Google a divisé par deux le prix de ses images et triplé le coût de l'envoi de références

Google a publié Nano Banana 2.1 le 6 octobre. Le titre est une baisse de prix : une image 1K passe de 6,70 cents à 3,36, une image 4K de 15,10 cents à 7,56. La tarification par lots divise encore ces montants par deux, ramenant une génération 1K à 1,68 cent. Pour quiconque fait de la génération d'images à grande échelle, c'est le genre de changement qui modifie ce qui vaut la peine d'être construit.

La partie qui retient moins l'attention se situe du côté des entrées. Google a divisé par deux les tokens de sortie par million, de 60 $ à 30 $, et a augmenté les tokens d'entrée de 0,50 $ à 1,50 $ par million. La sortie texte et réflexion est passée de 3 $ à 7,50 $ par million. Le chiffre par image, cependant, ne représente qu'une fraction de ce qu'un client paie réellement.

Pourquoi le changement sur les entrées compte

Une requête d'image transporte bien plus qu'une sortie. C'est un prompt plus, de plus en plus, des images de référence. Nano Banana 2.1 accepte jusqu'à 14 images de référence dans une seule requête, et chaque image d'entrée consomme environ 1 120 tokens. Un flux de travail qui fusionne une douzaine de références pour maintenir la cohérence d'un produit à travers ses variations envoie beaucoup d'entrées pour chaque sortie.

Triplez le prix des entrées et un flux de travail à forte référence peut constater une économie bien plus faible que ne le suggère le chiffre par image. Les équipes qui profitent le plus de cette version sont celles qui font du texte-vers-image à grande échelle avec des prompts courts. Les équipes qui devront d'abord modéliser leurs propres chiffres sont celles qui font de l'édition multi-référence, car c'est là que le côté entrée domine.

Les propres indications de Google ne cachent pas cela. La page de tarification indique 3 780 tokens par image 4K, ce qui donne plutôt 11 cents que les 7,56 cents qui circulent dans les articles. Faites le calcul avec votre propre charge de travail avant de supposer que la facture est divisée par deux.

La façon pratique de le modéliser est de compter les images par mois à chaque résolution, de multiplier par le nouveau prix de sortie par image, puis d'ajouter le coût d'entrée, qui est le nombre moyen d'images de référence par requête multiplié par les tokens par image et par le nouveau prix d'entrée. Pour une charge de travail texte-vers-image avec des prompts courts, l'économie se rapproche du chiffre annoncé. Pour une charge de travail à forte édition qui envoie une douzaine de références à chaque appel, le côté entrée peut en absorber la majeure partie. Cette version récompense un style de travail et taxe un autre, et la page de tarification est le seul endroit où cette distinction est visible.

Ce qui s'est réellement amélioré

L'histoire des capacités est plus concrète que celle du prix. Le modèle maintient la cohérence de quatre personnages et dix objets tout en fusionnant jusqu'à 14 images de référence, ce qui est la fonctionnalité qui compte pour les catalogues produits, les storyboards et les campagnes de marque. La cohérence du sujet à travers les tours d'édition a été l'un des points de défaillance les plus frustrants des outils d'image, et cela cible directement ce problème.

Le texte dans les images s'est également amélioré. Le score de factualité des infographies de Google est passé de 0,179 à 0,521, et l'entreprise affirme avoir corrigé les artefacts de mosaïque qui apparaissaient dans les ratios d'aspect larges. La sortie va jusqu'à 1K, 2K et 4K, avec des ratios d'aspect allant jusqu'à 8:1.

L'ancrage est disponible via Google Web et Image Search, et les niveaux de réflexion sont configurables à minimal, moyen et élevé. Le modèle porte également les Content Credentials C2PA pour le suivi de l'origine, ce qui devient plus pertinent à mesure que les plateformes et les régulateurs poussent pour la provenance des images générées.

Il y a des limites qu'il vaut la peine de connaître avant de migrer un agent. La génération audio, la mise en cache, l'exécution de code, la recherche de fichiers, l'appel de fonctions, l'ancrage Maps, la Live API, les sorties structurées et le contexte d'URL ne sont pas pris en charge. Si votre pipeline repose sur l'appel de fonctions ou les sorties structurées autour de l'étape d'image, cette logique doit résider dans un appel de modèle texte séparé. L'API Batch est prise en charge.

La liste de distribution est large dès le premier jour : l'application Gemini, le mode IA dans Search, Google AI Studio, Google Flow, Stitch, Google Ads et la plateforme d'entreprise obtiennent tous le modèle au lancement. Cela compte parce que cela signifie que les améliorations atteignent les produits grand public et l'API développeur en même temps. Un développeur peut livrer une fonctionnalité s'appuyant sur un modèle que des millions de personnes utilisent déjà via une autre interface, ce qui raccourcit la boucle de rétroaction entre une décision produit et une réaction utilisateur.

Une restriction se perpétue depuis le reste de l'industrie. La génération de personnes réelles n'est pas disponible sur l'offre de plateforme d'entreprise. Cela comptera pour certains cas d'usage, et c'est un rappel que la question de la capacité et celle de la permission sont distinctes, même pour un grand fournisseur de plateforme.

La date limite de migration est plus souple qu'elle n'en a l'air

Plusieurs articles donnent le 29 octobre comme le jour où le modèle précédent, gemini-3.1-flash-image, cesse de répondre. Le propre journal des modifications de Google indique qu'il est obsolète sans date d'arrêt annoncée. Quiconque planifie une migration autour du 29 octobre travaille à partir d'un chiffre que le fournisseur ne publie pas.

Cela ne rend pas la migration facultative. Un modèle obsolète continue de fonctionner jusqu'à ce que le fournisseur dise le contraire, et le coût de rester dessus a doublé par rapport au remplacement. L'ancien modèle est désormais un surcoût permanent de 50 % sur la même sortie.

La vue d'ensemble est une guerre des prix

Google, OpenAI et les laboratoires chinois de modèles à poids ouverts courent tous après les développeurs qui intègrent des fonctionnalités d'image dans les applications. OpenAI retire gpt-image-1 de son API le 23 octobre et oriente les utilisateurs vers GPT Image 2.5 Sunburst ou Flare. Sur le classement indépendant Arena texte-vers-image, Nano Banana 2.1 se classe cinquième derrière plusieurs versions des modèles d'OpenAI.

Ce classement est le contexte dans lequel il faut lire la baisse de prix. Sur le tableau indépendant, Google est derrière les leaders de la qualité. Il est en tête sur la distribution, avec le modèle disponible sur les surfaces grand public et l'API développeur le même jour, et il a choisi de rivaliser sur le prix plutôt que sur la première place d'un vote de préférence. C'est une stratégie cohérente pour une entreprise qui a déjà les utilisateurs. C'est aussi un signal que, pour le milieu du marché, être suffisamment bon et bon marché vaut mieux qu'être le meilleur et cher.

Pendant ce temps, les options à poids ouverts continuent de réduire l'écart par le bas. Des modèles comme Qwen-Image et les versions de décomposition en couches n'ont pas du tout de facture par image, ce qui fixe un plancher qu'aucun fournisseur hébergé ne peut casser. La guerre des prix par image se déroule dans l'espace entre les poids ouverts gratuits et l'offre premium, et cet espace se rétrécit chaque trimestre.

Une sortie moins chère et un meilleur rendu du texte poussent les images IA plus loin dans un travail qui exigeait auparavant un designer pour chaque révision : bannières localisées, cartes de menu, infographies simples. C'est la direction que pointe la baisse de prix. La question que chaque équipe doit se poser pour elle-même est de savoir si le côté entrée de son propre pipeline lui permet d'en profiter.

L'effet plus large porte sur ce qui compte comme fonctionnalité produit raisonnable. Quand une image générée coûte trois cents et arrive en quelques secondes, une fonctionnalité qui produit une image par utilisateur et par session devient abordable d'une manière qu'elle n'était pas l'année dernière. Illustrations personnalisées, ressources marketing par lieu et espaces réservés générés passent tous d'idées coûteuses à détails d'implémentation. Des changements de prix de ce niveau font plus que réduire les coûts sur le travail existant. Ils rendent possibles de nouvelles catégories de travail, parce que l'arithmétique qui les excluait ne s'applique plus.

La décision de Google de baisser les prix de sortie tout en triplant les prix d'entrée est un pari sur le style de travail qui dominera. Elle suppose que les équipes feront plus de génération et moins d'édition à forte référence, et elle tarifie en conséquence. Les équipes qui font l'inverse devraient tester avant de migrer plutôt que de supposer que le chiffre annoncé s'applique à elles.