Grâce à la voix, Gemini Omni Flash révolutionne la création et l’édition vidéo par l’IA multimodale

Gemini Omni Flash, la nouvelle intelligence artificielle multimodale de Google, permet désormais de créer et modifier des vidéos simplement à la voix. Cette avancée technologique marque une étape significative dans l’évolution des outils créatifs assistés par l’IA.

Une nouvelle étape pour la génération vidéo par l’IA

L’innovation en matière de génération vidéo assistée par intelligence artificielle franchit un cap majeur avec l’arrivée du tout nouvel outil de Google, baptisé Gemini Omni Flash. Ce système multimodal s’inscrit dans la droite ligne des avancées impulsées par le générateur d’images Nano Banana, déjà adopté par des millions d’utilisateurs pour créer ou modifier des images à partir de descriptions textuelles. Mais désormais, la firme de Mountain View passe à la vitesse supérieure : il ne s’agit plus seulement de produire des images, mais bien d’inventer et transformer des séquences vidéo entières… simplement via la voix ou une combinaison d’inputs.

Gemini Omni is our new model that can create anything from any input – starting with video. It combines Gemini’s intelligence with our generative media models, for a new level of world understanding, multimodality, and editing.

Gemini Omni Flash is rolling out today to Google AI… pic.twitter.com/Bmdt6yAkf4

— Sundar Pichai (@sundarpichai) May 19, 2026

Des vidéos façonnées à la demande, du texte au résultat final

Le principe ? Il suffit de décrire oralement ou textuellement ce que l’on souhaite voir apparaître à l’écran : une scène, un personnage, un style graphique… Gemini Omni Flash se charge alors de donner vie à ces instructions. L’utilisateur peut également fournir des références visuelles – images, dessins ou même clips existants – pour guider l’esthétique ou les mouvements. Ce qui frappe dans cette technologie, c’est sa capacité à interpréter la « langue visuelle » évoquée par son interlocuteur : elle analyse non seulement les mots mais aussi les nuances artistiques, dynamiques et contextuelles qui leur sont associées.

L’édition vocale : une révolution dans le montage vidéo ?

Là où ce système impressionne particulièrement, c’est dans l’édition vocale en temps réel. En cours de création, il est possible d’ajuster un détail, d’ajouter un objet ou même de métamorphoser entièrement une séquence grâce à une simple commande orale. Les connaissances intégrées sur la gravité, l’énergie cinétique ou encore la dynamique des fluides permettent à chaque scène générée de gagner en réalisme et cohérence. D’ailleurs, selon Google, il devient possible non seulement d’obtenir des vidéos explicatives longues ou courtes à partir d’un prompt vocal, mais aussi d’enrichir vos propres tournages via cette même interface intuitive.

Pour résumer les points forts mis en avant par l’entreprise :

• Polyvalence multimodale : textes, images et sons servent d’entrée.
• Édition conversationnelle : chaque modification se fait par instruction vocale.
• Réalismes avancés : simulation précise des lois physiques pour chaque plan.

Bientôt disponible sur toutes les plateformes phares de Google

L’intégration a déjà démarré sur l’application Gemini, le service Google Flow ainsi que sur YouTube Shorts. Pour faire ses premiers pas avec cette nouveauté, il suffit d’utiliser les « Avatars » IA proposés par Google – une version numérique personnalisée qui reproduit votre propre voix. À mesure que ces outils deviendront accessibles au grand public, on peut s’attendre à ce que le montage vidéo traditionnel connaisse une transformation profonde… voire une redéfinition totale du processus créatif audiovisuel.