Gemini 2.5 Flash Image, le modèle nano-banana se déploie mondialement

Le nom de code « nano-banana » a beaucoup circulé pour désigner un outil de génération d’images de Google. Derrière ce surnom se trouve Gemini 2.5 Flash Image, un modèle conçu non seulement pour produire une image à partir d’une consigne, mais aussi pour modifier un visuel existant. Au 7 octobre 2025, Google en déploie l’accès à grande échelle, avec une ambition claire : rendre la création et la retouche assistées par IA plus facilement exploitables dans les outils des créatifs, des développeurs et des entreprises.

L’enjeu ne se limite pas à fabriquer une illustration en quelques secondes. Dans un flux de travail réel, une équipe a surtout besoin d’adapter un même concept à plusieurs supports, de corriger rapidement un élément d’image ou de préserver l’apparence d’un produit et d’un personnage au fil de plusieurs déclinaisons. C’est sur ces tâches, plus proches de la production quotidienne, que Gemini 2.5 Flash Image entend se distinguer.

Nano-banana, le nom de code de Gemini 2.5 Flash Image

Gemini 2.5 Flash Image est le modèle de Google consacré à la génération et à l’édition d’images par intelligence artificielle. Connu pendant sa phase de test sous le nom de code « nano-banana », il sort de cette période expérimentale pour être proposé au grand public et aux professionnels par plusieurs portes d’entrée de l’écosystème Google.

Le principe est simple à comprendre : l’utilisateur formule une instruction, appelée aussi prompt, pour obtenir une nouvelle image. Il peut également importer un visuel, puis demander une modification en langage courant. Plutôt que de sélectionner manuellement une zone avec des outils de retouche traditionnels, il est possible de décrire le changement attendu : ajouter un élément, changer le décor, adapter la composition ou ajuster une partie de la scène.

Le mot « Flash » renvoie au positionnement de la famille Gemini 2.5 Flash, tournée vers des usages rapides et pratiques. Ici, l’objectif consiste à intégrer l’image générative dans des processus où la vitesse de production compte autant que la qualité perçue : préparation d’une campagne, déclinaison de contenus pour les réseaux sociaux, maquettes ou illustrations de présentation.

Dix formats pour adapter l’image au support de diffusion

L’une des évolutions annoncées est la prise en charge de 10 formats d’image prédéfinis. Le choix du ratio est important, car il détermine la place occupée par le visuel dans son support final. Une bannière très large n’obéit pas aux mêmes contraintes qu’une publication verticale destinée à être vue sur un téléphone.

La plage annoncée va du 21:9, particulièrement panoramique, au 1:1, le format carré. Des formats verticaux sont aussi prévus pour les usages associés à TikTok et Instagram. Pour une équipe de communication, cela évite de repartir systématiquement d’un visuel carré pour tenter ensuite de le recadrer, avec le risque de couper un visage, un produit ou un élément essentiel de la scène.

Le nouveau mode image-only répond à un cas précis : générer une image sans demander de texte en sortie. Pour un développeur qui intègre le modèle dans une application, ou pour un utilisateur concentré sur la production visuelle, cette option rend l’échange plus direct. Elle ne dispense pas de rédiger une instruction, mais elle évite d’ajouter une réponse textuelle quand seul le fichier image est attendu.

Le format choisi ne règle toutefois pas tout. Un ratio vertical, par exemple, ne garantit pas à lui seul qu’un sujet soit bien cadré. Il reste utile d’indiquer dans le prompt où doit se situer le sujet principal, quelle partie de la scène doit rester dégagée et quels éléments doivent être visibles dans l’image finale.

Retoucher une image avec des mots plutôt qu’avec des calques

Google met particulièrement en avant trois capacités : les retouches ciblées en langage naturel, la fusion de visuels et le maintien de la cohérence d’un personnage ou d’un objet au travers de plusieurs images.

La retouche par instruction est sans doute l’usage le plus immédiatement compréhensible. L’utilisateur importe une image depuis son appareil ou depuis Google Drive, puis décrit l’intervention souhaitée dans la boîte de dialogue. Cette approche peut rendre l’édition plus accessible à des personnes qui ne maîtrisent pas les logiciels graphiques complexes. Elle est aussi susceptible d’accélérer la phase d’exploration, lorsqu’il faut tester plusieurs décors, accessoires ou variantes de composition avant de retenir une direction créative.

La fusion de visuels vise un autre besoin : assembler plusieurs références pour imaginer une scène plus riche. Dans la pratique, cette fonction peut servir à rapprocher des éléments issus de plusieurs images afin de produire une nouvelle composition. C’est particulièrement intéressant lorsque l’on cherche à visualiser une ambiance ou une idée avant de lancer une production plus finalisée.

Enfin, la cohérence entre les générations est un enjeu majeur pour toute série d’images. Un personnage qui change de visage, de tenue ou de proportions d’un visuel à l’autre devient difficile à exploiter dans une campagne. Le modèle promet de mieux conserver les caractéristiques des personnages et objets sur plusieurs images. Cette promesse doit néanmoins être évaluée dans chaque cas d’usage, surtout lorsque les scènes deviennent nombreuses ou très détaillées.

Où accéder au modèle et à quel prix ?

Le déploiement de Gemini 2.5 Flash Image s’appuie sur plusieurs services de Google. Les développeurs peuvent y accéder via l’API Gemini, tandis que Google AI Studio offre un espace pour expérimenter les capacités du modèle. Pour les organisations qui souhaitent intégrer ces fonctions dans leurs processus, le modèle est également disponible dans Vertex AI, la plateforme Google Cloud destinée aux usages d’entreprise.

Cette diversité d’accès répond à des profils différents. Une personne qui souhaite tester une idée visuelle n’a pas les mêmes besoins qu’une équipe technique qui veut automatiser la génération de dizaines de variantes au sein d’un outil interne. L’API sert à relier le modèle à un site, un logiciel ou un service. Google AI Studio facilite l’essai des instructions et des résultats. Vertex AI est la voie envisagée pour des intégrations plus structurées dans des environnements professionnels.

Sur les interfaces web et desktop mentionnées pour le grand public, le parcours indiqué consiste à ouvrir les paramètres puis à sélectionner l’option « Images avec Imagen ». L’utilisateur peut alors importer une image depuis son appareil ou depuis Google Drive et demander une transformation avec une consigne en langage naturel.

La tarification annoncée est de 0,039 $ par image, avec un coût complémentaire lié au nombre de tokens générés. Les tokens sont des unités utilisées par les systèmes d’IA pour mesurer les éléments traités ou produits. Pour une entreprise, il ne suffit donc pas de retenir un prix unitaire : le budget réel dépendra aussi du volume de créations, du nombre de variantes testées et de l’usage de l’outil dans les processus internes.

Pourquoi la précision du prompt reste déterminante

L’IA générative peut donner l’impression qu’une phrase suffit pour obtenir un résultat définitif. En réalité, la qualité de la demande reste déterminante. Plus une scène combine de personnages, d’objets, de contraintes de positionnement et de modifications successives, plus le modèle doit concilier des instructions parfois difficiles à réunir dans une seule image.

Les essais mentionnés autour de l’ajout d’un troupeau d’éléphants sur une plage illustrent cette limite. Même avec un outil avancé, les demandes complexes ne produisent pas nécessairement le résultat attendu à chaque tentative. Une génération peut mal interpréter une relation spatiale, négliger un détail ou rendre une scène moins cohérente que prévu.

Pour obtenir des résultats plus exploitables, une consigne gagne à préciser quelques éléments essentiels :

• le sujet principal de l’image et son emplacement ;
• l’action ou la modification demandée ;
• le décor et les objets qui doivent rester inchangés ;
• le format final visé ;
• les détails à éviter, lorsqu’ils risquent de détourner le résultat.

Une méthode utile consiste à avancer par étapes. Il vaut mieux demander une première transformation claire, vérifier le résultat, puis ajouter une nouvelle consigne ciblée, plutôt que d’accumuler de nombreuses modifications contradictoires dans une instruction unique. Cette approche demande un peu plus d’attention, mais elle limite les erreurs et rend les itérations plus lisibles pour une équipe.

Des usages concrets pour le marketing et les contenus sociaux

La publicité et les réseaux sociaux figurent parmi les domaines les plus directement concernés par cet outil. Une même idée de campagne peut exiger plusieurs formats, plusieurs décors et plusieurs variantes de message visuel. Produire ces déclinaisons par les méthodes habituelles demande des compétences graphiques, du temps de coordination et parfois de nouvelles prises de vue.

Gemini 2.5 Flash Image permet d’envisager une première phase de création beaucoup plus rapide : recherche d’ambiance, préparation de maquettes, adaptation d’un concept à un format vertical ou panoramique, ou encore création de visuels de test. Les équipes peuvent ainsi consacrer davantage de temps à la sélection, à la cohérence de marque et à la validation des contenus, plutôt qu’à la seule exécution répétitive des variantes.

L’outil ne remplace pas mécaniquement une direction artistique. Une campagne efficace suppose toujours une idée, un message identifiable, des choix de composition et une validation finale. La valeur du modèle réside surtout dans sa capacité à multiplier les pistes et à rendre les ajustements plus rapides, notamment lorsque les contraintes de format sont nombreuses.

Ce qu’il faut surveiller avec ce déploiement mondial

Le déploiement mondial de Gemini 2.5 Flash Image confirme que l’édition d’images par IA devient une fonction intégrée aux plateformes de création et de développement, plutôt qu’un usage réservé à des outils spécialisés. Pour les professionnels, le point à surveiller sera la fiabilité réelle des résultats sur des séries d’images, pas seulement sur une démonstration isolée.

La cohérence des personnages, la qualité des retouches localisées et la capacité à suivre des instructions complexes seront des critères décisifs. Le coût doit aussi être observé à l’échelle d’un projet : un tarif de 0,039 $ par image peut sembler modeste, mais les itérations, essais et automatisations font rapidement augmenter le nombre de générations.

Pour les utilisateurs, l’essentiel est de considérer nano-banana comme un outil de création assistée. Il peut accélérer l’exploration visuelle et faciliter certaines transformations, mais il demande un brief clair, des contrôles attentifs et une décision humaine au moment de choisir l’image qui sera réellement diffusée.