Google Imagen 3 : ce qui l’a remplacé et comment faire

Réponse directe avant le reste : Google Imagen 3 n’existe plus en tant que produit accessible. Google a retiré la gamme Imagen — Imagen 3 comme Imagen 4 — au cours de l’été 2026, au profit de ses modèles de génération d’image intégrés à Gemini. Si vous cherchiez spécifiquement Imagen 3, le nom a changé, mais le besoin qui vous amène ici — générer une image à partir d’une description ou d’une photo — se traite aujourd’hui de la même façon, avec l’outil actuel de Google plutôt qu’avec celui-ci.

Cette page ne cherche donc pas à décrire un produit retiré, mais la méthode pour obtenir une image utilisable avec l’outil Google actuel — une méthode qui reste valable même la prochaine fois que le nom changera, ce qui, sur ce marché, arrivera de nouveau.

Ce qui a remplacé Imagen 3 chez Google

La génération d’image de Google est désormais intégrée directement dans Gemini, plutôt que proposée comme un produit à part avec son propre nom grand public. Les capacités techniques précises — résolution, styles pris en charge, limites d’usage gratuit — changent régulièrement, et Google les publie sur sa propre page produit plus vite que n’importe quel article ne peut les suivre. C’est exactement la même situation que pour la génération vidéo, détaillée dans Google Veo 2 : le nom et les chiffres bougent, la façon de bien s’en servir beaucoup moins.

Une méthode qui survit au changement de nom

1. 01Décrivez la scène avec des éléments concrets — le sujet, le cadrage, la lumière, le style — plutôt qu’une consigne vague comme « fais-moi une belle image ».
2. 02Précisez explicitement ce qui doit rester identique si vous partez d’une image existante : un logo, un visage, une couleur de marque.
3. 03Générez plusieurs versions du même prompt. Ces modèles ne sont pas déterministes : deux générations à partir du même texte donnent des résultats différents, et l’une est presque toujours plus propre que les autres.
4. 04Regardez chaque version en entier, à taille réelle, avant de choisir — un défaut sur un détail de texte ou une main se voit rarement sur une vignette.

Un exemple de bout en bout

Prenez une image destinée à accompagner une publication sur un produit. Prompt faible : « génère une belle photo de produit. » Résultat : une image techniquement propre, mais sans rapport précis avec le produit réel, avec un fond générique et parfois un texte d’emballage illisible.

Prompt complet : « Photo de produit sur fond neutre gris clair, éclairage studio doux venant de la gauche, angle de trois quarts, aucun texte ajouté sur l’emballage, style épuré cohérent avec une photo de catalogue. » Une consigne précise sur le cadrage, la lumière et surtout l’interdiction d’ajouter du texte donne un résultat très différent d’une demande vague.

Une image générée qui semble propre au premier regard n’est pas un résultat fini. Elle l’est seulement après avoir été agrandie et comparée, en particulier sur le texte, les mains et les détails de marque.

Ce qu’il faut vérifier avant utilisation

Deux défauts reviennent le plus souvent, quel que soit le modèle utilisé à un moment donné. Le premier : un texte ou un logo intégré à l’image, que le modèle traite comme un motif visuel plutôt que comme du texte réel, et qu’il déforme ou invente. Le deuxième : un détail plausible mais faux — une main avec un nombre de doigts incorrect, un objet qui ne correspond à rien de réel. Les deux passent facilement inaperçus sur un premier visionnage rapide, car le rendu général reste net et convaincant.

Le principe qui reste vrai quel que soit le modèle ou son nom du moment : une personne reste responsable de vérifier le résultat avant diffusion — un principe que les lignes directrices de l’OCDE sur l’IA formulent explicitement, pour l’image comme pour le texte. Le rythme auquel ces modèles progressent sur la cohérence des détails est suivi chaque année par le Stanford HAI dans son état des lieux des capacités de l’IA générative — les progrès sont réels d’une version à l’autre, ce qui explique justement pourquoi un nom de produit ou une fiche technique datée vieillit vite.

Le PwC AI Jobs Barometer mesure une prime salariale nette pour les profils qui maîtrisent cette méthode de vérification, indépendamment de l’outil précis utilisé un jour donné. Les métiers de communication et de marketing où ce type de production visuelle prend une place croissante ressortent des statistiques d’emploi de l’INSEE, et les tensions de recrutement correspondantes sont suivies par France Travail.

À essayer dès lundi

1. 01Ouvrez l’outil de génération d’image actuel de Google, dans Gemini, plutôt que de chercher une page Imagen qui n’existe plus.
2. 02Écrivez une description précise du sujet, du cadrage et de la lumière, sans consigne vague.
3. 03Générez au moins deux versions et regardez chacune en entier avant de choisir.
4. 04Vérifiez en particulier tout texte, logo ou main visible sur l’image retenue avant de la publier.

Donner un contexte précis à un générateur et vérifier son résultat plutôt que de le publier tel quel est le même réflexe qu’à l’écrit, détaillé dans Formation prompt IA. Pour une image cohérente d’une génération à l’autre, en particulier un visage ou un style récurrent, Personnage IA applique la même méthode dans le détail. L’exercice inverse — décrire une image existante avec précision plutôt que d’en générer une — est traité dans IA description image. Si le point de départ est une photo à modifier plutôt qu’à générer de zéro, Modifier une photo avec ChatGPT gratuit applique la même vérification sur un fichier existant. Et si le besoin porte sur la vidéo plutôt que sur l’image fixe, Google Veo 2 montre la même méthode appliquée au mouvement.

Coursium fait pratiquer cette méthode par petites leçons sur votre téléphone, sur des tâches réelles plutôt que sur des démonstrations qui datent dès que le nom d’un outil change. Gardez une longueur d’avance sur l’IA en commençant ici — ou lisez d’abord à propos de Coursium.