Gemini 3.5 Omni et Omni Flash : Un Suivi Multimodal

Une note de travail sur ce que Google a réellement livré, ce qui n’est encore qu’une démo, et ce qu’un développeur devrait faire à ce sujet cette semaine.

J’ai passé un après-midi à essayer de déterminer si je pouvais appeler Gemini 3.5 Omni depuis du code. Je n’ai pas pu. Pas encore. L’application Gemini m’a montré Omni Flash générer une vidéo à partir d’une photo et d’une invite d’une ligne, et c’était bien — mais ce dont j’avais vraiment besoin, un point de terminaison API que je pouvais intégrer dans un pipeline, n’était pas là. Cet écart est toute l’histoire. Cet article documente où Omni en est réellement début juin 2026, et ce qui change (et ce qui ne change pas) pour quiconque exécute de la génération vidéo en production.

Version rapide si vous êtes pressé : Omni est un vrai modèle de génération vidéo, il est disponible pour les consommateurs, et l’accès à l’API pour les développeurs est toujours « dans les semaines à venir ». Ne développez pas dessus encore. Voici les détails.

Ce que Google a introduit comme « Gemini Omni »

Positionnement : modèle du monde multimodal pour la génération de vidéos, d’images et de simulations

Le cadrage de Google lui-même est que Gemini Omni peut créer n’importe quoi à partir de n’importe quelle entrée, en commençant par la vidéo. Le mot clé là est en commençant. Pour l’instant, Omni fait une seule chose publiquement : il prend du texte, des images, de l’audio et des clips vidéo existants, et produit de la vidéo en sortie.

Ce qui en fait plus qu’une simple boîte texte-vers-vidéo, c’est qu’il raisonne sur ces entrées plutôt que de les assembler. Plutôt que de simplement assembler ces entrées, Omni raisonne sur l’ensemble d’entre elles pour produire une sortie cohérente. Google a également beaucoup misé sur la physique — l’article de TechCrunch sur la présentation à I/O note que les sorties sont censées refléter une compréhension du mouvement, de la gravité et du comportement des fluides. Dans les démos, cela signifiait moins de membres déformés et d’arrière-plans fondants. Je croirai la revendication de cohérence quand j’aurai fait passer quarante clips, pas neuf.

Comment Omni diffère de Gemini 3.5 Flash / Pro (modalités de sortie)

C’est la partie que la plupart des couvertures médiatiques brouillent, alors je vais être direct. Omni et la famille 3.5 ne sont pas le même type de modèle.

Modèle	Entrée	Sortie	À quoi ça sert
Gemini Omni / Omni Flash	texte, image, audio, vidéo	vidéo	générer et éditer des séquences
Gemini 3.5 Flash	texte, image, audio, vidéo	texte, code	tâches agentiques, raisonnement, génération d’UI
Gemini 3.5 Pro	texte, image, audio, vidéo	texte, code	pareil, plafond plus élevé (déploiement en cours)

3.5 Flash est multimodal en entrée — il comprend votre vidéo et vous écrit une réponse. Omni est multimodal en sortie — il comprend vos entrées et vous remet une vidéo. Le blog de Google le dit clairement : Gemini Omni est notre nouveau modèle qui peut créer n’importe quoi à partir de n’importe quelle entrée, en commençant par la vidéo, tandis que 3.5 est la famille combinant intelligence de pointe et action pour le travail agentique. Si vous avez traité « Gemini 3.5 peut faire de la vidéo » comme une seule capacité, divisez-la en deux. Elles vivent dans des parties différentes de votre stack.

Positionnement d’Omni Flash par rapport à Omni complet

Omni Flash est la variante qui a réellement été lancée. C’est le niveau plus rapide et moins cher, et les rapports situent ses clips à environ 10 secondes maximum — décrit comme un choix de déploiement plutôt qu’une limite matérielle du modèle, ce qui suggère qu’il s’allongera plus tard. Un niveau Omni plus haute fidélité avec des clips plus longs se trouve au-dessus, mais c’est celui qui vit encore principalement dans les démos. Donc quand quelqu’un dit « Omni est disponible », il veut dire Omni Flash, dans l’application grand public.

Ce qui est confirmé à I/O 2026

Annonces publiques versus calendrier d’accès développeur

I/O s’est déroulé les 19 et 20 mai 2026. Google a confirmé Omni, la gamme 3.5, et un tas de fonctionnalités d’agents. La distinction qui compte : l’accès consommateur a été livré, l’accès développeur non. Gemini Omni Flash est déployé pour tous les abonnés Google AI Plus, Pro et Ultra dans le monde entier via l’application Gemini et Google Flow, plus un accès gratuit sur YouTube Shorts. Puis la ligne que chaque développeur devrait souligner : Dans les semaines à venir, nous le déploierons également aux développeurs et aux clients entreprise via des API.

« Dans les semaines à venir. » Pas une date. Pas un identifiant de modèle. Pas un tableau de tarifs.

Où Omni a été démontré et ce qui a été montré

Les démos montraient de l’édition vidéo conversationnelle — changer un élément, changer toute la scène, garder le personnage cohérent entre les tours. Un exemple : lui donner un clip d’un violoniste, puis émettre des modifications comme « transporter le violoniste dans un nouvel environnement » et « rendre le violon invisible », chacune s’appuyant sur la précédente. C’est un positionnement axé sur l’édition, ce qui est un pari genuinement différent de la simple génération texte-vers-vidéo. Google a également confirmé que chaque sortie Omni porte un filigrane SynthID, ce qui importe si votre utilisation en aval a des exigences de provenance.

L’écart entre démo et disponibilité développeur

C’est là où je me suis arrêté. Un déploiement consommateur et une API sont deux produits différents avec deux histoires de fiabilité différentes. Ce n’est pas du pessimisme. C’est juste la différence entre « je l’ai vu fonctionner dans une application » et « je peux en dépendre à 3h du matin quand un job batch se lance ».

Pourquoi cela importe pour les développeurs multimodaux

La génération vidéo est un problème distinct de la compréhension multimodale

Si votre produit appelle déjà Gemini 3.5 pour comprendre les médias téléchargés, Omni ne remplace pas cela. C’est une capacité supplémentaire — la génération — que vous ajouteriez, pas une mise à niveau directe. Les traiter comme un seul élément dans votre diagramme d’architecture, c’est comme ça qu’on finit par être surpris.

Où Omni s’intégrerait aux côtés des modèles vidéo existants (Veo, etc.)

C’est la question pratique. Google livre déjà Veo 3.1 via des chemins documentés Gemini API et Vertex AI, donc aujourd’hui Veo est le modèle vidéo Google que vous pouvez réellement intégrer. Omni n’est pas encore un remplacement de Veo au niveau de l’API — il n’y a pas de doc de migration disant que chaque route Veo bascule vers Omni, et les pages Veo sont toujours actives. La différence d’intention est réelle, cependant : Veo est construit autour du texte-vers-vidéo, tandis que toute la particularité d’Omni est le raisonnement multi-entrées et l’édition conversationnelle. Pour les développeurs, cela signifie qu’Omni est positionné pour effondrer une chaîne — transcription, compréhension d’image, génération — en un seul appel. Si cela vaut la peine de reconstruire autour de ça dépend entièrement de savoir si une API est jamais livrée.

Ce qui change si Omni atteint l’accès développeur

Si — quand — l’API arrive, l’attrait n’est pas des économies brutes en dollars. C’est la suppression d’interfaces. Un modèle qui prend des médias mixtes et retourne une vidéo éditée, c’est moins de SDK à maintenir, moins de taxonomies d’erreurs à gérer, moins de SLA à suivre. C’est le genre de réduction de friction qui me préoccupe vraiment. Mais « si ça se lance » fait beaucoup de travail dans cette phrase.

Ce qui n’est pas encore connu

Je signale ces points parce qu’écrire autour d’eux comme s’ils étaient résolus, c’est ainsi que les équipes se font piéger.

Disponibilité et calendrier de l’API — à vérifier. « Dans les semaines à venir » est le seul signal officiel. Pas de point de terminaison, pas d’identifiant de modèle dans les docs développeur de Google début juin 2026.
Tarification pour les charges de travail vidéo — inconnue. L’accès consommateur est inclus dans les niveaux d’abonnement Google AI (Plus, Pro, Ultra), mais la tarification API par appel n’est pas publiée. Les images vidéo font monter les comptages de tokens rapidement, donc ne supposez pas une économie de modèle texte.
Spécifications de sortie — Les clips Omni Flash semblent plafonnés à environ 10 secondes ; la résolution maximale, la longueur maximale et les entrées de contrôle exactes pour le niveau API ne sont pas documentées.
Droits d’utilisation commerciale — non précisés pour l’utilisation développeur. Le filigrane SynthID est confirmé ; les termes de licence pour la sortie générée via API ne le sont pas.

Si un vendeur ou un blog vous dit que l’API Omni est « disponible pour tout le monde », il devance les preuves. J’ai vérifié.

Comment planifier autour d’Omni aujourd’hui

Ne migrez pas les charges de travail de production sur des démos

Évident, mais ça vaut la peine d’être dit parce que les démos sont genuinement impressionnantes et c’est exactement là que les équipes font l’erreur. Une démo est un cas idéal dans des conditions contrôlées. La production est le pire cas à 2x le volume. Jusqu’à ce qu’il y ait un point de terminaison avec une latence et des limites documentées, Omni reste dans votre colonne « observation », pas dans votre colonne « dépendances ».

Testez les chemins de secours sur plusieurs modèles de génération vidéo

J’exécute la même tâche de génération sur plus d’un modèle précisément pour qu’un lancement comme celui-ci ne me laisse pas en plan. Si l’API d’Omni arrive le mois prochain, parfait — je veux pouvoir l’intégrer et le comparer à ce que j’utilise déjà, pas reconstruire mon pipeline pour découvrir qu’il est pire pour mon scénario spécifique. La leçon de chaque lancement de modèle : « vraiment bon » dans la démo de quelqu’un d’autre ne signifie rien jusqu’à ce que ce soit bon dans votre workflow à votre fréquence.

L’agrégation de modèles comme couverture contre les déploiements spécifiques aux fournisseurs

C’est la partie pertinente pour ma façon de travailler. Quand un modèle est livré aux consommateurs en premier et aux développeurs « dans les semaines à venir », les développeurs qui ne se précipitent pas sont ceux qui ne se sont jamais liés au calendrier de lancement d’un seul fournisseur. Exécuter la génération vidéo via une couche d’accès multi-modèles unifiée comme WaveSpeedAI signifie qu’un nouveau modèle est quelque chose que vous testez et adoptez quand il est prêt, pas une migration dans laquelle vous êtes forcé. Je ne dis pas que c’est juste pour tout le monde — si vous n’utilisez qu’un seul modèle, l’abstraction est un surcoût. Mais à ma fréquence de changement, une couche d’accès sur de nombreux modèles est préférable à maintenir une intégration par fournisseur. La valeur n’est pas « plus de modèles ». C’est de ne pas avoir à tout reconstruire à chaque fois que le paysage change. Et ce mois-ci, il a changé.

FAQ

Gemini Omni est-il disponible via une API aujourd’hui ? Non. Début juin 2026, Omni Flash est disponible dans l’application Gemini, Google Flow et YouTube Shorts pour les abonnés AI Plus/Pro/Ultra. Google indique que l’accès API pour les développeurs et les entreprises est « dans les semaines à venir », mais aucun identifiant de modèle, point de terminaison ou tarification n’est encore publié.

Quelle est la différence entre Gemini Omni et Gemini 3.5 Pro ? La modalité de sortie. Omni génère de la vidéo (multimodal en sortie). Gemini 3.5 Pro comprend le texte, les images, l’audio et la vidéo mais produit du texte et du code (multimodal en entrée). Des emplois différents, des parties différentes de votre stack.

Gemini Omni génère-t-il des vidéos ? Oui — c’est sa fonction principale. Il prend du texte, des images, de l’audio et des clips vidéo en entrée et produit de la vidéo, avec une édition conversationnelle sur plusieurs tours. Toutes les sorties portent des filigranes SynthID.

Quand les développeurs peuvent-ils espérer accéder à Omni ? Non confirmé. La seule formulation publique de Google est « dans les semaines à venir ». Traitez toute date spécifique que vous voyez ailleurs comme de la spéculation jusqu’à ce que Google publie la documentation API.

Comment Omni se compare-t-il aux autres modèles de génération vidéo comme Veo ? Veo 3.1 est le modèle que vous pouvez réellement appeler via l’API aujourd’hui via l’API Gemini et Vertex AI. La distinction d’Omni est le raisonnement multi-entrées et la conception axée sur l’édition plutôt que la simple génération texte-vers-vidéo. Mais jusqu’à ce que l’API d’Omni soit lancée, Veo reste la référence pratique de Google pour la génération vidéo en production.

Conclusion

Où ça me mène : Omni est réel, l’approche d’édition est un pari différent et intéressant, et Gemini 3.5 Omni vaut la peine d’être suivi de près. Il ne vaut pas la peine de construire dessus cette semaine. Disponible pour les consommateurs, en attente pour les développeurs, spécifications inconnues — c’est un élément à surveiller, pas une dépendance.

Donc le mouvement est ennuyeux et correct : gardez votre génération vidéo flexible, testez Omni dans l’application pour vous forger votre propre opinion, et ne réorganisez pas votre pipeline de production jusqu’à ce qu’il y ait un point de terminaison que vous pouvez réellement pointer. Quand l’API arrive, je la ferai tourner contre ce que j’utilise actuellement et je rapporterai ce qui a tenu.

À vérifier. Plus d’informations quand les docs arrivent.

Articles précédents :