Imagen
Pourquoi c'est important
Google est l'une des rares entreprises à disposer de modèles de pointe pour le texte, les images et la vidéo, et ses modèles d'image touchent un public énorme à travers l'application Gemini, Google Photos, Workspace, la recherche Google et Android. La recherche autour d'Imagen a aussi façonné tout le domaine : sa conclusion selon laquelle l'encodeur de texte compte autant que le modèle d'image a influencé Stable Diffusion 3, FLUX et beaucoup d'autres.
Nano Banana, de son côté, a rendu grand public la retouche d'image conversationnelle. Téléverser une photo et dire « passe en soirée et enlève la voiture » pendant que tout le reste, y compris les visages, restait cohérent a été un bond par rapport aux outils antérieurs, et cela a entraîné des centaines de millions de retouches d'images en quelques semaines.
En profondeur
Imagen était la famille de modèles texte-vers-image de Google. La première version, publiée sous forme d'article de recherche en mai 2022, a montré qu'associer un grand modèle de langage comme encodeur de texte à un modèle de diffusion produisait des images qui suivaient les prompts plus fidèlement que tout ce qui existait jusque-là. Google s'est abstenu de la rendre publique à l'époque, puis a livré des versions successives dans ses produits : Imagen 2 fin 2023, Imagen 3 en 2024 et Imagen 4 en 2025. Google a depuis arrêté tous les modèles Imagen (Imagen 4 le 17 août 2026).
En parallèle d'Imagen, Google a intégré la génération d'images directement dans ses modèles Gemini. Cette seconde lignée est devenue célèbre en août 2025 sous le surnom de Nano Banana, et c'est désormais elle qui assure toute la génération d'images de Google.
La conception d'origine
Imagen (2022) utilisait un encodeur de texte T5-XXL gelé et une cascade de modèles de diffusion : l'un générait une image en 64×64, et deux modèles de super-résolution l'agrandissaient en 256×256 puis en 1024×1024. Contrairement à Stable Diffusion, il travaillait directement sur les pixels plutôt que dans un espace latent compressé. Les versions suivantes sont passées à des architectures de diffusion latente plus efficaces, avec des progrès réguliers en photoréalisme, en rendu du texte et en respect du prompt. Imagen 4 a ajouté des détails plus nets, une typographie bien meilleure, une sortie allant jusqu'à la résolution 2K et une variante rapide.
Deux lignées de modèles
Jusqu'en 2026, Google avait deux approches de l'image :
- Les modèles Imagen étaient des générateurs texte-vers-image dédiés. Vous envoyiez un prompt et vous receviez des images. Ils étaient rapides, relativement bon marché par image et forts en photoréalisme et en style.
- Les modèles d'image Gemini génèrent des images nativement, au sein d'un LLM multimodal. Le premier largement utilisé a été Gemini 2.5 Flash Image (Nano Banana, août 2025). Nano Banana Pro, construit sur Gemini 3 Pro, a suivi en novembre 2025 avec du texte exact dans les images, une sortie jusqu'en 4K, la possibilité de fusionner de nombreuses images de référence et un ancrage optionnel avec la recherche Google. D'autres versions ont prolongé la lignée depuis.
La différence pratique est que les modèles Gemini comprennent la demande avec toutes les connaissances et le raisonnement d'un LLM. Ils peuvent retoucher sur plusieurs tours de conversation, garder un personnage cohérent d'une image à l'autre, suivre des mises en page complexes, dessiner des schémas et des infographies aux libellés corrects, et utiliser leur connaissance du monde. Pour une seule image à partir d'un prompt clair, Imagen suffisait souvent. Pour la retouche, la composition de plusieurs images ou tout ce qui demande du raisonnement, les modèles Gemini étaient le meilleur choix.
Où les utiliser
Le grand public trouve les modèles d'image Gemini dans l'application Gemini et dans l'ensemble des produits Google. Les développeurs y accèdent par l'API Gemini dans Google AI Studio et par Vertex AI sur Google Cloud, avec une tarification par image ou par token de sortie. Des plateformes tierces les proposent aussi.
Filigranes et garde-fous
Chaque image issue des modèles de Google porte SynthID, un filigrane invisible intégré aux pixels et conçu pour survivre au recadrage, à la compression et aux filtres. Google permet aux utilisateurs de vérifier sa présence dans les images depuis l'application Gemini, et il joint aussi des Content Credentials C2PA dans certains produits. Les modèles appliquent des filtres contre les contenus dangereux et des limites sur la représentation de personnes réelles, même si le réalisme des versions récentes a ravivé les inquiétudes autour des deepfakes et de la désinformation.
Le paysage concurrentiel
Les principales alternatives sont les modèles GPT Image d'OpenAI, qui adoptent une approche similaire, native au LLM, Midjourney pour l'esthétique, FLUX de Black Forest Labs pour les poids ouverts et l'usage par API, et les modèles de laboratoires chinois comme Seedream de ByteDance et Qwen-Image d'Alibaba. Le domaine évolue vite, et la première place des classements publics change de mains tous les quelques mois.