IA Créative • 7 juillet 2026

---

---

Nano Banana 2 Lite accélère la génération d’images pour les pipelines créatifs

Google DeepMind a lancé Nano Banana 2 Lite le 30 juin 2026 comme modèle Gemini Image optimisé pour la vitesse, le coût et les volumes élevés.

Le modèle produit une image texte-vers-image en 4 secondes et coûte 0,034 dollar par image 1K selon Google. Il est disponible dans Google AI Studio, l’API Gemini, Gemini Enterprise Agent Platform, Search, Gemini, NotebookLM, Google Photos, Stitch, Flow et Google Ads. Pour les équipes créatives, le signal est simple : l’image générative devient une brique d’interface, pas seulement un outil de rendu final. Source : Google Blog

ElevenLabs transforme la localisation publicitaire en boucle de production

ElevenLabs a présenté le 2 juillet 2026 Ads Engine, un workflow qui localise textes, images et vidéos publicitaires depuis les comptes média existants.

L’entreprise indique que son équipe de quatre personnes a déployé des campagnes en sept langues, générant 3,78 millions de dollars de valeur de conversion incrémentale et une hausse de 17,6 % des conversions. L’enjeu n’est pas la traduction seule. C’est la réduction du délai entre un créatif performant et ses variantes locales prêtes à diffuser. Source : ElevenLabs

NodeTool lie les workflows génératifs à une timeline vidéo

NodeTool décrit son espace créatif open source comme un environnement où une timeline vidéo peut être reliée directement à des pipelines texte-vers-image, image-vers-vidéo ou texte-vers-voix.

Le point intéressant est la logique de production : un clip peut être attaché à un workflow, signaler qu’il est obsolète quand un paramètre change, puis être régénéré dans le montage avant export MP4. Ce type d’outil rejoint les usages enseignés sur CreativeAI.fr : passer du prompt isolé à un système créatif reproductible. Source : GitHub NodeTool

TECCI mesure les limites réelles de la retouche d’image par prompt

Des chercheurs ont publié TECCI, un benchmark qui teste la retouche d’image guidée par texte sur des demandes difficiles de position, mouvement, point de vue, échelle et créativité.

Le jeu contient 7 550 paires image-instruction et 530 consignes écrites manuellement. Sur cinq modèles évalués, aucun ne dépasse 22 % de réussite globale. La définition utile : un benchmark de retouche mesure si le modèle suit l’instruction tout en modifiant le moins possible l’image source. Pour les directeurs artistiques, c’est un rappel : les retouches complexes doivent encore être vérifiées visuellement. Source : arXiv

Goku étend l’édition vidéo IA aux manipulations structurelles

Des chercheurs ont publié Goku, un dataset et benchmark pour l’édition vidéo par instruction, soumis sur arXiv le 29 juin 2026.

Goku rassemble 2 millions de paires vidéo-instruction et dépasse les simples retouches d’apparence pour couvrir des manipulations structurelles, comme le contrôle précis du mouvement d’un sujet. Le benchmark Goku-Bench ajoute 1 000 cas vérifiés par des humains et sept métriques dédiées à l’édition vidéo. C’est un signal important pour les studios : l’évaluation quitte le rendu joli pour mesurer la capacité à modifier une scène sans la casser. Source : arXiv