Si vous surveillez les classements de l’IA ces derniers jours, vous avez vu grimper un nom improbable : Nano Banana. Non, ce n’est pas un fork communautaire obscur ou lubrique. mais bien le nom de code (laissé fuiter volontairement sur les benchmarks) de la nouvelle offensive de Google dans l’image générative : Gemini 3 Pro Image. Question : et l’open source dans tout ça ?
Alors que le monde du développement exulte depuis la sortie de Flux.1 (qui permet de faire tourner des modèles de qualité cinéma en local), Google tente de reprendre la main avec une approche radicalement différente, basée non plus sur la simple diffusion, mais sur le « raisonnement ».
L’IA qui « réfléchit » avant de dessiner
La grande nouveauté technique qui intéresse les développeurs, c’est l’intégration du moteur de raisonnement de Gemini 3 dans le processus de création visuelle. Contrairement aux modèles classiques qui « hallucinent » des pixels probables, Nano Banana (ou Gemini 3 Pro Image) simule une forme de compréhension physique avant le rendu.
Concrètement ? Si vous lui demandez de dessiner une voiture faite d’aliments, il ne va pas juste coller des textures. Il va « comprendre » que les roues doivent être cylindriques (des sushis ?) et le pare-brise transparent (un œuf dur coupé ?). Cette capacité de cohérence spatiale lui permet aussi de gérer jusqu’à 14 images de référence pour maintenir l’identité d’un personnage ou d’un produit sous tous les angles, le Graal pour les créatifs.
Face à la boîte noire, la résistance open source
C’est là que le bât blesse pour les puristes de la souveraineté numérique. Nano Banana est une boîte noire accessible uniquement via API (Vertex AI / Google AI Studio). Pour ceux qui refusent le vendor lock-in ou qui exigent une confidentialité totale des données, l’alternative réside dans les modèles open source et/ou à poids ouverts (open weights), un secteur où la Chine montre désormais les dents avec une efficacité (diablement) redoutable.
Si l’occidental Flux.1 reste la référence actuelle pour le local, des modèles chinois très performants émergent sur Hugging Face ou Github :
-
HunyuanDiT (Tencent) : ce modèle basé sur une architecture Transformer (DiT) excelle dans la compréhension du chinois et de l’anglais. Il offre une finessse de détails comparable aux solutions propriétaires. Le code est disponible sur GitHub.
-
Kolors (Kwai) : entraîné sur des milliards de paires image-texte, ce modèle basé sur SDXL impressionne par son réalisme photographique et sa capacité à gérer du texte complexe, souvent le point faible des modèles libres. À tester via leur dépôt officiel.
- Nous vous en parlions dans notre article du 8 août dernier : la technologie Qwen-Image est une IA open source développée par Alibaba qui sait (vraiment) écrire dans ses images. L’entreprise a d’ailleurs créé un dépôt Github.
Nano Banana prouve que Google conserve pour l’heure une avance sur la « compréhension » et le raisonnement complexe, mais avec des acteurs comme Alibaba, Tencent ou Black Forest Labs, l’écart se resserre. Particularité ? Ils sont chinois…
