Imagen est une série de modèles de génération de texte en image lancée par Google DeepMind (anciennement Google Research Brain Team), connu pour sa haute fidélité, sa compréhension approfondie du langage et son architecture de diffusion en cascade. Le dernier Imagen 4 offre trois niveaux de Rapide/Standard/Ultra, prenant en charge la résolution 2K, le rendu de texte amélioré et le filigrane numérique SynthID. Cette série sera officiellement arrêtée le **17 août 2026** et il est officiellement recommandé de migrer vers la série Gemini Nano Banana.

Image

Paramètres et statistiques de base d'Imagen

Imagen est une série de modèles de génération de texte en image (Type B - grand modèle/infrastructure API de base) lancée par Google DeepMind (anciennement Google Research Brain Team), célèbre pour sa haute fidélité, sa compréhension approfondie du langage et son architecture de diffusion en cascade. La dernière version actuelle, Imagen 4, propose des modèles à trois niveaux : Fast, Standard et Ultra, qui peuvent être appelés via l'API Gemini et Google Cloud Vertex AI.

Projets	Informations publiques
Positionnement officiel	Modèle de génération de texte en image
Route technologique de base	Modèle de diffusion en cascade + encodeur de texte T5-XXL
Série de modèles	Imagen (première génération), Imagen 2, Imagen 3, Imagen 4
Image 4 code modèle	imagen-4.0-generate-001 (Standard), imagen-4.0-ultra-generate-001 (Ultra), imagen-4.0-fast-generate-001 (Rapide)
Résolution de sortie	Jusqu'à 2K (2048×2048), prenant en charge 5 formats d'image (1:1, 3:4, 4:3, 9:16, 16:9)
Longueur maximale du mot d'invite	480 jetons
Nombre d'images générées dans chaque lot	1 à 4 images
Mécanisme de filigrane	Filigrane numérique invisible SynthID (activé par défaut)
Plateforme de déploiement	API Gemini, Google AI Studio, Google Cloud Vertex AI, application Gemini Fouet
Accueil	États-Unis
Modèle économique	Les résultats de la recherche sont publics ; Les API sont facturées par image via l'API Gemini et Vertex AI
Statut actuel	Obsolète, arrêté le 17 août 2026, il est recommandé de migrer vers la série Gemini Nano Banana

Brève revue en une phrase : Imagen n'est pas un produit de consommation terminal, mais la plate-forme de vérification d'itinéraire technologique de base et de sortie de capacités de Google dans le domaine des graphiques vincentiens - ses idées architecturales (utilisation de modèles de langage à grande échelle pour l'encodage de texte + diffusion en cascade pour améliorer la résolution) ont profondément affecté la direction de l'évolution des modèles de génération d'images de la série Gemini ultérieure.

Déclaration importante : les modèles Imagen (y compris toute la série Imagen 4) ont été officiellement marqués comme obsolètes par Google et seront officiellement arrêtés le 17 août 2026. Les utilisateurs qui utilisent encore l'API Imagen doivent migrer vers la série Gemini Nano Banana (gemini-2.5-flash-image et versions ultérieures) dès que possible. Toutes les informations sur les fonctionnalités, les tarifs et l'accès ci-dessous sont basées sur l'état en vigueur avant l'arrêt.

Utilisateurs d'Imagen et reconnaissance du marché

La reconnaissance d'Imagen sur le marché vient principalement de l'influence académique et de son intégration dans l'écosystème de Google, plutôt que des données publiques sur le volume des utilisateurs finaux ou les revenus (ces dernières ne sont pas publiques).

Influence académique : l'article original d'Imagen (Saharia et al., CVPR 2022) a actualisé le meilleur niveau dans le domaine des graphiques vincentiens avec un score de COCO FID 7,27 lors de sa publication, et le modèle n'a pas été formé sur l'ensemble de formation COCO. Par rapport à DALL-E 2 (10.39), GLIDE (12.24) et à d'autres solutions de l'époque, il a été considérablement amélioré. L'article propose également DrawBench, un ensemble de références complètes pour évaluer systématiquement les modèles de graphiques Vincent (couvrant la composition, les relations quantitatives, les relations spatiales, les textes longs, les mots rares et les invites difficiles), qui est toujours cité dans des recherches ultérieures.

Adoption par les développeurs : Imagen 3/Imagen 4 est ouvert aux développeurs via l'API Gemini et Vertex AI, avec une tarification transparente et une facturation à l'utilisation, ce qui présente des avantages naturels dans les scénarios au niveau de l'entreprise qui nécessitent une certification de conformité Google Cloud (comme SOC2, HIPAA). Des développeurs externes tels que Cartwheel (animation de personnages 3D) et Viggle (création de vidéos IA) ont également divulgué des cas d'intégration basés sur Imagen.

Conditions préalables à la mise en œuvre : la valeur d'Imagen dépend fortement de l'écosystème Google Cloud : si l'équipe fonctionne déjà sur Google Cloud, l'intégration de l'API Imagen ne nécessite qu'une autorisation d'appel de modèle supplémentaire ; au contraire, les évaluateurs de produits purement compétitifs doivent prendre en compte les coûts de la migration des données entre cloud et des audits de conformité.

L'avantage de coût d'Imagen

L'avantage en termes de coût d'Imagen ne se reflète pas dans son prix absolument bas, mais dans son lien profond avec l'écosystème Google Cloud : pour les équipes qui disposent déjà d'abonnements Google Cloud, le coût marginal d'accès à Imagen est inférieur à celui de l'achat indépendant d'une API tierce.

Côté/Personnel : vous pouvez découvrir gratuitement les capacités de génération d'images d'Imagen 4 via Google AI Studio, avec des restrictions de quota d'utilisation (sous réserve de la page en temps réel de Google AI Studio). L'application Gemini et Whisk (Labs.Google) intègrent également les capacités de génération d'images d'Imagen, qui sont gratuites et ouvertes aux utilisateurs individuels, mais limitées par le quota gratuit de Gemini.

API / Développeur : Imagen 4 propose trois niveaux de tarification via l'API Gemini et est facturé en fonction du nombre d'images générées :

Variantes de modèles	Prix ​​par image	Scénarios applicables
Image 4 Rapide	0,02 $	Itération de prototypes et tests par lots à haut débit et à faible latence
Image 4 Standard	0,04 $	Production de contenu quotidienne, équilibre entre qualité et coût
Image 4 Ultra	0,06 $	Scénarios de livraison avec les exigences de qualité d'image les plus élevées

On estime que le modèle Standard génère 10 000 images par mois et que les frais mensuels sont d'environ 400 $, ce qui est inférieur au prix de certaines API concurrentes à la même résolution. Mais veuillez noter : l'API Imagen ne prend en charge que l'invite en anglais, avec un maximum de 480 jetons. Les scénarios dans une langue autre que l'anglais nécessitent des frais de traduction supplémentaires.

Entreprise/Privé : Imagen ne prend pas en charge le déploiement privé ni l'utilisation hors ligne, et les entreprises ne peuvent l'obtenir que via Google Cloud Vertex AI ou Gemini Enterprise Agent Platform. Les contrats d'entreprise incluent généralement un contrôle de fréquence plus élevé, des chaînes exclusives et des remises professionnelles. Veuillez contacter le service commercial Google Cloud pour obtenir une confirmation de tarification spécifique. Les éditions Vertex AI peuvent entraîner des frais d'infrastructure cloud supplémentaires (par exemple, stockage, sortie réseau).

Coûts cachés : ① Imagen sera bientôt fermé et ne sera plus disponible après le 17 août 2026. Les services intégrés seront confrontés à des coûts de migration et de transformation ; ② La structure tarifaire liée à Google Cloud signifie que l'ensemble du pipeline de génération d'images doit être remplacé lors de la migration cross-cloud, et pas seulement le point de terminaison de l'API ; ③ Chaque image de sortie porte par défaut un filigrane SynthID, ce qui impose des restrictions sur les scénarios d'utilisation commerciale nécessitant une sortie sans filigrane.

Principales fonctions d'Imagen

• Génération de texte en image : générez des images de haute qualité à partir de descriptions en langage naturel. Imagen 4 est remarquable dans des styles tels que la photographie réaliste, les illustrations artistiques et les natures mortes de produits, et prend en charge le contrôle du style de sortie grâce à des termes photographiques raffinés (ouverture, objectif, type de film). Tâches applicables : Créativité publicitaire, visuels pour les réseaux sociaux, conception de concepts.
• Rendu de texte dans l'image : Imagen 4 peut intégrer du texte anglais (tel que le texte du logo du slogan de l'affiche) dans l'image générée. Il est recommandé que la longueur du texte ne dépasse pas 25 caractères et jusqu'à 3 phrases. Tâches applicables : conception d'affiches, rendu d'emballages, production d'infographies.
• Sortie multi-format : prend en charge cinq formats d'image de 1:1, 3:4, 4:3, 9:16 et 16:9, couvrant les formats grand public tels que les médias sociaux (1:1, 4:5), le cinéma et la télévision sur écran horizontal (16:9, 4:3) et les courtes vidéos verticales (9:16). Tâches applicables : distribution de contenu multiplateforme, génération par lots de créations publicitaires.
• Modèle paramétré d'invite : prend en charge la création de flux de travail de génération d'images réutilisables via des modèles paramétrés, tels que "Un logo {style} pour une entreprise {industrie} sur un fond de couleur unie. Incluez le texte {company_name}.`, qui encapsule les fonctionnalités du modèle dans des outils pouvant être utilisés seuls par l'entreprise. Tâches applicables : production de matériel visuel standardisé, gestion des actifs de marque.
• Filigrane numérique SynthID : toutes les images générées sont intégrées par défaut avec un filigrane numérique invisible, et il peut être vérifié si l'image a été générée par Imagen via l'outil SynthID de Google. Tâches applicables : L'IA de traçabilité du contenu génère la conformité de l'identification du contenu.

Point de vue d'expert : La conception fonctionnelle d'Imagen 4 est centrée sur le "flux de travail des créateurs visuels professionnels" plutôt que sur le "divertissement populaire" - la combinaison des trois lignes de capacités de rapport multi-aspect + rendu de texte + modèles paramétriques peut prendre en charge une ligne de production visuelle semi-automatisée de "définition de modèle → saisie de paramètres → rendu par lots → sortie multiplateforme", ce qui est particulièrement utile pour les scénarios de contenu à haute fréquence tels que les promotions de commerce électronique et les opérations matricielles sur les réseaux sociaux. Mais le calendrier d’arrêt signifie qu’il reste moins d’un mois à la ligne.

Evolution du modèle et de la version d'Imagen

Imagen a connu quatre itérations majeures depuis ses débuts en tant que document de recherche en 2022 jusqu'à Imagen 4 en 2025/2026. L'axe principal de l'évolution est "vérification de la recherche → production → superposition de performances → remplacé par des capacités natives Gemini".

Version principale

• Imagen (mai 2022) : La version recherche de première génération, publiée au format papier CVPR 2022. La principale conclusion est que « la mise à l’échelle du modèle linguistique améliore davantage la qualité de l’image et l’alignement du texte que la mise à l’échelle du modèle de diffusion ». SOTA actualisé avec COCO FID 7.27 (non formé sur COCO) et publication du benchmark d'évaluation complet DrawBench. Google n'a pas ouvert de démo publique ni d'API à cette époque et n'a fourni que Paper Gallery et DrawBench.
• Imagen 2 (~ mai 2024) : deuxième génération, offrant pour la première fois un accès API aux développeurs via Google Cloud Vertex AI. Plus de prise en charge des styles artistiques, des capacités d'édition post-génération et des paramètres de contrôle de génération de portraits (« personGeneration ») ont été ajoutés, mais Google n'a pas divulgué la date de sortie exacte.
• Imagen 3 (environ décembre 2024) : la troisième génération, la qualité de l'image, l'alignement du texte et la vitesse d'inférence sont considérablement améliorées, fournies via l'API Gemini et les doubles canaux Vertex AI. Introduction d'un contrôle de style plus sophistiqué, atteignant le niveau alors leader en matière de photographie réaliste et de compréhension rapide complexe. Il n’y a pas encore de date de sortie officielle précise.
• Imagen 4 (vers juin 2025) : La dernière version actuellement, code de modèle imagen-4.0-generate-001 (Standard) / imagen-4.0-ultra-generate-001 (Ultra) / imagen-4.0-fast-generate-001 (Rapide). Améliorations clés : niveaux de performances à trois niveaux (Rapide/Standard/Ultra), sortie en résolution 2K, capacités de rendu de texte améliorées, prise en charge de 5 formats d'image. Le mode rapide serait 10 fois plus rapide que la génération précédente. Dernière mise à jour en juin 2025. Cette version a été marquée comme obsolète et sera arrêtée le 17 août 2026.

Relation de substitution de version

Version	Durée approximative	Changements clés	Statut actuel
Image (première génération)	2022-05	Papier CVPR, T5-XXL + diffusion en cascade, COCO FID 7.27	Recherche publique, l'API n'est plus disponible
Image 2	~2024-05	Première API, prise en charge de l'expansion et de l'édition du style	Obsolète
Image 3	~2024-12	Améliorations complètes de la qualité et de la vitesse, API double canal	Obsolète
Image 4	~2025-06	Sortie 2K en couches à trois niveaux, amélioration du rendu du texte	Obsolète, arrêté le 17/08/2026

Les avantages techniques d'Imagen

L'itinéraire technique principal d'Imagen est une combinaison de « modèle de langage pré-entraîné à grande échelle + modèle de diffusion en cascade », qui se différencie des autres modèles de graphes vincentiens (diffusion potentielle de l'espace latent CLIP de DALL-E avant diffusion stable).

Mécanisme → Effet → Scénarios applicables :

1. Encodeur de texte T5-XXL : Imagen utilise T5-XXL gelé (paramètres ~ 11B) comme encodeur de texte au lieu de CLIP ou BERT. Les expériences d'ablation de Google montrent qu'augmenter la taille du modèle de langage améliore bien plus la qualité de l'image et l'alignement du texte que l'augmentation de la taille du modèle de diffusion d'image. Cette découverte a directement affecté la conception architecturale des modèles multimodaux ultérieurs de la série Gemini. Effet : compréhension plus précise des invites abstraites complexes (telles que la combinaison de plusieurs objets, les relations spatiales, les descriptions d'effets spéciaux). Scénarios applicables : visualisation de textes publicitaires et conception de concepts de produits qui doivent suivre avec précision des descriptions complexes.

2. Architecture de diffusion en cascade : Imagen utilise une cascade à trois niveaux - ① Le modèle de diffusion de base génère une image basse résolution 64×64 à partir de bruit pur ; ② Le modèle de super-résolution conditionnelle du texte augmente de 64 × 64 à 256 × 256 ; ③ Le deuxième modèle super-résolution augmente encore à 1024×1024 (2K pour Imagen 4). Par rapport à la diffusion traditionnelle en une seule étape, l'architecture en cascade répartit la charge de calcul sur plusieurs modèles dédiés, permettant ainsi d'optimiser indépendamment les étapes de super-résolution. Effet : obtenez une sortie haute résolution sans sacrifier la vitesse d’inférence. Scénarios applicables : des ressources visuelles haute résolution au niveau de la publication sont requises (impressions, images publicitaires, pages détaillées des produits).

3. Échantillonnage efficace d'U-Net et de diffusion de seuil : Imagen introduit une nouvelle architecture U-Net efficace, qui est supérieure à l'U-Net standard en termes d'efficacité de calcul et d'utilisation de la mémoire ; il propose également une nouvelle méthode d'échantillonnage par diffusion à seuil qui prend en charge des poids de guidage sans classificateur plus importants, permettant au modèle d'atteindre un meilleur équilibre entre la diversité des images et l'alignement des invites. Effet : la formation converge plus rapidement et la qualité de l'échantillonnage est meilleure. Les scénarios applicables nécessitent des scénarios de création professionnelle qui exigent à la fois qualité et diversité.

Tableau de comparaison des produits concurrents :

Dimensions	Image 4	DALL-E 3	Diffusion stable 3
Encodeur de texte	T5-XXL (~11B paramètres)	CLIP + texte avant	CLIP/T5 amélioré
Parcours architectural	Diffusion en cascade (espace pixel)	Diffusion en cascade (espace latent CLIP)	Diffusion potentielle (MMDiT)
Résolution maximale	2K (image 4)	4K (DALL-E3)	Dépend du modèle communautaire
Source ouverte	Non	Non	Poids partiellement open source
Méthode de déploiement	API Cloud uniquement	API Cloud uniquement (ChatGPT Plus)	Auto-hébergé / Cloud disponible
Mécanisme de filigrane	SynthID (invisible par défaut)	Filigrane visible (métadonnées C2PA)	Aucun filigrane par défaut
État d'arrêt	2026-08-17 Arrêt	Fonctionnement normal	Fonctionnement normal

Comment utiliser Imagen

L'entrée d'utilisation d'Imagen est divisée en quatre niveaux, de l'expérience sans seuil à l'API de niveau production :

Google AI Studio (essai gratuit) : visitez « aistudio.google.com » → Sélectionnez « Générer une image » → Sélectionnez le modèle Imagen 4 → Entrez l'invite en anglais → Générez et téléchargez l'image. Aucune clé API n'est requise pour en faire l'expérience et il existe une limite de quota gratuit.

API Gemini (développeur) : obtenez la clé API Gemini (aistudio.google.com/apikey) et appelez le modèle Imagen 4 via le SDK google-genai. Veuillez noter que la façon dont l'API Imagen est appelée est différente de la génération d'images native de Gemini (Nano Banana) - Imagen utilise la méthode models.generate_images, tandis que Nano Banana utilise client.interactions.create.

# Exemple d'appel Gemini API / Imagen 4 (valable avant l'arrêt)
depuis Google importer Genai
à partir des types d'importation google.genai

client = genai.Client()

réponse = client.models.generate_images(
    modèle='imagen-4.0-generate-001',
    prompt='Une image photoréaliste d'un chat sur une plage au coucher du soleil',
    config=types.GenerateImagesConfig(
        nombre_d'images=4,
        aspect_ratio='16:9',
        personne_génération='allow_adult',
    )
)
pour moi, img dans enumerate(response.generated_images):
    img.image.save(f'output_{i}.png')

Description des paramètres clés : number_of_images (1–4), aspect_ratio (1:1/3:4/4:3/9:16/16:9), person_Generation (dont_allow/allow_adult/allow_all), image_size (uniquement Standard/Ultra prend en charge 1K et 2K). Prompt ne prend en charge que l'anglais, avec un maximum de 480 jetons.

Google Cloud Vertex AI (Enterprise Grade) : activez l'API Vertex AI via la console Google Cloud, à l'aide du SDK « vertexai.preview.vision_models.ImageGenerationModel ». Idéal pour les équipes disposant d'une infrastructure Google Cloud existante, un VPC, des journaux d'audit et des autorisations IAM peuvent être configurés selon les besoins.

Gemini / Whisk (niveau consommateur) : les applications Gemini (gemini.google.com) et Whisk (labs.google/fx/tools/whisk) disposent également de capacités de génération d'images intégrées d'Imagen, qui sont gratuites et ouvertes aux utilisateurs ordinaires, mais ne peuvent pas contrôler avec précision les paramètres et la résolution du modèle.

Chemin de migration : étant donné qu'Imagen est sur le point d'être fermé, Google recommande officiellement de migrer vers la série Nano Banana. Modifications de base de la migration : ① Le nom du modèle passe de imagen-4.0-*-001 à gemini-2.5-flash-image (ou version supérieure) ; ② La méthode d'appel passe de models.generate_images à client.interactions.create ; ③ Le traitement de la réponse passe de response.generated_images à l'analyse interaction.output_image. Pour des exemples de migration spécifiques, consultez le document de l'API Google Gemini "Guide de génération d'images".

Prix des produits pour Imagen

La tarification d'Imagen 4 est divisée en deux systèmes basés sur les variantes de modèles et les canaux de service :

Tarifs de l'API Gemini (Pay As You Go) :

Variantes de modèles	Prix ​​par image	Remarques
Image 4 Rapide	0,02 $	Scénario à haut débit, adapté à l'itération du prototype
Image 4 Standard	0,04 $	Production de contenu quotidienne, équilibre entre qualité et coût
Image 4 Ultra	0,06 $	Exigences de qualité de livraison

Il n'y a pas de frais de jeton d'entrée supplémentaires pour les appels API (seul le nombre d'images de sortie est facturé). Le forfait gratuit ne prend pas en charge Imagen 4 (modèles de la série Gemini uniquement) et vous devez passer à un forfait payant pour utiliser Imagen 4. L'API par lots (traitement par lots) est disponible avec une réduction d'environ 50 %, mais le temps de traitement peut aller jusqu'à 24 heures.

Tarifs Vertex AI : lorsque vous utilisez Imagen via Google Cloud Vertex AI, en plus des frais d'appel du modèle, vous devez également prendre en charge les frais d'infrastructure Cloud (tels que le stockage Cloud, le trafic sortant du réseau Cloud Logging, etc.). Le prix spécifique est soumis à un calcul en temps réel par Google Cloud Pricing Calculator.

Comparaison des prix avec des produits concurrents (non officiel, à titre de référence uniquement) :

Solutions	Prix ​​de référence d'une image unique (résolution 1K)	Remarques
Image 4 Standard	0,04 $	API Google Gemini
DALL-E 3 (API OpenAI)	~0,04 $ à 0,08 $	Différence de résolution Standard/HD
Stable Diffusion 3 (auto-hébergé)	Coût de calcul GPU uniquement	Propre infrastructure
Mi-parcours (abonnement)	~0,01 $ à 0,05 $ (répartis à parts égales)	Frais mensuels 10 $ à 120 $/mois

Scénarios d'application d'Imagen

• Production de contenu visuel sur les réseaux sociaux à haute fréquence : Grâce à la prise en charge de formats multi-aspects et aux modèles paramétrés d'Imagen 4, l'équipe opérationnelle peut générer par lots du matériel visuel adapté à différentes plates-formes (telles que la version verticale Xiaohongshu 3:4, la couverture du compte public WeChat 16:9, la courte couverture vidéo Douyin 9:16). Problèmes d'acceptation : après la création du modèle Prompt, il est nécessaire de vérifier la qualité et la cohérence du résultat sous différentes combinaisons de paramètres, en particulier la stabilité de la couleur de la marque et du rendu du logo.
• Concept de produits de commerce électronique et rendu d'images détaillées : visualisez rapidement des images de concepts de produits de vêtements, d'ameublement, de produits alimentaires et d'autres catégories, en prenant en charge l'itération rapide de plusieurs angles, plusieurs scènes et plusieurs combinaisons de couleurs. Problèmes d'acceptation : Imagen présente encore des défauts dans les structures élancées (telles que les colliers de bijoux, les montures de lunettes) et le rendu du texte sur de petites zones. Le raffinement manuel est recommandé pour un rendu de produit de haute précision.
• Brainstorming et propositions créatives publicitaires : L'équipe créative peut générer plusieurs versions de plans visuels dans un court laps de temps pour les propositions des clients, réduisant ainsi considérablement le cycle « conception → brouillon → révision ». Problèmes d'acceptation : Imagen fonctionne bien dans un style réaliste et un style d'illustration artistique, mais il existe des risques de biais de couleur de peau et de déformation du corps lors de la génération des personnages. Les propositions publicitaires impliquant des images de personnages nécessitent un examen manuel.
• Recherche et éducation sur les modèles d'IA : En tant que référence classique dans le domaine des graphiques vincentiens, l'article d'Imagen et le benchmark DrawBench sont encore largement cités par la communauté universitaire pour des expériences comparatives et des démonstrations pédagogiques. Problèmes d'acceptation : L'article original d'Imagen est publié depuis plus de quatre ans. Les nouveaux chercheurs doivent également prêter attention aux plans d'amélioration ultérieurs (tels que la génération d'images natives Parti et Gemini).

Groupes d'images applicables

• Équipes de développement au sein de l'écosystème Google Cloud : les entreprises qui utilisent déjà Google Cloud ont le coût marginal d'intégration de l'API Imagen le plus bas. Convient aux secteurs (médical, financier, affaires gouvernementales) qui nécessitent des certifications de conformité SOC2, HIPAA et autres. Conditions préalables : vous devez disposer d'un compte Google Cloud et activer l'API Vertex AI.
• Équipe de production de contenu visuel à haute fréquence : équipes qui nécessitent une production standardisée par lots de supports visuels tels que les opérations de commerce électronique social, la publicité et la conception de nouveaux médias. Les modèles paramétriques et les capacités multi-formats d'Imagen 4 peuvent réduire considérablement le temps de production moyen d'une seule séquence. Prérequis : L'équipe doit avoir la capacité de rédiger des invites en anglais ou être équipée d'un traducteur.
• Chercheurs en IA et évaluateurs de modèles : les chercheurs et les ingénieurs qui étudient les modèles de graphes Vincent peuvent en apprendre davantage sur les principes de conception et les méthodologies d'évaluation des architectures de diffusion en cascade grâce aux articles Imagen et DrawBench. Prérequis : Avoir certains fondements théoriques du modèle de génération et de diffusion d'images.

Ne correspond pas aux limites :

• Ne convient pas aux scénarios nécessitant un déploiement hors ligne : Imagen s'appuie entièrement sur l'API Google Cloud et ne prend pas en charge le déploiement privé, l'auto-hébergement ou le fonctionnement hors ligne. Les industries qui ont des exigences strictes en matière de souveraineté et de résidence des données (comme l’industrie militaire, le gouvernement et les systèmes financiers centraux) ne peuvent pas l’adopter.
• Ne convient pas aux processus créatifs non basés sur l'anglais : l'API Imagen ne prend en charge que l'invite en anglais, et la saisie de l'invite en chinois et dans d'autres langues nécessite une traduction supplémentaire. La qualité de la génération dans le contexte chinois est fortement liée à la qualité de la traduction rapide en anglais.
• Ne convient pas aux systèmes de production nécessitant des services stables et continus : la série Imagen sera arrêtée le 17 août 2026 et tout système de production construit sur Imagen sera confronté à une migration forcée. Les nouveaux projets ne devraient plus choisir Imagen comme solution de génération d'images, et les anciens projets existants devraient donner la priorité à la migration vers la série Gemini Nano Banana.
• Ne convient pas aux applications en temps réel à haute fréquence avec des exigences de vitesse de génération inférieures à la seconde : Le retard d'inférence de l'architecture de diffusion en cascade est au deuxième niveau et ne convient pas aux scénarios qui nécessitent un retour interactif en temps réel (tels que la réalisation de graffitis en temps réel, l'édition d'images instantanée).

Résumé et Outlook

Imagen est parti d'un document de recherche en 2022 jusqu'à la production hiérarchique à trois niveaux d'Imagen 4, et a complètement traversé les quatre étapes de « vérification académique → production → intégration écologique → remplacement ». Sa contribution technique principale - une combinaison d'architecture de diffusion en cascade + d'encodage de texte de modèle de langage à grande échelle - a été absorbée et poursuivie par les capacités natives de génération d'images de la série Gemini. Dans l'histoire de la technologie des graphes vincentiens, Imagen constitue une étape importante en prouvant que « la compréhension du langage est le principal goulot d'étranglement pour la génération d'images ».

Limites et incertitudes actuelles :

• La série Imagen sera officiellement arrêtée le 17 août 2026, soit moins d'un mois avant la rédaction de ce document (21 juillet 2026). La documentation officielle de Google est clairement marquée comme obsolète, et l'API Gemini et Vertex AI cesseront de traiter les demandes pour tout modèle Imagen après cette date.
• Imagen 4 présente encore des défauts prévisibles de qualité de génération : les artefacts ont tendance à présenter des détails de visage et des structures allongées dans des compositions complexes, il n'est pas assez stable pour les compositions alignées décentrées (comme des cercles parfaitement centrés) et la sortie d'invites dénuées de sens (comme des emoji purs ou des chaînes aléatoires) est imprévisible.
• En termes de génération de personnages, Imagen présente des problèmes de biais qui ont été révélés dans le journal : il a tendance à générer des personnages à la peau plus claire et présente des stéréotypes de genre occidentaux dans la représentation des rôles professionnels. Bien que Google affirme continuer à investir dans le nettoyage des données et l'ajustement des modèles, le problème des biais n'a pas été entièrement résolu dans la famille Imagen.

Évaluation des risques d'approvisionnement/d'adoption : au moment précédant la fermeture, l'évaluation de l'adoption d'Imagen n'était plus un « choix » mais une « tâche de migration ». Pour les entreprises qui utilisent déjà l'API Imagen : ① Évaluez immédiatement le modèle d'invite et le code d'appel actuels, et formulez un plan de migration vers Gemini Nano Banana ; ② Comparez la série Nano Banana (gemini-2.5-flash-image / gemini-3.1-flash-image / gemini-3-pro-image) avec Imagen en termes de qualité de génération et de prix (Nano Banana 2 Lite coûte environ 0,034 $/image Nano Banana 2 environ 0,067 $/image Nano Banana Pro environ 0,134 $/image) et la différence dans le format de réponse ; ③ Effectuez la vérification de la migration d'au moins un pipeline d'entreprise avant d'arrêter et conservez la fenêtre de migration. Pour les nouveaux projets qui n'ont pas encore adopté Imagen : choisissez directement la série Gemini Nano Banana et n'avez pas besoin de reconsidérer Imagen.

Outils associés : midjourney, stable-diffusion

Informations de version

• Image 4 ：La version de quatrième génération ajoute des modèles à trois vitesses Fast/Standard/Ultra, prend en charge la sortie en résolution 2K, le rendu du texte amélioré, prend en charge 5 formats d'image et intègre les filigranes numériques invisibles SynthID. Ce modèle a été marqué comme obsolète en 2026 et sera arrêté le 17 août 2026. （~2025-06）
• Image 3 ：La version de troisième génération, avec des améliorations significatives en termes de qualité d'image, d'alignement du texte et de vitesse de génération, est disponible via les API Vertex AI et Gemini. Il n’y a pas encore de date officielle précise. （~2024-12）
• Image 2 ：La version de deuxième génération prend en charge davantage de styles artistiques et de capacités d'édition post-génération. Il n’y a pas encore de date officielle précise. （~2024-05）
• Image (première génération) ：La version de recherche de première génération, publiée sous forme d'article CVPR 2022, a introduit l'architecture de diffusion en cascade et l'encodeur de texte T5-XXL, et a obtenu un score SOTA de 7,27 sur COCO FID. （2022-05）