Un bon angle produit
Une seule photo à plat, bien éclairée, vaut mieux que cinq clichés pris à la volée. Reflets, flou de bougé et main qui masque la moitié de l'étiquette sont reconstruits en pure invention.
Cas d'usage · Vidéo UGC par IA
Des pubs UGC par IA à partir de deux photos
Une pub UGC, c'est quelqu'un qui parle à la caméra de son téléphone avec votre produit en main. Ici, elle n'est pas tournée mais générée : vous apportez une photo du produit et une photo de la personne, le modèle construit la première image puis l'anime, avec la voix et le son de la pièce dans la même passe. Un clip coûte $0.30–$1.00 sur Gemini Omni Flash et jusqu'à $3.00 sur Veo 3.1 avec le son, la première image coûte $0.11, et rien de tout cela n'est un abonnement.
01Ce que c'est
Qu'est-ce qu'une vidéo UGC par IA ?
Une vidéo UGC générée par IA, c'est une pub courte au format contenu utilisateur — une personne qui parle à la caméra de son téléphone, un produit à la main, dans une cuisine ou un salon plutôt qu'en studio — produite par un modèle vidéo au lieu d'être tournée avec un créateur. La production tient en trois appels : des photos de référence du produit et de la personne, une image fixe qui verrouille qui est à l'écran et ce qu'il tient, puis un modèle vidéo qui anime cette image avec une voix synchronisée. Deux modèles s'en chargent ici. Gemini Omni Flash est le moins cher et le plus récent : la fiche modèle de Google place la simulation de physique réelle parmi ses capacités et le mouvement complexe parmi ses faiblesses restantes, ce qui colle à ce que j'observe — la manipulation ordinaire passe le plus souvent, la manipulation élaborée, c'est pile ou face. On sort Veo 3.1 quand le plan dépend du comportement d'un objet. Un clip, c'est $0.30–$1.00 sur Omni Flash, $1.00 sur Veo 3.1 Fast et $3.00 sur le Veo 3.1 complet pour huit secondes avec le son, jusqu'à $4.40 en 4K. Et le rendu prend deux minutes au lieu des deux à quatre semaines qu'avale d'ordinaire un brief créateur.
Combien coûte réellement un clip ?
La facture du clip ci-dessus, sans arrondi : $0.11 pour la référence produit, $0.11 pour la personne, $0.11 pour la première image qui les réunit, $0.80 pour huit secondes d'Omni Flash — $1.13 au total. La version verticale de six secondes plus bas a coûté $0.60. Réenregistrer la voix séparément revient à $0.01 les 200 caractères de script, à peu près un centime la phrase. Les nouveaux comptes reçoivent $0.20 gratuits, de quoi payer une photo de référence et une première image : assez pour voir si le personnage tient avant de payer de la vidéo.
C'est le prix de la première prise, et la première prise n'est pas un plan de production. Certains clips sortent du premier coup ; beaucoup en demandent deux ou trois, parce qu'une réplique tombe à plat, qu'une main fait un truc bizarre ou que le modèle refuse la tenue. Et puis il y a ce que personne ne met dans le prix : une pub, c'est rarement un seul clip. Un spot de 20 à 30 secondes, c'est en général trois ou quatre prises montées bout à bout — accroche, produit en main, gros plan, chute — donc la facture réaliste d'une pub finie se compte en quelques dollars, pas en quelques centimes, et elle grimpe vite si les plans avec mouvement passent par le Veo 3.1 complet à $3.00 pièce. Le montage, lui, ne coûte rien : ffmpeg coupe, colle et pose l'audio sur la vidéo en ligne de commande, sans logiciel de montage.
02Le déroulé
Deux photos en entrée, une pub en sortie
Apportez de vraies références
Une photo produit propre et une photo de la personne. Tout ce qui entre flou, recadré ou mal éclairé ressort multiplié dans la vidéo.
Composez la première image
Générez une image fixe contenant les deux références — la personne avec le produit, cadrée comme la pub doit s'ouvrir. $0.11 avec Nano Banana Pro, et vous pouvez recommencer jusqu'à ce que ce soit juste.
Animez cette image
Envoyez l'image fixe comme première frame et décrivez le mouvement et la réplique. Omni Flash facture $0.10 la seconde de 720p avec le son ; Veo 3.1 coûte plus cher et c'est celui à essayer quand une seule prise doit tenir plusieurs actions à la suite.
03Références
Tout ce qui suit vaut exactement ce que vous donnez
C'est l'étape que tout le monde saute, et c'est elle qui décide du résultat. Un modèle à qui l'on donne une photo floue de flacon prise de trois quarts n'échoue pas bruyamment : il invente en silence la face qu'il ne voit pas, et cette face inventée reste huit secondes à l'écran. Donnez-lui une photo à plat, éclairée uniformément, étiquette face caméra, et le même flacon survit à la première image, à la vidéo et au montage qui suit.
La personne, c'est pareil. La documentation Veo de Google est nette : choisissez des images nettes et bien éclairées qui montrent le sujet sous l'angle voulu, et gardez le même vocabulaire d'optique et de lumière d'un plan à l'autre. Ma règle après quelques dizaines de ces clips : si le portrait de référence et la scène prévue ne sont pas d'accord sur la provenance de la lumière, le visage dérive vers un entre-deux et cesse d'être la même personne.
Même personne, même look
Gardez la même coiffure, la même tenue et le même maquillage sur toutes les références. Des looks mélangés se moyennent en un visage qui ne ressemble à aucun.
Accordez la lumière
Un portrait au flash posé dans une cuisine en lumière douce se lit comme un photomontage. Choisissez dans la référence la lumière que la pub aura réellement.
Attention aux petits caractères
Nano Banana Pro tient les textes courts d'étiquette ; une liste d'ingrédients dense se transforme en texture. Si la typo compte, prévoyez un gros plan avec le vrai packaging.
Le cadrage vient après
Les références n'ont pas à être composées comme une pub. La composition, c'est le travail de la première image — c'est là qu'on discute avec le modèle.
Pas de vignette recadrée
Un recadrage de 300 pixels piqué sur une fiche marketplace ne laisse presque rien au modèle. Des originaux en pleine résolution, à chaque fois.
04Première image
Pourquoi la première image bat les références seules
Les deux voies fonctionnent : vous pouvez donner vos photos de référence au modèle vidéo et le laisser composer la scène, ou générer d'abord une image fixe et animer celle-ci. En pratique la seconde est meilleure, et la raison est terre à terre — un modèle à qui l'on demande d'inventer la composition la réinvente à chaque frame, alors qu'un modèle qui reçoit une image n'a plus qu'à la prolonger. Sur Gemini Omni Flash l'écart est assez net pour que j'aie arrêté d'utiliser les références seules sur les plans produit.
Deux clips ci-dessous : même prompt, mêmes références, six secondes chacun, $0.60 pièce. La seule différence, c'est qu'une image validée est entrée ou non. Rien d'autre n'a changé et aucun des deux n'a été relancé.
Références seules
Depuis une première image validée
La version honnête : la voie « références seules » n'est pas cassée — le visage tient très bien, et pour une scène sans produit en main elle suffit souvent. La lumière y est même plus jolie : plus douce sur le visage, moins contrastée côté fenêtre, parce que le modèle composait la pièce qui lui plaisait au lieu de prolonger la nôtre. Une réserve qui change la lecture : notre créatrice est générée, ce n'est pas la photo d'une personne réelle, le modèle avait donc de la marge pour la rééclairer. Un vrai portrait fige la lumière et la peau bien plus fermement, et la voie « références seules » a alors moins de liberté pour flatter le résultat. Ce que vous achetez ici, c'est du contrôle, pas de la qualité. Sur Veo 3.1, le choix est fait pour vous : l'API de Google accepte soit une première image, soit jusqu'à trois images de référence, jamais les deux dans la même requête, et les références imposent la durée de huit secondes.
05Choix du modèle
Accordez le plan au modèle
Omni Flash est très bon exactement dans le format où vit l'UGC : une personne qui parle à l'objectif. Interviews, formats podcast, un fondateur qui explique son produit, quelqu'un qui tient un pot et le décrit. Il rend la bouche, le micro-mouvement et le son de la pièce en une passe, et c'est la façon la moins chère d'obtenir une voix synchronisée d'un modèle vidéo. C'est aussi le plus récent des deux, et Google le vend justement sur la physique : l'annonce parle d'une compréhension intuitive de la gravité, de l'énergie cinétique et de la dynamique des fluides, et la fiche modèle liste la simulation de physique réelle parmi les capacités tout en nommant le mouvement complexe comme faiblesse connue. Les deux moitiés se vérifient. Les objets tombent, les liquides coulent, le poids se lit correctement — jusqu'au moment où le plan exige une chaîne d'actions précises avec un objet.
La ligne de partage n'est donc pas « visage qui parle contre mouvement », mais la quantité de chorégraphie qu'une seule prise doit tenir. Le test ci-dessous se situe à l'extrémité dure de cette échelle, ce n'est pas un verdict sur l'un ou l'autre modèle : même première image, même prompt, un clip par modèle — déboucher le flacon, presser la pipette, deux gouttes dans la paume ouverte, le tout en huit secondes.
Gemini Omni Flash · 8 s · $0.80
Veo 3.1 Fast · 8 s avec son · $1.00
Parler face caméra → Omni Flash
Mouvement des lèvres, ambiance et voix arrivent ensemble, $0.10 la seconde. Pour un avis, un témoignage ou un échange à deux, le choix est évident.
Longues chaînes d'actions → essayez aussi Veo
Un mouvement, Omni le gère ; quatre à la suite, c'est là que les prises commencent à perdre des actions. Notre comparaison utilisait Veo 3.1 Fast à $1.00 les huit secondes avec le son, le Veo 3.1 complet est à $3.00 — générez sur les deux et gardez celle qui marche.
La tenue change le verdict
Le filtre de sécurité d'Omni est nettement plus strict sur les vêtements : une créatrice fitness en brassière de sport y est refusée bien plus souvent que sur Veo 3.1, à prompt et référence identiques. Planifiez la garde-robe ou planifiez le modèle.
Durée et résolution
Omni Flash, c'est du 720p et 3 à 10 secondes, exactement celles que vous payez. Veo 3.1 fait 4, 6 ou 8 secondes jusqu'en 4K, et ses clips peuvent être prolongés au-delà du premier montage.
Le son : toujours ou en option
Chaque clip Omni a du son, que vous l'ayez demandé ou non. Sur Veo le son est une case à cocher, et les rendus muets coûtent moins cher — ce qui compte quand la voix viendra d'ailleurs de toute façon.
Un refus ne coûte rien
Une génération bloquée est remboursée automatiquement, sur les deux modèles. Ce qui coûte cher dans un refus, ce sont les quatre minutes, pas le dollar.
06Voix et montage
Quand la voix demande une deuxième prise
Omni Flash écrit la parole dans la même passe que l'image, et pour de l'anglais conversationnel ça passe généralement. Il bute sur les noms : marques inventées, mots étrangers, références produit, tout ce qu'il faudrait expliquer à un natif. Mais la grande version du problème, ce sont les langues autres que l'anglais, et tous les modèles vidéo l'ont : les testeurs russophones de Seedance 2.5 décrivent une réplique qui commence correctement et se défait en route — voyelles atones mal réduites, accent tonique sur la mauvaise syllabe, et au bout d'une scène de quinze secondes un accent plus proche d'un hybride slave que du russe, le russe, l'ukrainien et le biélorusse étant assez proches pour que le modèle les mélange. Certains mots sortent nets, le suivant trahit toute la prise. Si votre script n'est pas en anglais, écoutez-le en entier avant de le valider.
Le remède : cesser de demander la voix au modèle vidéo et la générer à part. Gemini 3.1 Flash TTS (gemini-3.1-flash-tts-preview) tourne sur le même solde via notre serveur MCP : $0.01 les 200 caractères de script, 30 voix, un locuteur ou un dialogue à deux, WAV 24 kHz en sortie. La direction s'écrit en langage courant — persona, débit, accent, et l'orthographe phonétique de tout mot qui doit être dit correctement. Ensuite vous posez la piste sur le clip dans n'importe quel logiciel de montage. Gardez la réplique réécrite à peu près aussi longue que la prise d'origine et la bouche reste à peu près d'accord ; là où elle ne l'est plus, coupez sur le produit.
Voix générée · $0.01
Assembler la pub ne demande pas non plus de logiciel de montage. ffmpeg colle les prises bout à bout, coupe la demi-seconde où une main fait n'importe quoi, remplace l'audio généré par votre piste TTS, ajoute un fondu enchaîné et exporte la version 9:16 — le tout en une ligne de commande, gratuitement, sur n'importe quelle machine. Sa syntaxe est réputée ingrate, et c'est précisément pour ça qu'elle se marie bien avec un modèle : décrivez le montage voulu à Claude ou à n'importe quel LLM, récupérez la commande, lancez-la. Pour un spot UGC de trois clips, c'est toute la postproduction — et la raison pour laquelle les chiffres de cette page restent le coût de génération, sans abonnement ajouté par-dessus.
07Tarifs
Ce que coûte ici une pub UGC par IA
| Modèle | Prix | Unité | Son |
|---|---|---|---|
| Nano Banana Proréférences et première image | $0.11 | image 1K–2K | — |
| Nano Banana 2brouillons et variantes | $0.03–$0.13 | image 512px–4K | — |
| Gemini Omni Flash$0.10 la seconde | $0.30–$1.00 | 3–10 s, 720p | toujours actif |
| Veo 3.1 Fastavec son | $0.50–$1.00 | 4–8 s, 720p/1080p | en option |
| Veo 3.1 Litela vidéo la moins chère | $0.10–$0.36 | 4–8 s, 720p | en option |
| Gemini 3.1 Flash TTSMCP uniquement | $0.01 | les 200 caractères | voix seule |
Les prix Veo valent pour le 720p et le 1080p ; la 4K coûte plus cher. Omni Flash facture $0.10 pour chaque seconde produite : la durée du clip, c'est le prix. Tableaux complets sur la page tarifs.
Les recharges se font en crypto, à partir de $1. Un dépôt de $50 ou plus ajoute 5%, de $100 ou plus 10%, et un code promo actif ajoute encore 10% du même dépôt : $100 avec un code arrivent à $120 sur le solde. À $1.13 le clip de huit secondes, cela fait une centaine de prises — disons vingt-cinq à trente pubs finies une fois comptés les reprises et les montages de plusieurs clips.
Tous les modèles et toutes les résolutions figurent sur la page tarifs complète, et la page Gemini Omni Flash détaille ce que ce modèle sait faire ou non.
08Pour aller plus loin
Guides du blog
AI Image to Video : transformez vos photos en vidéos
Comment marche l'animation depuis la première image, quoi écrire dans le prompt de mouvement, et où ça casse.
Lire le guidePhotographie de produit Nano Banana Pro : le studio à $0.11
Comment un produit survit de la photo de référence à l'image finale, avec de vrais prompts.
Lire le guideAvis sur l'API Gemini Omni Flash : ce que propose réellement la préversion
En pratique avec l'API en préversion : ce qu'elle accepte, ce qu'elle refuse, ce que coûte vraiment un clip.
Lire le guide09FAQ
Les questions qu'on pose vraiment
Faut-il une vraie personne pour faire une vidéo UGC par IA ?
Non. Le créateur peut aussi être généré : toutes les personnes visibles sur cette page sont sorties d'un prompt et n'ont jamais existé. Si vous utilisez le visage d'une personne réelle, il vous faut son autorisation : le droit à l'image s'applique à la vidéo générée comme à un tournage, et les politiques des plateformes sur les doubles synthétiques sont plus strictes qu'on ne le croit.
Le même visage reviendra-t-il pour la pub suivante ?
Oui, tant que vous conservez les mêmes photos de référence et réutilisez la même première image. Régénérer l'image à partir des mêmes références s'en approche sans être identique au pixel près : le réflexe le plus sûr est de garder chaque première image validée et de la réanimer plutôt que de la refabriquer.
Faut-il signaler qu'une pub est générée par IA ?
Sur TikTok, oui : sa politique publicitaire sur les médias modifiés et les contenus générés par IA impose soit le label AIGC depuis Ads Manager, soit votre propre mention visible sur la création. Meta applique automatiquement son label IA aux publicités qu'elle détecte comme générées. Les deux politiques ont changé au cours de 2026 : vérifiez la version en vigueur avant une grosse diffusion plutôt que de croire un article de blog, celui-ci compris.
Quel modèle choisir pour une pub UGC face caméra ?
Commencez par Gemini Omni Flash, à $0.10 la seconde, son compris : pour une personne qui parle à la caméra, c'est à la fois le moins cher et le moins capricieux, et c'est le modèle le plus récent, dont Google met explicitement la physique en avant. Ne lisez pas ça comme « Omni ne sait pas faire de mouvement » : il verse, il fait tomber, il rend le poids. Ce qu'il perd, ce sont les longues chaînes de manipulation précise en une seule prise — sur notre test de la pipette, à quatre actions, il a perdu le flacon là où Veo 3.1 Fast l'a gardé. Donc pour une accroche ou un témoignage, Omni. Pour un plan bâti sur la chorégraphie, générez sur les deux et gardez la prise qui marche ; la ratée coûte des centimes.
Puis-je utiliser des images que j'ai filmées ?
Oui, jusqu'à 10 secondes. Téléversez votre clip et Omni Flash l'éditera en vidéo-à-vidéo — changer la lumière, le décor, ce que la personne tient — en gardant la prise. Les sources plus longues sont coupées à la limite du modèle avant la génération.
Que se passe-t-il si une génération est refusée ?
Le solde est remboursé automatiquement, sur Omni Flash comme sur Veo. Les refus se concentrent sur les vêtements, les mineurs et les personnes réelles reconnaissables ; la règle de garde-robe de la section sur le choix du modèle est celle qui épargne le plus de reprises.
Puis-je piloter tout ça depuis Claude, Cursor ou mon propre script ?
Oui — les mêmes modèles sont exposés par notre serveur MCP, y compris le modèle de voix, qui n'a aucune interface web. Les images de référence et les premières frames se passent en job ID, en URL publiques ou en base64 inline : un lot entier d'UGC peut donc être scripté depuis un agent.
Combien coûte une pub entière de 30 secondes, et pas un seul clip ?
Comptez les prises, pas les clips. Un spot de 20 à 30 secondes, c'est normalement trois ou quatre clips montés ensemble, et chacun demande deux ou trois tentatives avant d'être utilisable : une réplique plate, une main bizarre, un refus. À $0.80 les huit secondes d'Omni Flash, une pub finie reste à quelques dollars ; tourner les plans les plus mouvementés sur le Veo 3.1 complet à $3.00 pièce fait passer la note aux dizaines. Le montage n'ajoute rien : ffmpeg colle les prises, les rogne et pose la voix off par-dessus en ligne de commande, et un LLM peut écrire ces commandes pour vous.
Deux photos et deux ou trois dollars
Inscription gratuite avec $0.20 sur le solde, recharge en crypto dès $1. Première image en une minute environ, premier clip en cinq.