← Retour au blog
AiEnviron 8 min de lecture

Nano Banana 2 Lite : quatre secondes qui changent l'usage

Publié le 10 nov. 2026
Nano Banana 2 Lite : quatre secondes qui changent l'usage

Quatre secondes, c'est le chiffre que Google a mis en tête de l'annonce de Nano Banana 2 Lite, et c'est le seul qui compte pour ce à quoi ce modèle sert vraiment.

Environ quatre secondes pour une génération texte-vers-image, contre environ onze pour Gemini 3.1 Flash Image — soit à peu près 2,7 fois plus rapide, selon la comparaison du fournisseur. Sortie plafonnée à 1K. Quatorze ratios d'aspect. La même surface d'API que ses grands frères : texte-vers-image, édition d'image, composition multi-images, et une réponse texte à côté de l'image puisque c'est toujours un modèle multimodal en dessous.

Il occupe la huitième place du tableau image d'OpenRouter avec 1,74 milliard de tokens par semaine, à 0,25 $ par million de tokens d'entrée et 30 $ par million en sortie. C'est la moitié du prix d'entrée de Nano Banana 2 et le même prix de sortie, ce qui vous dit où vit le coût réel.

Rien de tout cela n'est excitant. Tout est utile, et on peut soutenir sérieusement que c'est dans le palier ennuyeux que le marché se décide.

Pourquoi quatre secondes changent le produit, pas seulement l'attente

Il y a un seuil dans le logiciel interactif, quelque part entre trois et cinq secondes, et il n'a rien à voir avec la patience des gens. En dessous, un système peut être une boucle. Au-dessus, un système doit être une tâche.

Concrètement : à quatre secondes, vous pouvez générer au relâchement de touche et le résultat arrive encore pendant que l'utilisateur regarde l'écran. Vous pouvez construire un outil de moodboard où changer un mot re-rend toute la grille. Vous pouvez mettre de la génération d'image dans l'autocomplétion d'un formulaire. À onze secondes, rien de tout cela n'est possible — chaque cas devient une barre de progression, un spinner et une décision de continuer à attendre ou non.

C'est pourquoi le palier Lite existe, et c'est pourquoi les chiffres d'usage sont ce qu'ils sont. Le modèle ne sert pas à faire les visuels principaux. Il sert à faire les quarante images qu'on jette avant de faire le visuel principal.

Le langage de positionnement de Google est inhabituellement direct : « pipelines de développement à haute vélocité », « exploration visuelle à cadence rapide », « générer des milliers d'images pour une fraction du coût des modèles de production plus lourds ». Traduction : c'est le palier qu'on utilise pendant qu'on cherche encore ce qu'on veut.

A grid of fourteen framed prints of different aspect ratios on a white wall

Le plafond à 1K est le compromis, et c'est le bon

Nano Banana 2 Lite sort en 1K avec quatorze ratios d'aspect. Pas de 2K, pas de 4K. Si vous en avez besoin, vous êtes censé monter dans la famille vers Nano Banana 2.1, qui va jusqu'à 4K.

Il est tentant de lire le plafond de résolution comme une limitation. Mieux vaut le lire comme le mécanisme qui rend la vitesse possible. La résolution est la variable la plus coûteuse en diffusion — quadrupler les pixels n'est pas quadrupler le calcul, c'est pire — donc un modèle qui promet un aller-retour sous cinq secondes doit abandonner de la résolution quelque part.

En échange, vous obtenez quatorze ratios d'aspect, ce qui compte plus que ça n'en a l'air. Le ratio est le paramètre qui provoque le plus souvent une seconde génération : vous générez un visuel en 16:9, puis il vous faut une version 9:16 pour les Stories, et le recadrage est faux. Un modèle qui gère les quatorze en 1K en quatre secondes vous laisse générer le même concept une fois par emplacement, ce qui fait la différence entre un asset et une série.

SynthID et l'argument du filigrane invisible

Chaque sortie porte un filigrane SynthID invisible. Google le fait sur ses modèles d'image depuis un moment, et on le mentionne généralement en une phrase avant de l'oublier.

Il mérite plus qu'une phrase, parce que « filigrane invisible » est une catégorie de chose qui ne devient intéressante qu'à l'échelle. Un filigrane visible est une décision de marque. Un filigrane invisible est de l'infrastructure : il permet à une plateforme de répondre à la question « est-ce généré ? » sans changer l'apparence de l'image, et il survit à la plupart des retouches courantes.

Que cette infrastructure soit bonne ou mauvaise dépend entièrement de qui pose la question et pourquoi. Pour une banque d'images qui filtre les uploads synthétiques, c'est utile. Pour un directeur de création qui veut des métadonnées de provenance sur ses livrables, c'est utile. Pour quelqu'un qui veut que son image générée soit indiscernable d'une photographie, c'est un obstacle — et le fait qu'il soit imperceptible à l'œil mais détectable dans le code est précisément le but.

Il y a aussi un accroc pratique pour quiconque construit des produits sur ces modèles : si votre pipeline retire les métadonnées ou ré-encode agressivement, vous supprimez peut-être un signal que les plateformes en aval commencent à exiger. C'est une question de conformité qui apparaîtra dans les formulaires d'achat avant d'apparaître dans un rapport de bug.

Sa place face au reste du tableau

Regardez le top huit d'OpenRouter et une forme apparaît. Google occupe quatre places. OpenAI deux. ByteDance une, Meta une. Et les deux modèles Google du palier Flash — Nano Banana 2 en tête avec 5,76 B de tokens, Nano Banana 2 Lite à 1,74 B — ne se concurrencent pas tant qu'ils couvrent deux métiers différents : le défaut et le défaut rapide.

C'est une structure produit délibérée, et c'est la même qui a fonctionné sur les modèles de langage. Proposer un modèle suffisamment bon à un prix qui rend l'usage en volume rationnel, et un meilleur pour les cas qui justifient l'attente. L'écart entre les deux devient une décision de routage prise par votre application, pas un choix que votre utilisateur doit comprendre.

Pour un développeur, l'implication pratique est qu'il faudrait probablement appeler deux modèles, pas un. Écrire la spec à la vitesse du Lite, rendre le final en pleine qualité. L'écart de coût est plus petit que l'écart de temps.

L'arithmétique qui rend le routage évident

Faites le calcul sur un travail réaliste, parce que les comparaisons de prix abstraites cachent la décision. Disons qu'il vous faut un visuel principal final et que vous êtes prêt à essayer vingt directions avant de trancher. À la vitesse du Lite, quatre secondes chacune, cela fait quatre-vingts secondes d'exploration — moins d'une minute et demie, le temps d'un café. À onze secondes chacune, près de quatre minutes, assez long pour que vous renonciez à la vingtième idée.

Les tokens de sortie sont au même prix au million sur les deux modèles, donc l'économie se situe entièrement du côté de l'entrée et du nombre d'appels que vous êtes prêt à faire. Cette seconde partie est celle qu'on oublie. Le modèle moins cher ne coûte pas seulement moins par tentative ; il change le nombre de tentatives que vous pouvez justifier, et c'est ce nombre qui détermine si l'image finale est bonne.

L'architecture correcte est donc ennuyeuse : router l'exploration vers le Lite, router la direction validée vers le gros modèle en 2K ou 4K. Deux clés, un template de prompt, un booléen. La plupart des équipes qui se plaignent du coût de la génération d'image font tourner le modèle cher pour les deux métiers.

Ce qu'il faut surveiller

Le risque évident est que le palier Lite devienne discrètement le seul que quiconque puisse se payer, et que la qualité converge vers le bas à mesure que tout le monde optimise le débit. C'est à peu près ce qui est arrivé à la génération de texte, et les résultats étaient corrects pour la plupart des tâches, mauvais pour celles qui demandaient du soin.

L'autre risque est plus précis : une sortie en 1K qui rend bien à l'écran et s'effondre à l'impression, dans un mockup de panneau, ou dans tout contexte où quelqu'un zoome à 200 %. Un aller-retour de quatre secondes encourage l'habitude de ne jamais zoomer. C'est un risque de workflow, pas un défaut du modèle, mais c'est le genre qui part en production.

Reste que c'est le palier qui définira comment la plupart des images seront faites cette année. Pas parce qu'il est le meilleur. Parce qu'il est assez rapide pour faire partie de la réflexion au lieu de venir après — et parce qu'à 0,25 $ le million de tokens d'entrée, vous pouvez vous permettre de vous tromper quarante fois avant d'avoir raison une fois.

Articles associés