Gemini Live, Flow, images et musique : le volet créatif

Les articles précédents couvraient Gemini dans Workspace et Drive. Ce chapitre change de registre. On entre dans le territoire le plus distinctif de l’écosystème Gemini. Au menu : voix multimodale en temps réel, génération d’images et de vidéos, composition musicale, navigation assistée dans Chrome. Autant de fonctions qui transforment Gemini d’un assistant textuel en compagnon créatif qui voit, entend, parle et produit.

Ce qui marche depuis la France, et ce qui ne marche pas

C’est de loin le chapitre de la série où l’écart entre l’annonce et la réalité européenne est le plus marqué. Autant le poser d’emblée.

Gemini Live : la conversation vocale qui voit

Gemini Live est d’abord le mode vocal de Gemini. Disponible sur mobile dans plus de 150 pays, il s’appuie depuis le 15 septembre sur Gemini 3.8 Live, un modèle qui couvre 97 langues et suit un changement de langue en pleine phrase. Il transforme l’interaction en conversation naturelle, avec interruptions, changements de sujet et pauses, comme avec un interlocuteur humain.

Ce qui le rend différent

Gemini Live tourne en effet sur un modèle natif speech-to-speech basse latence. Au lieu de convertir la voix en texte, de traiter le texte puis de synthétiser une réponse vocale, le modèle traite l’audio directement via une connexion WebSocket bidirectionnelle. Le résultat se sent : latence quasi nulle, meilleure compréhension du ton et de l’intention, réponses qui conservent les nuances naturelles de rythme et d’emphase. L’interruption fonctionne vraiment : vous coupez l’IA en plein milieu d’une phrase, elle s’adapte sans finir sa réponse précédente.

La détection d’activité vocale est par ailleurs native. Le modèle distingue une fin de phrase d’une simple pause de réflexion, sans bouton à appuyer, et filtre le bruit ambiant pour rester utilisable dans des environnements réels.

Partage de caméra et d’écran

C’est de loin la fonctionnalité la plus spectaculaire. Vous partagez votre caméra ou votre écran pendant la conversation, et Gemini commente ce qu’il voit. Pointez votre téléphone vers un objet et demandez ce que c’est. Partagez votre écran et demandez de l’aide sur les paramètres d’une application. Montrez un plat en préparation et demandez des ajustements de recette. Vous basculez d’ailleurs entre caméra frontale, caméra arrière et partage d’écran dans la même conversation.

Gemini Live s’intègre par ailleurs à Maps, Calendar, Tasks et Keep, ce qui permet de planifier et de prendre des notes en mains libres. La fonctionnalité est également disponible dans Android Auto.

Disponibilité

Gemini Live est gratuit pour tous les utilisateurs de l’app. Le partage de caméra et d’écran ne demande aucun abonnement payant, sur Android 10 et au-delà avec 2 Go de RAM minimum. La variante Extended Thinking de 3.8 Live, qui raisonne tout en parlant, est en revanche réservée aux plans AI Pro et Ultra. Search Live, la version intégrée à Google Search avec Lens, est déployée dans plus de 200 pays et tourne elle aussi sur 3.8 Live.

Gemini Live est aussi devenu un outil de productivité. Depuis fin août, il lit le Daily Brief à voix haute pour les abonnés AI Plus et au-delà, trie vos emails Gmail à la voix et lance l’agent Task, l’ex-Spark, là où il est disponible. Depuis le 19 août, il déclenche même un Deep Research sur simple demande orale. Annoncé dans le Drop Android de septembre, Guided Vision est enfin arrivé le 1er octobre : il décrit à voix haute l’environnement filmé aux personnes aveugles ou malvoyantes.

Flow : le studio créatif unifié

Le 25 février 2026, Google a fusionné trois outils en un seul studio, accessible à flow.google. Il s’agissait de Whisk pour les moodboards, d’ImageFX pour les images et de l’ancien Flow pour la vidéo. Il est disponible dans plus de 140 pays, et les utilisateurs y ont généré plus d’un milliard et demi d’images et de vidéos.

Ce que Flow fait aujourd’hui

• Génération d’images avec Nano Banana 2.1 — le modèle standard de Flow depuis le 6 octobre produit des images de 512 px à 4K, en formats panoramiques compris, avec cohérence des personnages, fidélité des objets et texte lisible dans l’image. La génération est gratuite dans Flow, sans consommer de crédit.
• Génération vidéo avec Gemini Omni — Omni est devenu le moteur vidéo de Flow. Il génère et édite de la vidéo par conversation à partir de texte, d’images, d’audio ou de vidéo, avec compréhension de la physique et audio natif. Sa version Omni 1.1 Flash, en disponibilité générale depuis le 27 août, prolonge une scène jusqu’à 40 secondes pour tous les abonnés AI Plus, Pro et Ultra. Le modèle fait l’objet de l’article 11 de cette série.
• Ingredients to Video — le workflow signature de Flow. Vous générez d’abord une image clé, vous la peaufinez, puis vous l’injectez comme première image de la vidéo. Style, éclairage et design restent alors cohérents.
• Flow Tools et agents — des outils personnalisés et des agents capables d’enchaîner plusieurs actions, de la génération au montage.
• Lasso tool — sélection d’une zone d’image par instruction texte, pour une retouche localisée.
• Asset grid — une grille pour rechercher, filtrer et organiser tous vos médias par projet.
• Scene Builder et timeline — assemblage de clips, images et musique dans un éditeur visuel, avec contrôles d’objectif, de mouvement de caméra et d’extension de plans.

La restriction européenne à connaître

Un point mérite d’être posé sans détour. Depuis l’Espace économique européen, la Suisse et le Royaume-Uni, vous ne pouvez pas importer vos propres rushes pour les faire éditer par le modèle. Le remix de vidéos générées par l’IA fonctionne normalement, mais l’aller-retour « je tourne, je fais retoucher » reste fermé. Pour un créateur français, cela change la nature de l’outil : Flow reste un générateur, pas un assistant de post-production.

Flow ou Google Vids : ne pas confondre

Deux produits distincts. Flow vise la création artistique et le contenu social : il vit à flow.google et mise sur la génération libre. Google Vids vise la productivité professionnelle : il vit dans Workspace et mise sur les avatars, les présentations et l’intégration à Drive et Slides. Vids est couvert dans l’article 4.

Nano Banana 2 : l’image devient une fonctionnalité, plus un produit

Nano Banana 2 est le modèle de génération et d’édition d’images de Google. Il combine la qualité de la version Pro avec la vitesse de l’architecture Flash, et il est intégré partout : app Gemini, Flow, Slides, Gemini Notebook, Chrome, Search et Lens.

Le vrai événement n’est toutefois pas technique, il est commercial. Le 26 février 2026, Google a rendu gratuit dans 141 pays ce qui était auparavant payant, et divisé par deux son tarif d’API. Une variante Lite est par ailleurs passée en disponibilité générale fin juin.

Le 6 octobre, Google a ensuite publié Nano Banana 2.1, directement en disponibilité générale. Construit sur Gemini 3.6 Flash, il devient le modèle standard de Flow et ajoute des formats panoramiques, du 1:4 au 8:1. Il accepte aussi jusqu’à 14 images de référence pour garder la cohérence d’un personnage ou d’un produit. Côté API, comptez environ 0,034 $ l’image en 1K, 0,05 $ en 2K et 0,113 $ en 4K.

When a company launches a product, it sells. When it launches a feature, it bundles. Nano Banana 2 is a feature.

La lecture est juste, et elle a une conséquence pratique pour vous. Google ne cherche pas à vous vendre de la génération d’images. Il l’enfouit plutôt dans des outils que vous utilisez déjà, pour rendre le changement coûteux en habitudes plutôt qu’en euros.

Côté usages, comptez sur les illustrations de présentation, les visuels sociaux, les moodboards, le concept art et l’édition d’images existantes. La cohérence des personnages sur plusieurs images permet de bâtir de vrais narratifs visuels, indispensables pour un storyboard ou une série marketing. Le rendu de texte dans l’image est enfin fiable, panneaux et logos compris. Côté bureautique, Google Pics complète le dispositif dans Workspace.

Lyria 3.5 : la composition musicale IA

Lyria est enfin la famille de modèles de génération musicale de Google DeepMind. Sa version 3.5, lancée côté développeurs le 3 septembre puis dans l’app Gemini le 4 septembre, compose des morceaux complets avec une meilleure cohérence musicale et des voix plus naturelles que Lyria 3.

• Morceau court — il dure environ une minute, ce qui convient au prototypage, à un jingle ou aux formats sociaux.
• Morceau complet — il dure deux à trois minutes et suit une vraie structure. Vous décrivez intros, couplets, refrains, ponts et outros, et le modèle suit votre plan. Il faut pour cela passer le sélecteur de l’app sur le modèle « Pro ».

Vous choisissez un genre, une version chantée ou instrumentale, et vous pouvez joindre des images ou une vidéo dont le morceau épousera l’ambiance. Les paroles suivent la langue de votre demande. Le résultat se télécharge en MP4 avec une pochette générée, ou en MP3 seul. Toutes les pistes portent un filigrane SynthID, imperceptible, qui permet d’identifier le contenu généré.

Disponibilité : Google ouvre Lyria 3.5 à tous les utilisateurs de l’app Gemini dans le monde, sur le web comme sur mobile, avec un nombre de morceaux limité selon le plan. Il faut avoir 18 ans et laisser l’historique d’activité actif. Le modèle est également présent dans Google Vids, dans AI Studio et via l’API. ProducerAI a par ailleurs été renommé Google Flow Music, avec les fonctions Replace et Extend pour remixer des pistes existantes.

Gemini in Chrome : le navigateur devient agent

Gemini s’installe aussi dans Chrome, via un panneau latéral persistant. Il résume les pages, explique des sujets complexes, retouche des images sans changer d’onglet, et se connecte à Calendar, YouTube, Maps, Gmail, Google Flights et Google Shopping. Une vague de connecteurs tiers est venue s’y ajouter le 12 août, d’Otter.ai à Ticketmaster. Depuis la France, vous ne verrez pourtant pas ce panneau : la page d’aide de Google ne liste pas la France parmi les pays où Gemini dans Chrome est disponible, alors que le Royaume-Uni y a accès depuis juillet.

Auto browse : ce qui a remplacé Project Mariner

Un point d’histoire s’impose d’abord. Project Mariner, l’extension Chrome expérimentale de DeepMind qui préfigurait tout cela, a été arrêtée le 4 mai 2026 après onze mois d’existence. Sa technologie a été absorbée par le navigateur lui-même. Si vous lisez encore que Mariner est une exclusivité du palier Ultra le plus cher, l’information date.

For AI Pro and Ultra subscribers in the U.S., we’re introducing Chrome auto browse — a powerful agentic experience that handles multi-step chores on your behalf.

Notez au passage la précision géographique, elle est dans la citation. L’auto browse est en préversion, réservé aux abonnés AI Pro et Ultra. Il a démarré aux États-Unis, d’abord sur ordinateur, puis sur Android depuis le 18 août 2026, et il s’est étendu à l’Inde le 7 octobre. La France n’en fait toujours pas partie. Il utilise vos sessions ouvertes et vos mots de passe enregistrés pour remplir un formulaire, comparer des vols, résilier un abonnement ou réserver une table.

Les garde-fous

• Reprise de la main — l’agent peut vous demander de prendre le relais sur certaines actions critiques.
• Confirmation explicite — validation humaine requise avant un achat, une publication sur un réseau social ou toute action irréversible.
• Autorisation du gestionnaire de mots de passe — l’agent demande l’accès à vos identifiants sans jamais voir les mots de passe en clair.
• Protection contre l’injection de prompt — Google annonce des protections dédiées, sans en détailler le fonctionnement.

Chrome Skills et commerce agentique

Les Chrome Skills transforment un prompt en workflow réutilisable en un clic, sur n’importe quelle page : résumer un article, extraire les prix d’un site produit, comparer des spécifications entre onglets. Google a par ailleurs co-développé avec des marchands un protocole ouvert de commerce agentique, qui encadre les actions d’achat prises par un agent au nom de l’utilisateur.

Cinq expériences à tester maintenant

Ce que le volet créatif change — et la suite

Gemini Live, Flow, Nano Banana 2.1, Omni, Lyria 3.5 et Gemini in Chrome forment un écosystème créatif intégré. La conversation vocale avec partage de caméra reste une façon fondamentalement différente d’interagir avec une IA. Flow consolide un studio image, vidéo et musique dans un simple onglet de navigateur. Lyria 3.5 règle enfin le problème éternel de la musique de fond, avec des pistes structurées de deux à trois minutes, ouvertes à tous.

Les limites sont réelles et, pour une partie d’entre elles, géographiques. Gemini dans Chrome n’est pas ouvert en France, l’auto browse reste réservé aux États-Unis et à l’Inde, et l’édition de vos propres vidéos reste bloquée en Europe. La génération vidéo produit par ailleurs des clips courts à chaîner, même si Omni 1.1 Flash les prolonge jusqu’à 40 secondes. Lyria 3.5 fournit enfin une musique fonctionnelle, sans rivaliser avec un compositeur sur les œuvres complexes.

Le prochain article reste dans le créatif mais zoome sur le moteur vidéo lui-même.