Nano Banana Pro : le nouveau modèle dominant de génération d'images de Google

Quand l’équipe de développement de Google a baptisé en interne son modèle de génération d’images « Nano Banana », le nom est resté. La version Pro est sortie le 20 novembre 2025 et corrige de nombreux irritants rencontrés avec les premiers générateurs d’images IA.

Ce tutoriel vous explique le fonctionnement de Nano Banana Pro, détaille l’utilisation de l’API et vous aide à décider quand le préférer à la version non Pro.

Qu'est-ce que Nano Banana Pro ?

Nano Banana Pro (gemini-3-pro-image-preview) prolonge Gemini 2.5 Flash Image (le Nano Banana original présenté dans mon tutoriel précédent) avec des améliorations significatives.

Le modèle excelle particulièrement sur quatre points où les versions précédentes peinaient :

• Rendu du texte : un texte clair et lisible dans plusieurs langues et polices (fini les lettres illisibles)
• Contrôles studio : ajustez l’éclairage, les angles de prise de vue et la profondeur de champ comme en studio photo
• Cohérence des personnages : conservez le même personnage à travers 5 personnes ou 14 objets dans différentes scènes
• Connaissance du monde réel : intégration à Google Search pour des contenus éducatifs factuellement exacts

Le modèle prend en charge les résolutions 1K, 2K et 4K, avec des formats d’image 1:1, 16:9, 9:16 et 21:9. Chaque image inclut un filigrane invisible SynthID. Vous pouvez l’essayer gratuitement via l’application Gemini, mais l’accès à l’API nécessite une configuration de facturation.

Avant toute chose, vous devez obtenir l’accès au modèle. Voyons vos options.

Comment accéder à Nano Banana Pro

Vous pouvez tester Nano Banana Pro gratuitement via l’application Gemini à gemini.google.com. Connectez-vous simplement avec votre compte Google et commencez à générer des images. L’accès gratuit comporte des limites d’usage (Google n’a pas publié de seuils précis). Si vous prévoyez de générer beaucoup d’images ou de construire des applications, vous aurez besoin de l’API via Google AI Studio ou Vertex AI. Cela exige une configuration de facturation, mais vous bénéficiez ainsi de coûts prévisibles et de limites plus élevées.

Obtenir l’accès API

Allez sur Google AI Studio et connectez-vous. Vous devrez créer ou lier un projet Google Cloud, puis activer la facturation (carte bancaire requise). Une fois fait, générez une clé API dans la section dédiée.

Stockez votre clé API en sécurité. Créez un fichier .env à la racine de votre projet et ajoutez :

GEMINI_API_KEY=your_key_herePropulsé par

Ne validez jamais ce fichier dans le contrôle de version. Ajoutez .env à votre .gitignore.

Détail des tarifs

La facturation se fait à l’image générée :

• Offre standard : 0,134 $ par image 1K ou 2K, 0,24 $ par image 4K
• Traitement par lots : 0,067 $ par image 1K/2K, 0,12 $ par image 4K (traitement asynchrone pour réduire les coûts)

Pour repère, 10 $ permettent de générer environ 75 images 1K de qualité standard ou 42 images 4K. La génération et l’édition sont facturées au même tarif.

Les limites de débit varient selon votre offre et votre région (voir la documentation tarifaire officielle pour les limites actuelles). Les entreprises peuvent accéder au modèle via Vertex AI avec des fonctionnalités supplémentaires de sécurité et de conformité.

Maintenant que l’accès est configuré, générons votre première image et voyons l’édition conversationnelle en action.

Premiers pas : votre première image

Il est temps de générer des images et de voir ce qui distingue Nano Banana Pro. Nous allons créer une scène cosmique percutante, la transformer par conversation, puis la mélanger avec plusieurs images de référence pour composer un visuel final.

Configurer votre environnement

Commencez par installer les paquets requis :

pip install google-genai python-dotenv pillowPropulsé par

Vous aurez besoin de google-genai pour travailler avec les modèles Gemini, de python-dotenv pour charger votre clé API depuis le fichier .env, et de pillow pour manipuler les images.

Rédiger des prompts efficaces

De bons prompts pour Nano Banana Pro combinent des détails précis avec des termes de photographie ou de design. Plutôt que des descriptions floues, ajoutez des éléments visuels concrets et des références de style.

Les prompts solides incluent généralement :

• Détails du sujet : objets, couleurs, compositions spécifiques
• Lumière : « lumière naturelle douce », « golden hour », « éclairage latéral dramatique »
• Paramètres photo : « faible profondeur de champ », « contre-plongée », « plan large »
• Descripteurs de style : « photographie professionnelle », « cinématographique », « design minimaliste »

Générer votre première image

Voici le code complet pour générer une image :

import os
from google import genai
from google.genai import types
from dotenv import load_dotenv

# Load API key
load_dotenv()
client = genai.Client(api_key=os.getenv("GOOGLE_API_KEY"))

# Generate image
response = client.models.generate_content(
    model="gemini-3-pro-image-preview",
    contents="Vast cosmic nebula in deep space. Swirling purple and blue gas clouds with bright star clusters. Ethereal glow. Epic space photography. 16:9 cinematic composition. No planets visible.",
    config=types.GenerateContentConfig(
        response_modalities=["TEXT", "IMAGE"],
        image_config=types.ImageConfig(
            aspect_ratio="16:9",
            image_size="1K"
        ),
    )
)

# Save the image
for part in response.parts:
    if image := part.as_image():
        image.save("cosmic_base.png")
        print("Image saved!")Propulsé par

Ce code suit le flux de travail central de Nano Banana Pro. La méthode generate_content() gère la génération d’images. Le paramètre response_modalities indique au modèle de retourner du texte et des images. Dans image_config, vous contrôlez la sortie : aspect_ratio définit les proportions (16:9 pour le format large), tandis que image_size fixe la résolution (1K, 2K ou 4K). La réponse revient en plusieurs parties ; vous les parcourez pour extraire et enregistrer l’image générée.

Vous obtenez une nébuleuse cosmique saisissante :

Passons à l’édition conversationnelle pour transformer cette scène.

L’édition conversationnelle en action

Plutôt que de régénérer depuis zéro, vous pouvez modifier des images par conversation. Transformons la palette de couleurs de la nébuleuse tout en préservant sa structure :

# Load the base image
from PIL import Image
base_image = Image.open("cosmic_base.png")

# Create a chat session for editing
chat = client.chats.create(
    model="gemini-3-pro-image-preview",
    config=types.GenerateContentConfig(
        response_modalities=["TEXT", "IMAGE"],
        image_config=types.ImageConfig(
            aspect_ratio="16:9",
            image_size="1K"
        ),
    )
)

# Edit: Transform colors
response = chat.send_message([
    base_image,
    "Transform this nebula to warm orange and red tones, like a different type of stellar nursery. Keep the same swirling structure and composition."
])

# Save edited image
for part in response.parts:
    if image := part.as_image():
        image.save("cosmic_orange.png")Propulsé par

Même structure de nébuleuse, ambiance totalement différente :

Mélanger plusieurs images

Nano Banana Pro peut mélanger jusqu’à 14 images de référence tout en conservant la cohérence. Combinons notre nébuleuse orangée avec deux éléments : une comète dramatique et un ancien monolithe alien.

Commencez par générer les deux images de référence :

# Generate comet reference
comet_response = client.models.generate_content(
    model="gemini-3-pro-image-preview",
    contents="Massive comet with bright glowing nucleus and long ion tail streaming behind. Detailed surface texture on comet head. Ethereal blue-white tail against black space. Dramatic cosmic photography.",
    config=types.GenerateContentConfig(
        response_modalities=["TEXT", "IMAGE"],
        image_config=types.ImageConfig(aspect_ratio="16:9", image_size="1K"),
    )
)

# Save comet
for part in comet_response.parts:
    if image := part.as_image():
        image.save("comet.png")Propulsé par

Voici la comète :

# Generate ancient alien monolith
monolith_response = client.models.generate_content(
    model="gemini-3-pro-image-preview",
    contents="Massive ancient alien monolith floating in space. Towering black rectangular obelisk with subtle geometric patterns. Mysterious glowing symbols etched on surface. 2001 Space Odyssey style. Epic scale.",
    config=types.GenerateContentConfig(
        response_modalities=["TEXT", "IMAGE"],
        image_config=types.ImageConfig(aspect_ratio="16:9", image_size="1K"),
    )
)

# Save monolith
for part in monolith_response.parts:
    if image := part.as_image():
        image.save("monolith.png")Propulsé par

Et le monolithe alien ancien :

Maintenant, fusionnez les trois éléments dans une seule composition. Le paramètre contents accepte une liste : votre prompt texte en premier, suivi de toutes les images à mélanger.

# Load all three images
nebula = Image.open("cosmic_orange.png")
comet = Image.open("comet.png")
monolith = Image.open("monolith.png")

# Blend them into one composition
blend_response = client.models.generate_content(
    model="gemini-3-pro-image-preview",
    contents=[
        "Combine these images into one epic space scene. Place the ancient alien monolith in the right side, towering and mysterious. Show the bright comet with its glowing tail streaking diagonally across the left side. Keep the orange nebula as the dramatic backdrop. Cinematic space composition.",
        nebula,
        comet,
        monolith
    ],
    config=types.GenerateContentConfig(
        response_modalities=["TEXT", "IMAGE"],
        image_config=types.ImageConfig(aspect_ratio="16:9", image_size="1K"),
    )
)

# Save final composition
for part in blend_response.parts:
    if image := part.as_image():
        image.save("cosmic_final.png")Propulsé par

La composition finale assemble harmonieusement les trois éléments :

Maintenant que vous savez générer des images avec le nouveau modèle et exploiter certaines de ses fonctionnalités, passons à ses quatre points de différenciation.

Ce qui rend Nano Banana Pro différent

Vous avez vu la génération d’images et l’édition conversationnelle de base. Examinons maintenant chaque capacité en détail et voyons comment elles se traduisent en pratique.

Nous allons utiliser une fonction utilitaire pour éviter les répétitions dans les exemples de code :

def generate_image(prompt, filename, aspect_ratio="16:9", size="1K", use_google_search=False):
    
    config = types.GenerateContentConfig(
        response_modalities=["TEXT", "IMAGE"],
        image_config=types.ImageConfig(
            aspect_ratio=aspect_ratio,
            image_size=size
        ),
    )
    
    # Add Google Search grounding if requested
    if use_google_search:
        config.tools = [{"google_search": {}}]
    
    response = client.models.generate_content(
        model="gemini-3-pro-image-preview",
        contents=prompt,
        config=config
    )

    for part in response.parts:
        if image := part.as_image():
            image.save(f"{filename}.png")
            return imagePropulsé par

Cela réduit la redondance dans les exemples ci-dessous et propose un schéma réutilisable que vous pouvez adapter à vos projets.

Percée sur le rendu du texte

Historiquement, les générateurs d’images IA « massacraient » le texte, les rendant inutiles pour la typographie, le branding ou le design d’interface. Nano Banana Pro corrige le tir.

Voici une affiche de film avec plusieurs éléments textuels :

# Generate movie poster with cast and credits
image = generate_image(
    prompt="""Sci-fi movie poster. Large title "STELLAR HORIZON" at top. Actor names "SARAH CHEN" "MARCUS RODRIGUEZ" "AISHA WILLIAMS". Production credits "Directed by James Park" "Produced by Luna Studios" at bottom. Deep space background with nebula. Professional film poster typography. Crisp readable text.""",
    filename="movie_poster"
)Propulsé par

La même capacité s’applique aux interfaces web avec de multiples éléments de texte :

# SaaS website hero section
image = generate_image(
    prompt="""Modern SaaS website hero section. Large headline "Automate Your Workflow in Minutes" with subheadline "Connect your tools and boost productivity by 10x". Two buttons "Start Free Trial" and "Watch Demo". Trust badges showing "500K+ Users" "99.9% Uptime" "SOC 2 Certified". Clean typography. Gradient purple to blue background. Professional web design layout.""",
    filename="saas_hero"
)Propulsé par

Il gère même le multilingue sur une même image :

# Conference poster with English and Japanese
image = generate_image(
    prompt="""Tech conference poster. Top section English text: "GLOBAL AI SUMMIT 2025" "March 15-17, Tokyo". Bottom section Japanese text: "グローバルAIサミット2025" "3月15日-17日、東京". Modern geometric design. Vibrant gradient background blue to purple. Professional bilingual typography.""",
    filename="multilingual_poster"
)Propulsé par

Les équipes marketing peuvent créer des visuels de campagne avec des messages clairs, les designers explorer la typo sans mise en page manuelle, les marques générer des wordmarks cohérents, et les UI/UX designer des maquettes lisibles.

La clarté du texte n’est qu’un élément. Voyons maintenant le contrôle de la lumière et des angles de caméra.

Un contrôle digne d’un studio

Nano Banana Pro permet d’ajuster la lumière, les angles, la profondeur de champ et l’étalonnage colorimétrique de façon conversationnelle tout en préservant la composition.

Commencez par un packshot face avant :

# Generate base product image
base_image = generate_image(
    prompt="""Premium wireless earbuds with charging case. Front-facing straight-on view. Sleek matte black finish. Modern minimalist design. Clean white studio background. Professional product photography. Sharp focus throughout. Contemporary tech aesthetic.""",
    filename="earbuds_front"
)Propulsé par

Changez maintenant l’angle de vue en plongée sans tout régénérer :

# Create chat for editing
chat = client.chats.create(
    model="gemini-3-pro-image-preview",
    config=types.GenerateContentConfig(
        response_modalities=["TEXT", "IMAGE"],
        image_config=types.ImageConfig(aspect_ratio="16:9", image_size="1K"),
    )
)

# Edit camera angle conversationally
edit_response = chat.send_message([
    base_image,
    """Show these exact same wireless earbuds from bird's eye view, looking straight down from above. Keep the same earbuds and charging case. Overhead flat lay composition. Professional product photography."""
])

# Save edited image
for part in edit_response.parts:
    if image := part.as_image():
        image.save("earbuds_overhead.png")Propulsé par

Les photographes produits testent des angles sans reshoot, les architectes montrent un bâtiment sous divers points de vue, les décorateurs visualisent des espaces et les équipes marketing créent des variantes pour l’A/B testing.

Cohérence des personnages

Un mascotte de marque doit être identique sur tous les points de contact. Les campagnes exigent le même personnage dans différents contextes. Les anciens modèles avaient du mal (même si la base Nano Banana était déjà performante). Nano Banana Pro pousse encore la cohérence visuelle entre scènes.

Générez un élément de logo de marque :

# Create brand logo
brand_logo = generate_image(
    prompt="""Abstract geometric ribbon logo. Flowing infinity loop shape with metallic gradient silver to deep purple. Smooth curved surfaces. Elegant minimalist design. Clean white background. Premium brand identity element. Modern corporate aesthetic. No face. No eyes.""",
    filename="ribbon_logo"
)Propulsé par

Utilisez le même ruban dans une interface mobile :

# Create chat for editing
chat = client.chats.create(
    model="gemini-3-pro-image-preview",
    config=types.GenerateContentConfig(
        response_modalities=["TEXT", "IMAGE"],
        image_config=types.ImageConfig(aspect_ratio="16:9", image_size="1K"),
    )
)

# Show logo in app interface
app_response = chat.send_message([
    brand_logo,
    """Show this exact ribbon logo in a complete mobile app home screen. Top status bar with time and battery. Logo in header next to app name. Content cards below showing features. Bottom tab navigation with icons and labels. Modern mobile app UI. Gradient purple background. Professional startup app design. Full mobile interface layout."""
])

# Save
for part in app_response.parts:
    if image := part.as_image():
        image.save("ribbon_app.png")Propulsé par

Puis affichez le même ruban sur des produits physiques :

# Show logo on merchandise
merch_response = chat.send_message([
    brand_logo,
    """Show this exact ribbon logo on brand merchandise collection. Flat lay showing: white tote bag with logo, coffee mug with logo, t-shirt with logo printed on chest, product packaging box with logo. All items arranged together. Premium brand identity mockup. Minimalist aesthetic. Professional product photography. Same ribbon on each item."""
])

# Save
for part in merch_response.parts:
    if image := part.as_image():
        image.save("ribbon_merchandise.png")Propulsé par

Passons maintenant à la fonctionnalité qui change la donne dans Nano Banana Pro : l’ancrage factuel via Google Search.

Des connaissances ancrées dans le réel

Quand vous activez l’ancrage Search, le modèle accède à des informations à jour pour garantir l’exactitude dans les supports pédagogiques, la documentation technique et les contenus basés sur les données où la précision est critique.

Activez Google Search pour un contenu éducatif :

# Generate solar energy infographic with Search grounding
image = generate_image(
    prompt="""Educational infographic explaining solar panel energy conversion. Show photovoltaic cells converting to DC power, then inverter converting to AC power for the grid. Clear labels and arrows.""",
    filename="solar_infographic",
    use_google_search=True  # Enable Search for factual accuracy
)Propulsé par

Le même ancrage s’applique aux schémas techniques :

# Generate neural network diagram with Search grounding
image = generate_image(
    prompt="""Neural network architecture diagram. Left: 4 input nodes labeled "Input 1" "Input 2" "Input 3" "Input 4". Middle: two hidden layers each with 5 nodes labeled "Hidden Layer 1" and "Hidden Layer 2". Right: 3 output nodes labeled "Output 1" "Output 2" "Output 3". Connection lines between all layers. Clean technical illustration. Educational ML diagram. Professional data science aesthetic.""",
    filename="ml_architecture",
    use_google_search=True  # Enable Search for accuracy
)Propulsé par

Les créateurs de contenus pédagogiques produisent des supports exacts, les rédacteurs techniques visualisent correctement des systèmes complexes, les équipes data représentent des statistiques réelles et les vulgarisateurs créent des schémas fiables sans vérifications interminables.

Ces quatre atouts font de Nano Banana Pro un outil polyvalent pour les flux de production professionnels. Comparons-le maintenant au Nano Banana d’origine pour mesurer les progrès.