Imagen 3 et Gemini : la confusion de nom, expliquée

« Imagen 3 Gemini » amène deux questions différentes selon qui la pose. Côté grand public : est-ce le même outil que celui qu’on utilise dans l’application Gemini ? Côté développeur : le modèle `imagen-3.0-generate-002` de l’API est-il toujours à appeler, ou faut-il changer de nom de modèle dans le code ? La réponse est la même dans les deux cas — Imagen comme produit à part a disparu, et Gemini a pris sa place — mais les détails pratiques diffèrent selon lequel des deux vous concerne.

La documentation officielle des dépréciations de l’API Gemini confirme le retrait progressif des modèles Imagen au profit des modèles Gemini Image — ce que Google appelle en interne « Nano Banana ». Le détail des dates et des noms de modèle change régulièrement ; la page de changelog ci-dessus reste la source à jour, plus fiable qu’un article figé à une date donnée.

Ce que ça change concrètement

• —Dans l’application Gemini : rien à changer côté usage. La génération d’image se fait directement dans la conversation, sans choisir un modèle « Imagen » à part.
• —Dans un projet qui appelle l’API avec un ancien nom de modèle Imagen : le code doit pointer vers un modèle Gemini Image actuel, dont la page de génération d’image de l’API donne le nom à jour.
• —Pour le tarif par image : la page de tarification de l’API remplace toute estimation basée sur l’ancien tarif Imagen, qui ne s’applique plus au modèle actuel.

Un point que la seule question du nom du modèle laisse de côté : la génération d’image intégrée à Gemini permet une édition conversationnelle en plusieurs tours — demander une modification à l’image déjà générée, dans la même conversation, sans ressaisir une description complète. Imagen, comme produit à part, ne proposait pas cet usage ; c’est une vraie différence d’usage, pas seulement un changement de nom.

Un exemple de bout en bout

Premier message, dans Gemini : « Photo de produit sur fond neutre gris clair, éclairage doux venant de la gauche, angle de trois quarts, aucun texte ajouté sur l’emballage. » Génération obtenue, fond correct, mais l’angle choisi cache une partie du produit. Plutôt que de réécrire tout le prompt, le message suivant dans la même conversation suffit : « Garde le même fond et le même éclairage, mais recadre pour montrer l’avant du produit en entier. » C’est l’édition conversationnelle en pratique — un ajustement ciblé, pas une nouvelle génération de zéro.

Un nom de modèle qui change dans une fiche technique n’est pas l’information utile. L’information utile est ce que l’outil actuel permet de faire en plus — ici, ajuster une image déjà générée sans tout reprendre à zéro.

Ce qu’il faut vérifier malgré le changement d’outil

Le changement de nom ne change rien à deux défauts qui existaient déjà avec Imagen et restent présents avec Gemini : un texte ou un logo intégré à l’image, traité comme un motif visuel et déformé, et un détail plausible mais faux — une main avec un nombre de doigts incorrect, un objet sans équivalent réel. Google intègre par ailleurs un marquage SynthID dans les images générées, pensé pour les identifier comme telles même après modification — à connaître avant de publier un résultat comme s’il s’agissait d’une photo prise par une personne.

Qu’une personne reste responsable de vérifier le résultat avant diffusion, quel que soit le nom du modèle qui l’a produit, est un principe que les lignes directrices de l’OCDE sur l’IA formulent explicitement. Le rythme auquel ces modèles progressent sur la cohérence des détails est suivi chaque année par le Stanford HAI — des progrès réels d’une version à l’autre, ce qui explique justement pourquoi un nom de produit vieillit plus vite que la méthode pour bien s’en servir.

Le PwC AI Jobs Barometer mesure une prime salariale nette pour les profils qui maîtrisent cette méthode de vérification, indépendamment de l’outil précis en place 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 directement Gemini plutôt qu’une page Imagen qui n’existe plus comme produit à part.
2. 02Décrivez la scène avec des éléments concrets — sujet, cadrage, lumière — plutôt qu’une consigne vague.
3. 03Si le résultat est presque bon, demandez un ajustement ciblé dans la même conversation plutôt que de tout réécrire.
4. 04Vérifiez à taille réelle tout texte, logo ou main visible avant de publier l’image retenue.

Pour la méthode de prompt complète, avec le détail de ce qui a remplacé Imagen chez Google, Google Imagen 3 va plus loin sur le cadrage et la lumière. Avant de juger la qualité de l’outil sur un seul essai, Tester Imagen détaille une méthode de test en plusieurs générations. 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. Si le point de départ est une photo existante à modifier plutôt qu’à générer de zéro, Modifier une photo avec ChatGPT gratuit montre la même rigueur sur un fichier réel. Si vous passez par l’API pour un projet, Prix de Nano Banana 2.1 détaille le coût par image selon la taille choisie.

Donner un contexte précis à un générateur et vérifier son résultat plutôt que de le publier tel quel suit la même logique qu’à l’écrit, détaillée dans Formation prompt IA.

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