Google dévoile le modèle d’IA Gemini Omni « any-to-any » : ce que les entreprises devraient savoir

Bien qu’il ait déjà été découvert par des utilisateurs intrépides de l’IA il y a quelques semaines, le nouveau modèle Gemini Omni de Google a officiellement fait ses débuts aujourd’hui lors de la conférence annuelle des développeurs d’E/S de la société à Mountain View, en Californie, et marque un paradigme considérablement nouveau sur le marché plus large de l’IA et de la technologie.

C’est parce que comme son «omni» (du latin tout » – signifiant « tout » le préfixe suggère qu’il s’agit du premier modèle multimodal véritablement natif de Google, c’est-à-dire « un modèle qui peut créer n’importe quoi à partir de n’importe quelle entrée, à commencer par la vidéo ».

Le modèle marque la tentative de Google de regrouper la pile générative multimodale – texte-image, image-vidéo, vidéo-vidéo, génération audio – en un modèle de base unique avec une seule surface d’édition.

La grande question pour les chefs d’entreprise est la suivante : devriez-vous maintenant migrer l’une de vos propres piles d’IA vers Gemini Omni ?

Malheureusement, la vérité est que vous ne pourrez peut-être pas encore le faire : le modèle n’est disponible que pour les utilisateurs individuels via les plans d’abonnement AI de Google, à commencer par le plan « AI Plus » de 20 $ par utilisateur et par mois. Il est actuellement accessible sur le site Web et les applications mobiles Gemini, sur la suite Web de montage d’images et de vidéos Flow AI de Google et sur YouTube Shorts.

Bien que l’entreprise affirme qu’elle sera finalement disponible via une interface de programmation d’applications (API) – sur laquelle de nombreuses entreprises s’appuient pour leurs besoins en IA – elle n’est pas encore prête.

Par dérogation, Google n’a pas (encore) publié de références publiques pour Gemini Omni. Cependant, des organisations tierces le mettront sans aucun doute à l’épreuve sur diverses tâches et mesures de qualité signalées par les utilisateurs. En attendant, sa qualité et sa rapidité restent quelque peu subjectives.

Mais, étant donné les capacités et l’édition plus rapide permises par le nouveau modèle Omni, les membres individuels de votre équipe devraient probablement envisager sérieusement de passer à ce modèle, surtout s’ils travaillent à la création de visuels pour des diagrammes techniques, des supports de marketing et de communication, des cours de formation et d’éducation d’entreprise, des supports de vente et essentiellement tout ce qui implique des visuels.

Qu’est-ce qu’Omni en réalité

Omni est le prochain chapitre du travail qui a produit Nano Banana, le modèle de génération et d’édition d’images livré par Google il y a environ un an.

Le premier modèle de la famille, Gemini Omni Flash, accepte toute combinaison de texte, d’images, d’audio et de vidéo en entrée et produit une sortie de haute qualité selon les mêmes modalités, le tout à partir d’un modèle unique plutôt que d’un relais de systèmes spécialisés.

Google affirme que le modèle est « nativement multimodal dès le départ », ce qui compte moins en tant que copie marketing qu’en tant que revendication architecturale : un modèle unifié peut raisonner sur plusieurs modalités dans la même passe, ce qui se traduit généralement par des modifications plus cohérentes, moins d’artefacts de pipeline et une surface d’API beaucoup plus propre pour les développeurs.

OpenAI a lancé cette tendance en mai 2024 avec la sortie de GPT-4o, son premier modèle natif « omni », également formé dès le départ pour pouvoir analyser et générer plusieurs types de contenu différents, du texte au code, en passant par les images et l’audio. Cependant, il ne prenait pas en charge la génération de vidéo et le modèle a finalement été obsolète à la suite de rapports de flagornerie et même les utilisateurs exigeant qu’OpenAI le conserve après avoir développé des relations parasociales avec lui.

Gemini Omni risque-t-il de susciter un public tout aussi dévoué ? Reste à voir.

Une grande différence est que son modèle d’interaction principal est le montage vidéo conversationnel. Chaque instruction « s’appuie sur la précédente » et les instructions passées persistent à travers les tours afin que la vidéo évolue de manière cohérente au fur et à mesure que l’utilisateur itère.

Les exemples pratiques mis en avant par Google incluent le changement du monde à l’intérieur d’un clip, la réimagination d’une action ou d’un angle de caméra, l’affinement de séquences sur plusieurs tours et la génération de contenu de style explicatif à partir de courtes invites.

Google met également l’accent sur l’amélioration de la physique – gravité, énergie cinétique, dynamique des fluides – qui est le genre de détail qui sépare « qui ressemble à une vidéo IA » de « qui ressemble à des images ».

Déploiement, tarification et question de l’API

La première chose que les dirigeants d’entreprise doivent lire attentivement est le plan de déploiement. Omni Flash est mis en ligne aujourd’hui dans l’application Gemini pour les abonnés américains des niveaux AI Plus, AI Pro et AI Ultra, y compris le nouveau plan AI Ultra à 100 $ par mois annoncé par Google lors du même événement.

Google indique qu’il sera déployé auprès des développeurs via les API Vertex AI «dans les semaines à venir». Cet écart est important. Jusqu’à ce que l’API Vertex soit généralement disponible, Omni est effectivement un outil grand public et prosommateur.

Les pilotes d’entreprise au-delà de l’expérimentation basée sur des sièges individuels devraient attendre l’API, à la fois parce que c’est là que se situent les SLA d’entreprise et les engagements de gestion des données de Google, et parce que la vidéo générative de qualité production sans interface de programmation n’est pas un démarreur.

Sa tarification via l’API par million de jetons (vraisemblablement) déterminera également sa viabilité en tant que produit d’entreprise en dehors des productions cinématographiques, télévisuelles, de divertissement et artistiques.

Entre-temps, pour les décideurs qui évaluent l’économie des sièges, le nouveau niveau AI Ultra s’adresse spécifiquement aux développeurs, aux responsables techniques, aux travailleurs du savoir et aux créateurs avancés, avec un accès prioritaire à Google Antigravity, des limites d’utilisation plus élevées et un accès groupé à Omni Flash.

Pour les petites équipes créatives soumises à des délais serrés, cela peut être le moyen le plus rapide d’évaluer le modèle avant l’arrivée de l’API.

Les cas d’utilisation d’entreprise qui comptent vraiment

Il est facile de choisir par défaut « vidéo marketing » comme cas d’utilisation, mais la proposition de valeur d’Omni pour les entreprises est plus large si vous la considérez comme un moteur vidéo et multimédia programmable plutôt que comme une application créative :

• Ventes et marketing : génération rapide de variantes d’annonces, de créations localisées et de démonstrations de produits sans cycles d’agence par actif.

• Communications internes, apprentissage et développement (L&D) : des vidéos explicatives, des modules d’intégration et des présentations politiques produites par des non-spécialistes.

• Support client et documentation : explicatifs visuels dynamiques et conditionnés par des requêtes joints aux articles d’aide.

• Produit et ingénierie : visualisation des simulations, des procédures pas à pas de l’interface utilisateur et des vidéos conceptuelles pour les revues de spécifications.

• Opérations sur le terrain : de courts clips pédagogiques spécifiques à la situation générés à la demande.

Ce qui change avec Omni par rapport à la génération précédente d’outils, c’est l’unification. De nombreuses entreprises ont assemblé un flux de travail à partir de modèles texte-image, image-vidéo, synchronisation labiale et voix, chacun avec son propre contrat, facturation et chemin de données. Un modèle unique basé sur Vertex AI regroupe l’approvisionnement et l’observabilité en un seul endroit, en supposant que l’API finale offre un débit et une latence de niveau production.

L’histoire de la gouvernance est la partie la plus sous-estimée

Pour les DSI et les RSSI, la section la plus importante de l’annonce de Google n’est pas la carte modèle ; c’est le travail de provenance et de sécurité du contenu qui est expédié à ses côtés.

Chaque vidéo générée par Omni porte le filigrane numérique SynthID de Google. Google étend les informations d’identification de contenu C2PA à l’ensemble de ses outils génératifs et lance une API de détection de contenu IA sur Agent Platform qui permet aux entreprises d’identifier le contenu généré par l’IA à la fois par Google et par d’autres modèles populaires.

Les intégrations de partenaires annoncées lors du même événement, notamment Shutterstock, Avid (dans Pro Tools) et au moins un fil de presse majeur, indiquent où va la norme.

Pour les entreprises, cela est important trois manières concrètes :

1. Cela donne équipes juridiques et conformité une piste d’audit défendable pour les médias générés par l’IA.

2. Il permet aux équipes chargées de la sécurité des marques de détecter le matériel généré par l’IA entrant dans les pipelines de contenu provenant de tiers.

3. Et ça fournit une réponse défendable aux régulateurs des juridictions, comme l’UEqui renforcent les règles concernant la divulgation sur les médias synthétiques.

Il existe également un programme « Personal Avatars » qui permet aux créateurs d’enregistrer de courtes vidéos pour autoriser l’utilisation de leur voix et de leur image dans le contenu généré, comme l’ont montré les dirigeants et les employés de Google aujourd’hui dans des articles centrés sur les E/S présentant leurs apparences générées par l’IA.

Cela le met en concurrence directe avec Synthesia, une licorne d’IA basée au Royaume-Uni qui se concentre principalement sur les vidéos et les avatars d’IA destinés aux entreprises.

Pour les entreprises qui envisagent des vidéos de direction, des avatars de formation ou du contenu de porte-parole de marque, le modèle de consentement constitue ici le bon point de départ, mais les contrats et les politiques de gestion des droits devront être étendus pour le couvrir.

Des risques à signaler

Les principaux risques d’Omni sont familiers mais méritent d’être rappelés.

Le paysage concurrentiel est rempli de Synthesia susmentionné, du célèbre modèle Seedance de la société mère de TikTok, ByteDance, des modèles Kling AI de Kuaishou Technology et du domaine open source en rapide amélioration, tous se disputent les mêmes flux de travail.

Le verrouillage sur un modèle vidéo unique est une véritable préoccupation alors que la qualité de sortie continue de faire des bonds en avant chaque trimestre.

La latence et le coût de la génération vidéo en volume de production restent à prouver en dehors des démonstrations contrôlées.

En outre, le statut juridique des données de formation pour la vidéo générative est incertain dans plusieurs juridictions ; les entreprises devraient exiger un langage clair en matière d’indemnisation avant de déployer la vidéo générée sur des canaux destinés aux clients.

De plus, Sam Witteveen, collaborateur de VentureBeat et IA YouTuber, PDG du fournisseur d’apprentissage automatique d’entreprise Red Dragon AI, a reçu un accès anticipé à Gemini Omni et a signalé que les restrictions de contenu (que certains considèrent comme de la censure) étaient assez strictes, restreignant et inhibant potentiellement tous les cas d’utilisation potentiels qu’une entreprise aimerait poursuivre.

Réflexions pour les entreprises envisageant d’adopter

Omni vaut la peine d’être piloté, mais la structure du pilote est importante.

Pour la plupart des entreprises, la bonne décision au cours des 30 à 60 prochains jours consiste à financer une petite expérience sanctionnée avec un ou deux sièges AI Ultra en marketing ou L&D, tandis que les équipes de plate-forme et de sécurité utilisent cette piste pour se préparer à l’API Vertex AI : définir les exigences de résidence des données, configurer la vérification SynthID et C2PA dans le pipeline de contenu et mettre en place l’API AI Content Detection aux côtés des outils de gouvernance des médias existants.

Traitez le déploiement grand public comme un aperçu UX et non comme un plan de production. Lorsque l’API arrivera, les entreprises qui ont déjà effectué le travail de gouvernance seront celles qui feront évoluer Omni vers de véritables flux de travail pendant que tout le monde est encore en train de rédiger une politique.

Omni n’est pas, en soi, une raison pour repenser une stratégie d’IA d’entreprise. Mais c’est un signal fort que la pile générative multimodale se consolide en modèles uniques avec une provenance propriétaire intégrée – et c’est un changement que les décideurs techniques devraient planifier dès maintenant.