Accueil › Gemini › Vidéo

Gemini Vidéo (Veo 3.1) : générer des vidéos IA avec audio natif

Veo 3.1 est le modèle de génération vidéo de Google, intégré dans Gemini et Flow. Il produit des vidéos jusqu’à 60 secondes en 720p, 1080p ou 4K avec un audio généré nativement (dialogues, effets sonores, ambiances). C’est le concurrent direct de Sora (OpenAI) avec un avantage notable : la génération audio intégrée et l’intégration dans l’écosystème Google.

Qu’est-ce que Veo 3.1 ?

Veo 3.1 est le modèle de génération vidéo développé par Google DeepMind, lancé le 15 octobre 2025. C’est la quatrième itération en 17 mois (Veo 1 en mai 2024, Veo 2 en décembre 2024, Veo 3 en mai 2025, Veo 3.1 en octobre 2025). Chaque version a apporté un saut qualitatif : Veo 2 a introduit la 4K native, Veo 3 a ajouté l’audio natif (mettant fin à ce que Demis Hassabis, CEO de DeepMind, a décrit comme « l’ère du cinéma muet » de la vidéo IA), et Veo 3.1 affine le tout avec une meilleure fidélité, une cohérence améliorée, et des outils de production plus pratiques.

La force de Veo par rapport aux concurrents : c’est un modèle intégré dans l’écosystème Google. Vous pouvez créer des images avec Nano Banana, les transformer en vidéos avec Veo, monter le tout dans Flow, et exporter vers YouTube Shorts ou Google Vids pour vos présentations. Pas besoin de jongler entre des outils séparés.

Ce que Veo 3.1 sait faire

Texte vers vidéo

Décrivez une scène en langage naturel et Veo génère la vidéo correspondante. Le modèle comprend la terminologie cinématographique : vous pouvez spécifier le type de plan (plan large, gros plan, plan moyen), le mouvement de caméra (travelling, panoramique, plan aérien), le style visuel (film noir, animation, photoréaliste), et l’ambiance générale. Les résultats sont des clips de 8 secondes par défaut, extensibles jusqu’à 60 secondes via la fonctionnalité d’extension de scène.

Image vers vidéo

Uploadez une image (ou plusieurs images de référence) et Veo l’anime. C’est l’une des fonctionnalités les plus pratiques : créez d’abord votre composition visuelle parfaite avec Nano Banana Pro, puis transformez-la en vidéo avec Veo. La cohérence entre l’image source et la vidéo générée est excellente, et un prompt court suffit puisque le modèle tire l’essentiel de l’information de l’image.

Veo 3.1 supporte jusqu’à 3 images de référence par génération. Vous pouvez combiner des personnages, des objets et des styles visuels issus d’images différentes dans une même vidéo. La cohérence d’identité des personnages est maintenue même quand le cadre change.

Audio natif

C’est le différenciateur principal de Veo face à la concurrence. Le modèle génère l’audio en même temps que la vidéo, pas en post-production. Cela inclut :

Dialogues synchronisés. Les personnages parlent avec un lip-sync naturel. Vous pouvez spécifier le contenu des dialogues dans votre prompt.

Effets sonores. Le bruit de pas sur du gravier, le vent dans les arbres, le tintement d’un verre, une porte qui claque. Les effets sont synchronisés avec l’action visuelle.

Musique ambiante. Le modèle peut générer une bande sonore qui correspond à l’ambiance de la scène. Pas du niveau d’une composition musicale professionnelle, mais suffisant pour du contenu social media et des présentations.

Extension de scène

La fonctionnalité Scene Extension permet de prolonger une vidéo existante. Chaque extension se base sur la dernière seconde du clip précédent, maintenant la continuité visuelle et audio. Vous pouvez enchaîner plusieurs extensions pour créer des vidéos de plus d’une minute, voire plus. C’est la solution pour dépasser la limite de 8 secondes par clip unitaire.

Frames de début et de fin

Spécifiez la première et/ou la dernière image de votre vidéo. Veo génère la transition entre les deux. C’est utile pour créer des transitions précises, des animations de logo, ou des séquences où vous savez exactement à quoi le début et la fin doivent ressembler.

Vidéo verticale

Veo 3.1 supporte nativement le format 9:16 (portrait), optimisé pour YouTube Shorts, Instagram Reels, TikTok et les Stories. Uploadez une image verticale ou spécifiez « portrait » dans votre prompt. C’est intégré directement dans YouTube Shorts et l’app YouTube Create.

Upscaling 4K

Les vidéos peuvent être upscalées en 1080p ou 4K pour des workflows de production professionnelle. L’upscaling préserve les détails et améliore la netteté sans artefacts visibles.

Accès et tarification

Flow : c’est la plateforme de filmmaking IA de Google, le moyen le plus accessible pour tester Veo gratuitement. Les utilisateurs sans abonnement reçoivent 50 crédits par jour (réinitialisés à minuit) + un bonus de 100 crédits à la première utilisation. Chaque vidéo coûte 20 crédits sur le plan gratuit, soit 2 à 3 vidéos par jour gratuitement. Sur Google AI Ultra, le coût descend à 10 crédits par vidéo.

App Gemini : la génération vidéo n’est pas disponible sur le plan gratuit de Gemini. Il faut au minimum Google AI Pro (~$20/mois) pour accéder à Veo 3.1 Fast, et Google AI Ultra (~$250/mois) pour les limites les plus élevées et l’accès au modèle standard (plus lent mais plus haute qualité).

API : Veo 3.1 est accessible via l’API Gemini (Google AI Studio) et Vertex AI. Le tarif est de $0,15 par seconde pour Veo 3.1 Fast et $0,40 par seconde pour le modèle standard. Un clip de 8 secondes coûte donc entre $1,20 et $3,20 selon le modèle choisi.

Flow : l’outil de filmmaking IA

Flow est la plateforme de création vidéo de Google Labs, conçue comme un environnement de production complet autour de Veo. C’est plus qu’un simple générateur : c’est un outil de montage avec des fonctionnalités professionnelles.

Ingredients to Video. Uploadez plusieurs images de référence (personnages, décors, objets, textures) et Flow les combine en une scène vidéo cohérente avec éclairage naturel et interactions réalistes.

Frames to Video. Définissez des keyframes et Flow génère les transitions entre elles. Idéal pour le storyboarding animé.

Extend. Prolongez vos clips pour créer des séquences plus longues.

Insert/Remove. Outils d’édition avancée pour ajouter ou supprimer des éléments dans une vidéo existante.

Nano Banana 2 est le modèle par défaut pour la génération d’images dans Flow (gratuit, zéro crédit). Le workflow recommandé : créer vos images de référence avec Nano Banana, puis les animer avec Veo 3.1.

Écrire des prompts vidéo efficaces

Un bon prompt vidéo contient cinq éléments : le sujet, l’action, le style, le cadrage, et l’audio souhaitée.

Exemple basique : « Un drone survole lentement un canyon au coucher du soleil, puis accélère et plonge à l’intérieur du canyon. »

Exemple détaillé : « Plan moyen d’un marin âgé sur un bateau, barbe grise, chapeau de marin bleu. Il tient une pipe et pointe vers la mer agitée. Il dit : ‘Cet océan, c’est une force sauvage et indomptée.’ Style cinématique, éclairage dramatique, format 16:9. »

Exemple image-vers-vidéo : uploadez une image créée avec Nano Banana, puis ajoutez un prompt court : « La caméra avance lentement. La fille montre l’objet dans ses mains et sourit. »

Vocabulaire cinématographique utile : plan large (wide shot), gros plan (close-up), plan aérien (aerial view), travelling avant (dolly shot), panoramique (pan shot), plan en plongée (top-down shot), contre-plongée (low angle). Le modèle comprend ces termes et ajuste le cadrage en conséquence.

Veo 3.1 vs Sora vs les concurrents

Verdict : Veo 3.1 et Sora 2 sont à un niveau comparable en qualité visuelle. Veo a l’avantage sur l’audio natif (dialogues synchronisés, effets sonores), la résolution (4K vs 1080p), et l’intégration écosystème (YouTube, Workspace, Flow). Sora a l’avantage de l’intégration dans ChatGPT et de clips unitaires plus longs (~20 sec vs 8 sec). Kling 3.0 (Kuaishou, Chine) offre une alternative compétitive avec un support de jusqu’à 9 images de référence et un bon rapport qualité/prix, mais avec une disponibilité moins globale.

Pour les créateurs YouTube et les utilisateurs de l’écosystème Google, Veo 3.1 est le choix le plus naturel. Pour les utilisateurs de ChatGPT qui veulent de la vidéo dans leur workflow existant, Sora est plus pratique. Pour du volume à moindre coût, Kling et les alternatives chinoises méritent d’être explorées.

Cas d’usage concrets

Contenu social media

Veo 3.1 avec le support 9:16 natif est taillé pour YouTube Shorts, Instagram Reels et TikTok. Vous pouvez créer des clips promotionnels, des teasers produit, ou des contenus éditoriaux en quelques minutes. Le workflow le plus efficace : créez votre image de couverture avec Nano Banana, puis animez-la avec Veo. L’intégration directe dans YouTube Shorts et YouTube Create permet de publier sans exporter ni importer de fichiers.

Marketing et publicité

Générez des visuels vidéo pour vos campagnes publicitaires sans budget de production. Un clip de 8 secondes avec audio (musique ambiante, voix off) peut servir de pré-roll publicitaire, de bannière vidéo, ou de contenu promotionnel. La cohérence de personnage permet de créer des séries de clips avec le même protagoniste dans différents contextes, renforçant la reconnaissance de marque.

Présentations et formations

Via Google Vids (l’outil de présentation vidéo de Workspace), Veo génère des séquences pour enrichir vos présentations professionnelles. Illustrez un concept technique avec une animation, créez un story-board pour une formation, ou produisez une vidéo de démonstration produit. L’intégration Workspace signifie que ces vidéos sont directement exploitables dans Slides et Vids sans conversion.

Storyboarding et pré-production

Les studios et agences utilisent Veo pour le storyboarding animé. Plutôt que des planches statiques, vous obtenez des clips vidéo avec audio qui donnent une vision beaucoup plus concrète du résultat final. Promise Studios utilise Veo 3.1 dans sa plateforme MUSE pour la pré-visualisation de projets cinématographiques. Le coût par clip ($1,20 à $3,20 via l’API) rend cette approche accessible même pour des productions à petit budget.

Jeux vidéo et contenu interactif

Volley utilise Veo 3.1 pour générer des cinématiques dans son RPG « Wit’s End », créant des assets visuels dynamiques qui narrent la progression du joueur. OpusClip l’intègre pour produire des vidéos promotionnelles pour les PME. Ces intégrations montrent que Veo n’est pas limité au contenu autonome : il peut alimenter des systèmes plus complexes via l’API.

Workflow recommandé : de l’idée à la vidéo

Le workflow le plus efficace exploite l’écosystème complet de Google :

Étape 1 : Concept et script. Utilisez Gemini (chat texte) pour brainstormer votre concept vidéo. Demandez un script, un découpage en scènes, et des descriptions de plans. Gemini peut vous aider à formuler des prompts vidéo optimisés à partir d’une idée vague.

Étape 2 : Keyframes avec Nano Banana. Créez les images de référence pour chaque scène avec Nano Banana Pro. Ces images serviront de base à Veo pour la génération vidéo. La cohérence visuelle entre Nano Banana et Veo est excellente car les deux modèles partagent l’architecture Gemini.

Étape 3 : Génération vidéo avec Veo. Dans Flow ou l’app Gemini, uploadez vos keyframes et ajoutez les prompts textuels pour chaque scène. Veo génère les clips avec audio. Utilisez Scene Extension pour les séquences de plus de 8 secondes.

Étape 4 : Montage dans Flow. Assemblez vos clips, ajustez les transitions, et affinez l’audio dans Flow. L’outil offre des fonctionnalités d’édition (Insert, Remove, Extend) qui permettent de peaufiner sans régénérer.

Étape 5 : Export et publication. Exportez en 1080p ou 4K pour la production, ou publiez directement sur YouTube Shorts. Intégrez dans Google Vids pour des présentations, ou téléchargez pour d’autres plateformes.

Ce workflow complet peut produire un clip de 30 secondes en qualité professionnelle en moins d’une heure, sans compétences de montage vidéo ni équipement. C’est un changement radical pour les créateurs indépendants, les PME et les équipes marketing qui n’ont pas de budget vidéo dédié.

Sécurité et traçabilité

Toutes les vidéos générées par Veo incluent un watermark SynthID invisible intégré dans chaque frame, permettant de détecter le contenu IA sans altérer la qualité visuelle. Les vidéos sont aussi compatibles avec les C2PA Content Credentials. Depuis décembre 2025, l’app Gemini permet de vérifier si une vidéo a été générée par Google AI en l’uploadant et en posant la question directement.

Veo applique les filtres de sécurité de Gemini et refuse de générer du contenu qui viole les politiques de Google (violence explicite, contenu sexuel, désinformation). Les contenus sont évalués par des red teams avant le déploiement public.