Google a officiellement lancé Gemini Omni, un modèle d’IA nativement multimodal capable de générer des vidéos à partir de n’importe quelle entrée. Disponible via un abonnement à 20 dollars par mois, cet outil introduit des avatars numériques et s’intègre directement dans l’application Gemini, Google Flow et YouTube Shorts.
Gemini Omni et la fin du cloisonnement multimodal
Le lancement de Gemini Omni marque un changement de paradigme technique. Contrairement aux systèmes précédents qui fonctionnaient comme un relais de modèles spécialisés — passant du texte à l’image, puis de l’image à la vidéo —, Omni est conçu pour être nativement multimodal dès sa conception. Selon VentureBeat, l’objectif de Google est de condenser l’ensemble de la pile générative (texte, image, vidéo et audio) en un seul modèle de fondation avec une interface d’édition unique.
Le premier modèle de cette famille, Gemini Omni Flash, permet de combiner divers types d’entrées pour produire des vidéos de haute qualité. Cette architecture permet au modèle de raisonner sur différentes modalités lors d’un seul passage, ce qui se traduit par des modifications plus cohérentes et moins d’artefacts visuels.
L’édition devient conversationnelle. Les utilisateurs peuvent désormais modifier leurs vidéos en utilisant le langage naturel, chaque instruction s’appuyant sur la précédente tout en maintenant la cohérence des personnages et la physique de la scène.
Le clonage numérique via l’outil d’avatars
L’une des fonctionnalités les plus frappantes, et potentiellement troublantes, est la création d’avatars. Il s’agit de clones numériques de l’utilisateur qui peuvent être insérés dans des vidéos générées par l’IA. Le processus de configuration est rapide : l’utilisateur doit se tenir dans une pièce bien éclairée, lire une série de nombres à deux chiffres face à sa caméra et effectuer quelques mouvements de tête.
L’expérience utilisateur rapportée par Wired souligne un réalisme saisissant, capable de reproduire des détails physiques précis, bien que certains éléments comme les dents puissent encore paraître imparfaits. Le modèle semble également capable de recréer des environnements géographiques réels avec une précision remarquable, s’appuyant probablement sur l’expertise de Google en cartographie.
Pour limiter les risques de deepfakes malveillants, Google a instauré une restriction stricte : seuls les utilisateurs adultes peuvent créer des vidéos avec leur propre avatar. Contrairement à d’autres approches du marché, le système ne permet pas, à ce stade, de générer l’image d’autrui sans son consentement.
L’intégration dans YouTube et le remixage AI
L’écosystème YouTube bénéficie largement de cette technologie. Un nouvel outil de remixage permet aux spectateurs de Shorts d’ajouter des éléments, ou même leur propre personne, dans des clips existants pour créer un contexte alternatif.
« Cette mise à jour facilite le remixage des Shorts pour les spectateurs comme pour les créateurs – que vous souhaitiez remplacer un élément par votre animal de compagnie, apporter une touche d’originalité à une vidéo avec des changements stylistiques ou vous ajouter vous-même à une scène, ces outils vous permettent de participer aux tendances et aux conversations d’une manière totalement nouvelle. » YouTube, via Social Media Today.
Parallèlement, YouTube a déployé « Ask YouTube », une expérience de recherche conversationnelle. Actuellement réservée aux membres Premium de 18 ans et plus aux États-Unis, cette fonction permet de poser des questions complexes et d’obtenir des réponses structurées compilant les vidéos les plus pertinentes du catalogue de la plateforme.
Accès, coûts et garde-fous éthiques
L’accès à Gemini Omni n’est pas universel. Le modèle est réservé aux utilisateurs individuels via des plans d’abonnement, notamment le forfait « AI Plus » à 20 dollars par utilisateur et par mois. Si le modèle est déjà disponible sur le web, les applications mobiles et Google Flow, les entreprises doivent encore patienter : l’interface de programmation d’application (API) n’est pas encore prête pour un déploiement professionnel.
La capacité de modifier le contexte des vidéos soulève des questions de représentation et de sécurité. Pour contrer les abus, YouTube a étendu ses outils de détection de ressemblance à tous les utilisateurs. Les créateurs disposent également de contrôles stricts :
- Possibilité de s’opposer au remixage visuel de leur contenu.
- Suppression automatique des remix existants en cas de retrait du consentement.
- Alertes pour les utilisateurs lorsqu’une image est représentée via l’IA.
Malgré ces protections, certains analystes s’interrogent sur la valeur créative de ces outils. Le risque est de voir la plateforme inondée de contenus superficiels, où l’ajout d’éléments aléatoires remplace l’originalité de la création. Comme l’indique le blog de Google, Omni cherche à fusionner le raisonnement et la création, mais la frontière entre l’innovation et la production de contenus automatisés sans valeur reste mince.
Sur le même sujet
