrire vos consignes d’exclusion dans le corps du texte : « sans sous-titres ni enseignes », « sans dialogue », « aucun effet sonore superflu ». L’approche fonctionne bien, même si des ratés surviennent : les numéros sur les maillots de sport sont apparus malgré une interdiction formelle.
6. Segmentez la chronologie. Google recommande d’indiquer des repères temporels textuels comme « après 3 secondes… » ou d’employer des balises du type [0-5s]. Cela s’avère particulièrement utile sur des formats de 10 à 15 secondes où plusieurs actions se succèdent.
7. Précisez l’ambiance sonore. L’audio ne se génère pas toujours de manière optimale sans guidage. Des mentions claires comme « musique acoustique discrète », « rythme hip-hop percutant » ou « crépitement de grillade » ont produit exactement les effets attendus.

Les pièges à éviter

• Les enfants dans le champ. Une consigne mettant en scène des enfants jouant au ballon a été rejetée par les filtres de sécurité. Le remplacement par des personnes âgées a permis de valider la génération sans encombre.
• Le plateau de télévision avec présentateur. Deux refus consécutifs ont été essuyés sans justification détaillée. En revanche, une enseignante dans une salle de classe a été validée immédiatement.
• Les marques et logos réels. Les filtres liés aux droits d’auteur se déclenchent rapidement sur les marques déposées. La simple mention orale d’une enseigne dans un dialogue est passée, mais commander un logo visible en vitrine reste risqué.
• Les anciennes balises de cadrage. La documentation déconseille l’emploi de tags obsolètes tels que <FIRST_FRAME>. Décrivez le rôle de l’image de référence avec une phrase ordinaire : « la même scène et les mêmes personnes que sur l’image fournie ». Notez par ailleurs que dans l’EEE, en Suisse et au Royaume-Uni, l’édition de vidéos importées fait l’objet de restrictions d’accès.

Neuf prompts prêts à l’emploi

Chacune de ces requêtes a généré un clip exploitable en 720p lors de mes tests du 5 novembre 2026. La durée demandée figure entre parenthèses. Les versions présentées ci-dessous sont des traductions françaises fidèles des prompts originaux testés en polonais.

1. Survol FPV en plan continu (15 s)

(Traduction du prompt original testé en polonais)

Un seul plan FPV continu au drone, sans coupe : départ en hauteur au-dessus d'un grand ensemble résidentiel au coucher du soleil, le drone plonge entre les barres d'immeubles, rase un étendoir à battre les tapis et un banc où discutent deux retraités, entre par la porte ouverte d'un bar populaire, glisse au-dessus du comptoir de plats chauds et s'arrête devant un homme âgé mangeant une soupe, qui lève les yeux vers la caméra. Sons naturels : vent, rumeur du quartier, cliquetis d'assiettes. Sans textes ni enseignes.

2. Rotation complète autour d’un sujet (6 s)

(Traduction du prompt original testé en polonais)

La caméra effectue une rotation complète et fluide autour d'une femme âgée vendant des pommes sur un étal de marché par une matinée d'octobre. La femme sourit et réajuste son foulard. Échelle constante du sujet, sans coupe. Ambiance sonore du marché en arrière-plan. Sans inscriptions.

3. Dialogue entre deux personnes (8 s, tronqué à 6 s)

(Traduction du prompt original testé en polonais demandant un échange en polonais)

Deux voisins d'une cinquantaine d'années dans un jardin ouvrier autour d'un barbecue. Le premier, casquette plate sur la tête, dit en polonais sur un ton de reproche : "Je t'avais dit que les saucisses devaient venir de chez Biedronka, pas de Lidl !". Le second, portant des lunettes, répond calmement en polonais : "Tu vas manger et arrêter de râler.". Mouvement des lèvres net, voix naturelles, crépitement du barbecue.

4. Trois personnes à table (10 s)

(Traduction du prompt original testé en polonais demandant un échange en polonais)

Repas de réveillon de Noël dans un appartement, table dressée avec soupe traditionnelle, sapin illuminé en fond. Trois personnes discutent en polonais, chacune avec une voix distincte. La grand-mère : "Qui a pris le dernier ravioli ?". Le petit-fils adolescent, la bouche pleine : "Pas moi, je le jure !". La mère rigole : "Tu as un morceau collé au menton.". Mouvements de lèvres précis pour chaque locuteur, la caméra oriente l'attention vers celui qui prend la parole.

5. Face caméra pédagogique (8 s)

(Traduction du prompt original testé en polonais demandant une prise de parole en polonais)

Une professeure d'histoire, femme d'environ 40 ans vêtue d'un pull et portant des lunettes, se tient près du tableau noir dans une classe sans élèves visibles. Elle regarde l'objectif et déclare distinctement en polonais : "Grunwald, année mille quatre cent dix. Notez-le bien, interrogation écrite vendredi." Synchronisation labiale soignée, intonation naturelle, plan continu avec un léger travelling avant.

6. Plan produit publicitaire (8 s)

(Traduction du prompt original testé en polonais)

Spot produit : un bocal de cornichons marinés maison à l'aneth et à l'ail posé sur une table en bois dans une cuisine rustique, lumière matinale venant de la fenêtre. La caméra tourne lentement autour du bocal, la main d'une grand-mère dévisse le couvercle, buée et gouttes de saumure filmées au ralenti, un cornichon extrait avec une fourchette. Teintes chaleureuses, faible profondeur de champ, musique acoustique discrète. Sans étiquette ni texte.

7. Animation de style anime (8 s)

(Traduction du prompt original testé en polonais)

Anime dans le style des longs métrages dessinés à la main : un tramway de nuit traverse la ville sous la pluie, à l'intérieur une lycéenne portant un casque audio regarde à travers la vitre embuée les lumières urbaines, reflets de néons sans lettres sur l'asphalte humide. La caméra glisse de l'extérieur du tramway vers l'intérieur à travers la vitre. Bruit feutré de la pluie et cliquetis régulier des rails.

8. Format vertical pour réseaux sociaux (8 s, 9:16)

(Traduction du prompt original testé en polonais)

Vidéo verticale : une jeune danseuse en pantalon large et sweat-shirt danse le hip-hop sur le toit d'un immeuble au coucher du soleil, caméra à l'épaule tournant autour d'elle, vent dans les cheveux, elle s'arrête à la fin pour fixer l'objectif. Rythme hip-hop percutant, sans inscriptions textuelles.

9. Séquence sportive (6 s, avec réserve)

(Traduction du prompt original testé en polonais)

Match de volley-ball en salle, joueurs en maillots unis sans numéros ni logos. Un athlète s'élève au filet, smash puissant, le ballon heurte le contre et retombe au sol, le public exprime sa joie. Caméra dynamique latérale, bruit de frappe net sur le ballon et clameur des tribunes.

L’action dynamique a été fidèlement restituée par le modèle, mais la consigne « sans numéros » a été totalement ignorée lors de la génération.

Paramètres recommandés pour débuter

• Pour vos ébauches : travaillez en 360p sur des segments de 5 à 8 secondes en conservant une graine (seed) fixe afin de stabiliser vos itérations à moindre coût.
• Pour la diffusion web : le rendu natif en 720p offre un compromis idéal pour la plupart des publications.
• À propos du 1080p et de la 4K : il s’agit d’opérations d’upscaling. Modifier directement le paramètre de résolution sur certaines plateformes intermédiaires relance un calcul complet plutôt que d’agrandir votre clip existant. Validez d’abord le mouvement en résolution intermédiaire, puis procédez à la mise à l’échelle via un outil dédié.

Pour approfondir la structure tarifaire du modèle, consultez notre analyse détaillée sur les coûts de Gemini Omni 1.2, retrouvez les résultats complets de mes essais dans mon banc d’essai de 24 clips et parcourez l’ensemble des ressources réunies sur le dossier Gemini Omni Flash.

// lire la suitePhoto style années 80 avec IA : 10 prompts et exemplesGuidesPhotos style annees 80 avec l’IA : prompt complet et 10 exemplesGuidesGemini Omni 1.2 Flash : mon test du modèle vidéo de GoogleBenchmarks

Kinetyra