Nano Banana 2.1 vs Nano Banana Pro : test à l'aveugle sur des retouches de photos immobilières

La réponse courte

Nano Banana 2.1 coûte beaucoup moins cher que Nano Banana Pro, et sur nos photos de biens immobiliers, aucun des deux modèles n'a été exempt d'erreurs. Aux prix catalogue de Google, une image de sortie en 2K coûte 0,0504 $ US avec Nano Banana 2.1 et 0,134 $ US avec Nano Banana Pro, soit 62 % de moins. En incluant la photo d'entrée et les jetons de réflexion, le coût médian par image retouchée lors de notre test du 10 octobre 2026 était de 0,0572 $ US et 0,1392 $ US, soit environ 59 % de moins.

Google a lancé Nano Banana 2.1 (gemini-nano-banana-2.1) le 6 octobre 2026 et le qualifie de « contrepartie la plus efficace » à Nano Banana Pro (gemini-3-pro-image). Dans cet article, « 2.1 » désigne Nano Banana 2.1 et « Pro » désigne Nano Banana Pro. Pour cette évaluation de Nano Banana 2.1, nous avons soumis aux deux modèles les mêmes neuf retouches de photos immobilières sous licence en 2K. Un évaluateur de notre équipe, à l'aveugle quant au modèle et à l'ordre, a comparé les sept paires pour lesquelles les deux modèles ont renvoyé une image. Dans ce test restreint, notre évaluateur a préféré Nano Banana 2.1 dans cinq des sept paires (nettement dans une), a légèrement préféré Pro dans une autre et a jugé une paire équivalente. Avec un seul évaluateur et une seule image par modèle pour chaque photo, il s'agit d'un premier aperçu, pas d'un score définitif.

Pour l'application Gemini, les forfaits Google IA et la confidentialité des clients, consultez notre guide immobilier Nano Banana 2.1.

Aperçu Nano Banana 2.1 vs Pro : spécifications et tarifs

La documentation de Google, vérifiée le 12 octobre 2026, répertorie ces différences :

Sources : la page des tarifs de Google (mise à jour le 9 octobre 2026), son guide de génération d'images et la page du modèle Nano Banana 2.1.

Nano Banana 2.1 vs Nano Banana 2

Google présente le 2.1 comme une mise à jour de Nano Banana 2 (gemini-3.1-flash-image), qu'il a rendu obsolète le 6 octobre 2026 sans date d'arrêt définitif. Une image 2K coûte 0,0504 $ US avec 2.1 et 0,101 $ US avec Nano Banana 2, bien que les jetons d'entrée et de réflexion coûtent plus cher. Notre guide immobilier compare les deux modèles en 1K sur deux des photos utilisées ici.

Notre méthode de test

Nous avons effectué le test le 10 octobre 2026, entre 19 h 05 et 19 h 13 UTC, via l'API Gemini, avec deux requêtes simultanées en cours. Les neuf photos ont donné lieu à 18 requêtes : quatre suppressions d'objets, trois pièces vides à meubler, une cuisine à désencombrer et une correction de type HDR, chacune envoyée aux deux modèles. Nano Banana 2.1 a renvoyé 8 images, et Pro en a renvoyé 7.

• Photos : neuf photos sous licence Pexels, huit d'habitations et une d'une chambre d'hôtel ; la licence Pexels autorise les modifications. Ce ne sont pas des photos de clients, et aucune ne montre de personnes. Les photos de banques d'images étant souvent prises par des professionnels, les résultats peuvent sembler meilleurs qu'avec une photo prise au smartphone (checklist de prise de vue).
• Vérification des entrées : la page Pexels de chaque photo affiche les détails de l'appareil (EXIF), et les fichiers téléchargés ne contenaient aucune métadonnée C2PA ou de génération par l'IA.
• Paramètres : sortie 2K au format 3:2, le ratio de chaque photo, réflexion par défaut de chaque modèle, aucune température ni graine (seed), une image par requête et aucune nouvelle tentative.
• Invites : rédigées avant le test et envoyées à l'identique aux deux modèles (ci-dessous). Pour les suppressions, nous avons tracé un contour rouge autour de l'objet sur une copie de la photo.
• Évaluation : un évaluateur de notre équipe, à l'aveugle quant au modèle et à l'ordre, a comparé les sept paires après le test, en octobre 2026. L'évaluateur a vu l'original, la copie annotée pour les suppressions et les deux résultats désignés par « A » et « B » dans un ordre aléatoire, sans nom de fichier ni métadonnées, avec une dimension maximale de 1 280 pixels sur le côté le plus long. Chaque paire était accompagnée d'une question rédigée avant le test, par exemple pour déterminer quel résultat supprimait le mieux l'objet marqué et préservait le mieux le reste. Une liste basée sur l'invite indiquait ce qui devait rester identique. L'évaluateur a choisi l'une des cinq réponses : A nettement meilleur, A légèrement meilleur, équivalent, B légèrement meilleur ou B nettement meilleur. L'évaluateur pouvait également cocher des cases pour les problèmes constatés : structure de la pièce modifiée, objet non marqué supprimé ou modifié, marque rouge restante, cadrage modifié, lumière ou échelle irréaliste, porte ou fenêtre obstruée, et autre.
• Limite du vote : un seul évaluateur ne suffit pas pour obtenir un résultat catégorique ; deux évaluateurs indépendants ou plus offriraient une plus grande fiabilité.
• Vérifications objectives : un décompte des pixels rouges à l'intérieur de la zone du contour, et un contrôle de cadrage qui aligne chaque image générée avec son original.
• Notre examen : nous avons également comparé chaque paire côte à côte en taille réelle ; cet examen n'était pas à l'aveugle.
• Coût : données d'utilisation multipliées par les prix catalogue de Google. Il s'agit d'une estimation, pas d'une facture.
• Indépendance : Google n'a pas sponsorisé ni examiné ce test.

Les invites exactes :

REMOVAL (4 photos):
Using the provided photo, remove only the object outlined in red,
and remove the red outline as well. Fill the area with what would
naturally be behind the object, matching the surrounding surfaces
and light. Keep everything else in the image exactly the same,
preserving the original style, lighting, and composition.

STAGING (3 rooms; {room}, {style} and {items} listed below):
Using the provided photo of an empty room, furnish it as a {room}
in a {style} style: {items}. Arrange the furniture so that every
door and window stays clear. Keep the walls, windows, doors, floor,
ceiling, light fixtures and camera framing exactly the same; only
add furniture and decor.
- living room, warm modern: a sofa, a coffee table, an armchair,
  a rug, a floor lamp and two plants
- bedroom, calm Scandinavian: a double bed with bedding, two
  nightstands with lamps, a rug and a plant
- dining room, modern: a dining table with six chairs, a sideboard,
  a rug and a vase of flowers

DECLUTTER (1 kitchen):
Using the provided photo, remove the loose clutter: items lying on
the floor, on tables and on counters, plus any loose cables and
bags. Keep all furniture, appliances, built-ins, artwork, curtains,
walls, windows, doors and lighting exactly as they are, preserving
the original style, lighting, and composition.

HDR (1 hotel room):
Using the provided photo, edit it like a professional real estate
HDR photo: brighten the dark areas, bring back detail in the bright
windows, make the white balance neutral and keep vertical lines
straight. Do not add, remove or move anything, and keep the framing
exactly the same.

Notre échantillon est restreint : neuf photos, une image par requête, un seul test et un seul évaluateur. Il montre ce qui peut se produire sur ces photos, mais pas la fréquence à laquelle cela arrive.

Résultats par tâche

Chaque ligne « Vote » donne la réponse de l'évaluateur. Les autres observations sont issues de notre propre examen.

Suppression d'objets avec Nano Banana 2.1 et Pro

Les deux modèles ont supprimé les trois objets balisés pour lesquels ils ont renvoyé une image. Pour la quatrième photo, une bouilloire sur un plan de travail de cuisine, aucun des deux modèles n'a renvoyé d'image (voir « Vitesse et fiabilité »).

• Lampe de table, salon : les deux ont supprimé la lampe, son cordon et le napperon en dentelle, et ont conservé la lampe identique de l'autre côté du canapé. Pro a laissé la lumière de la lampe et l'ombre de son corps sur le mur. Nano Banana 2.1 a également supprimé la lumière, ce qui a assombri l'extrémité du canapé, et a laissé une tache sombre à l'endroit où se trouvait la lampe. Vote : notre évaluateur a nettement préféré Nano Banana 2.1 ; cases de problème cochées pour Pro : « lumière ou échelle irréaliste » et « autre ».
• Orchidée entre deux lavabos, salle de bains : les deux ont supprimé la plante et son pot, reconstruit les bords inférieurs des deux cadres de miroir et complété le plan de travail. Les robinets, les anneaux porte-serviettes, la prise et le désodorisant sont restés. Vote : notre évaluateur a légèrement préféré Nano Banana 2.1 ; aucune case de problème cochée.
• Chaise d'appoint, chambre : les deux ont supprimé la chaise et reconstruit le coin du tapis avec ses franges, la plinthe et le mur derrière. Vote : notre évaluateur a jugé les deux équivalents ; aucune case de problème cochée.

Notre guide pour supprimer les objets et le désordre détaille ce qu'il faut retirer et ce qu'il convient de laisser.

Aménagement d'une pièce vide

L'invite demandait aux deux modèles de laisser chaque porte et fenêtre dégagée et de conserver les mêmes luminaires.

• Salon : aucun des modèles n'a masqué les deux portes intérieures. Pro a allumé le lustre existant, et son nouveau fauteuil se trouve devant le coin inférieur de la porte-fenêtre du balcon. Nano Banana 2.1 a laissé le lustre éteint et la porte du balcon dégagée. Vote : notre évaluateur a légèrement préféré Nano Banana 2.1 ; aucune case de problème cochée.
• Chambre étroite : Pro a placé une grande plante en pot devant les portes du placard et une table de chevet sous la fenêtre, dont la lampe dépasse devant le bas de la vitre. Nano Banana 2.1 a gardé la fenêtre dégagée, mais sa table de chevet du fond se trouve juste à côté de la porte ouverte de la pièce, et son lit masque le seuil de cette entrée. Vus depuis l'appareil photo, les deux lits masquent également le bas des portes du placard. Vote : notre évaluateur a légèrement préféré Nano Banana 2.1 ; aucune case de problème cochée.
• Salle à manger : les deux ont placé le buffet sous une fenêtre. Nano Banana 2.1 y a posé une plante et des livres, et Pro y a placé un petit vase avec de la verdure. Sur les deux images, cette décoration dépasse devant le bas de la vitre. Vues depuis l'appareil photo, les fleurs sur les deux tables masquent également une partie d'une fenêtre arrière. Les deux ont laissé le passage de porte dégagé. Vote : notre évaluateur a légèrement préféré Nano Banana Pro ; aucune case de problème cochée.

Notre guide immobilier Nano Banana 2.1 teste la manière dont la liste de mobilier modifie le résultat, et notre guide pour aménager virtuellement une pièce vide couvre l'ensemble du processus de travail.

Désencombrer une cuisine

Les deux modèles ont débarrassé la table, le sac suspendu à une chaise et les objets au sol, et ont conservé les appareils électroménagers, les étagères ouvertes et le buffet. Pro a davantage dégagé les plans de travail, supprimant un vaporisateur, un flacon de liquide vaisselle, un verre, un bac blanc et un bol que 2.1 a laissés. Nano Banana 2.1 a retiré un torchon rayé d'une chaise et a redessiné le dossier de la chaise que le torchon recouvrait ; Pro a laissé le torchon. Vote : notre évaluateur a légèrement préféré Nano Banana 2.1 ; aucune case de problème cochée.

Pour une méthode de nettoyage complète, consultez notre processus de travail de nettoyage photo.

Correction d'exposition de style HDR

Pro n'a renvoyé aucune image pour cette photo d'une chambre d'hôtel sombre, il n'y a donc pas eu de paire à évaluer. Nano Banana 2.1 a éclairci les murs, le plafond et le bureau tout en atténuant une dominante bleue sur le rideau, tandis que le mobilier, la fenêtre et la vue sont restés en place. Pour les mises à jour de photos d'hôtels, consultez notre guide de la photographie d'hôtel post-rénovation.

Plans d'étage

Sur un plan d'étage dense issu de la même série de tests, les deux modèles ont commis des erreurs de dimension, et les deux ont écrit un point décimal sous forme de virgule. Sur une vue 3D d'un autre plan, les deux ont dessiné une porte là où le plan indique une fenêtre ; notre comparatif des API de plans d'étage présente les outils conçus spécifiquement pour les plans.

Le défaut qu'ils partagent : chaque retouche redessine toute l'image

Le guide d'image de Google décrit l'inpainting, ou « masquage sémantique », comme un moyen « de modifier une partie spécifique d'une image tout en laissant le reste intact ». Notre invite de suppression se terminait par la dernière phrase du modèle de retouche de Google, qui demande de garder exactement le reste à l'identique. Pourtant, chaque retouche est revenue sous la forme d'une image nouvellement générée, et sur plusieurs d'entre elles, des détails très éloignés de la retouche ont changé.

La fiche modèle de Nano Banana 2.1 répertorie le « suivi partiel des instructions et la persistance de l'encre dans l'édition basée sur des masques ou des tracés » parmi ses limites connues. Atlas Cloud, un fournisseur de modèles d'IA, décrit le même comportement : le modèle « régénère l'ensemble du cadre à chaque retouche ».

Ce qui a changé lors de notre test, sans que personne ne l'ait demandé :

• Étiquettes et petits textes : dans la cuisine, les deux modèles ont transformé les étiquettes imprimées et manuscrites des bocaux de stockage en lettres inventées. Les deux ont également transformé les graduations imprimées sur une petite tasse suspendue en une écriture manuscrite inventée.
• Tableaux au mur : les deux ont redessiné une gravure encadrée dans la chambre et un petit tableau au-dessus du canapé, pourtant très éloignés de la chaise et de la lampe supprimées. Les modifications apportées à la gravure étaient plus faciles à repérer sur l'image de 2.1.
• Luminaires : Pro a allumé le lustre du salon, alors que l'invite demandait de conserver les luminaires exactement à l'identique.

• Une suppression supplémentaire : Nano Banana 2.1 a retiré un torchon d'une chaise, ce que l'invite n'avait pas répertorié comme du désordre.
• Zones qui semblent inchangées : en taille réelle, les arbres à l'extérieur de la fenêtre de la salle à manger et les reflets dans les miroirs de la salle de bains ont été redessinés, et non copiés.

Ce que nous n'avons pas constaté : aucune image n'a conservé l'encre rouge d'un contour, cette « persistance de l'encre » contre laquelle la fiche modèle met en garde, et aucune n'a subi de rotation supérieure à 0,02 degré. Chaque image a perdu environ 0,3 % de sa largeur de chaque côté, ce qui correspond au format légèrement plus étroit d'une image générée en 2 528 × 1 696 pixels. Lors de notre examen, aucun mur, aucune fenêtre ni aucune porte n'a été ajouté ou supprimé.

Comment vérifier une retouche avant de l'utiliser :

1. Nommez ce qui doit rester, à proximité de la modification et loin d'elle, et précisez si les lumières sont allumées ou éteintes. Nommer un détail ne le protège pas toujours : notre invite de home staging nommait les luminaires, et Pro a tout de même allumé le lustre. Notre guide immobilier a testé cela sur deux pièces meublées avec Nano Banana 2.1 : une invite précisant ce qu'il fallait conserver n'a pas donné de meilleur résultat qu'une invite courte.
2. Faites un seul changement par requête. Chaque modification supplémentaire est une occasion de plus de voir des détails s'altérer.
3. Comparez en taille réelle : la zone que vous avez retouchée, les sources de lumière, les objets à côté de la retouche, les étiquettes et les petits textes, ainsi que les bords de la photo.
4. Conservez l'original et étiquetez la retouche lorsque votre marché l'exige ; consultez notre guide des exigences photo des MLS et notre guide de conformité AB 723.

Les photos de produits et de catalogues peuvent s'altérer de la même manière, qu'il s'agisse de logos ou de petites pièces ; notre guide sur la génération de décors par l'IA pour les catalogues de meubles couvre ce processus de travail.

Coût par image et par image exploitable

Les prix catalogue ne tiennent compte que de l'image finale générée. Une retouche réelle implique également de payer pour la photo d'entrée ainsi que pour les jetons de texte et de réflexion. Aux prix catalogue de Google, nos retouches en 2K ont coûté :

• Nano Banana 2.1 : une médiane de 0,0572 $ US par image sur 8 images (de 0,0555 $ US à 0,0666 $ US), soit 13 % de plus que le prix catalogue de 0,0504 $ US. Les composantes médianes étaient de 0,0504 $ US pour l'image, environ 0,0018 $ US pour la photo d'entrée et l'invite, et environ 0,0050 $ US pour la réflexion et le texte.
• Nano Banana Pro : une médiane de 0,1392 $ US par image sur 7 images (de 0,1387 $ US à 0,1398 $ US), soit 4 % de plus que le prix catalogue de 0,134 $ US. La page des tarifs de Google fixe chaque image d'entrée Pro à 560 jetons, alors que les données d'utilisation en indiquaient 258 ; à 560 jetons, la médiane de Pro serait de 0,1398 $ US.
• L'écart : environ 0,08 $ US par image, ce qui signifie que 2.1 a coûté environ 59 % de moins. À ces médianes, 100 retouches coûtent environ 5,72 $ US avec 2.1 et 13,92 $ US avec Pro, avant toute nouvelle tentative.

La réflexion fait varier le coût de 2.1 selon la tâche. Ses trois suppressions ont nécessité 142 à 168 jetons de réflexion, tandis que ses home stagings et le désencombrement en ont nécessité 291 à 1 421 ; chaque tranche de 1 000 jetons de réflexion ajoute 0,0075 $ US. Pro a utilisé 164 à 237 jetons de réflexion par image. Ces décomptes ne concernent que les requêtes ayant renvoyé une image.

Les deux colonnes de coûts incluent les requêtes qui n'ont renvoyé aucune image. Le coût par image exploitable divise le total dépensé pour une tâche par le nombre d'images réellement utilisables. Nous considérons une image comme exploitable lorsque l'évaluateur n'a coché aucune case de problème pour celle-ci et que notre propre examen en taille réelle n'a relevé aucun de ces défauts. Selon cette règle, 5 des 14 images des sept paires soumises au vote étaient exploitables : la suppression de l'orchidée et la salle à manger pour les deux modèles, et le salon pour 2.1. Les neuf autres présentaient chacune un défaut décrit plus haut, tel qu'un reste de lumière ou de tache sombre, une gravure redessinée, un lustre allumé, une porte ou un placard obstrué, ou des étiquettes de bocaux réécrites. Un élément de décoration placé devant une partie d'une fenêtre, comme les fleurs de la salle à manger, n'était pas considéré comme une obstruction ; un meuble ou une plante devant une porte ou un placard l'était. Les détails qui ont été redessinés mais qui semblent identiques tant que l'on ne zoome pas, comme les reflets du miroir et une petite étiquette de prise dans la salle de bains, n'étaient pas considérés comme modifiés. Votre propre règle peut différer : des étiquettes de bocaux réécrites peuvent ne pas avoir d'importance sur une photo d'annonce, mais elles en auraient sur une photo de produit.

Pour comparer le coût de l'API Nano Banana 2.1 avec des services complets de home staging, consultez notre guide des tarifs des API de home staging virtuel et notre classement des API de home staging virtuel par prix.

Vitesse et fiabilité

Vitesse. Nous avons mesuré la durée de chaque requête de notre côté, de l'envoi de la photo à la réception de l'image, avec deux requêtes simultanées en cours.

• Dans cette comparaison, la médiane était de 19,4 secondes pour 2.1 (8 images, de 17,4 à 24,9 secondes) et de 22,2 secondes pour Pro (7 images, de 21,1 à 24,3 secondes). Dans quatre des sept paires, la requête 2.1 a pris moins de temps.
• Sur l'ensemble des images 2K de la même série, y compris les tests pour nos autres articles, les médianes étaient de 22,4 secondes pour 2.1 (21 images) et de 21,8 secondes pour Pro (11 images).

Aucun modèle ne s'est révélé nettement plus rapide ; l'ordre a varié selon la combinaison de tâches. La fiche modèle met en garde contre des « lenteurs occasionnelles ou des problèmes de dépassement de délai » pour 2.1, il convient donc de faire des mesures sur votre propre charge de travail.

Requêtes sans image. L'ensemble de notre série a envoyé 39 requêtes, en comptant les tests pour d'autres articles, et 36 ont renvoyé une image. Les 3 requêtes infructueuses faisaient toutes partie de ce comparatif :

La documentation de référence de l'API de Google définit IMAGE_RECITATION par « Image generation stopped due to recitation » (Génération de l'image interrompue en raison d'une récitation). Elle ne fournit aucune explication supplémentaire, et nous ne nous risquons à aucune conjecture. Chaque réponse est revenue sous la forme d'une réponse HTTP 200 standard sans image et sans texte, mais ses données d'utilisation comptabilisaient les jetons d'entrée et de réflexion. La FAQ de facturation de Google précise uniquement que les requêtes échouant avec une erreur 400 ou 500 ne sont pas facturées ; notre estimation comptabilise donc ces jetons. En vertu d'une règle que nous avions fixée avant le test, nous n'avons fait aucune nouvelle tentative.

Notre conseil pour les processus de travail via API : lisez le motif d'arrêt (finish reason), et pas seulement le statut HTTP, et enregistrez l'utilisation de chaque requête restée sans image. Décidez à l'avance s'il faut retenter l'opération, modifier l'invite ou changer de modèle. Notre tutoriel sur l'API de home staging virtuel aborde les nouvelles tentatives et les budgets de crédits, et notre comparatif des API de home staging virtuel montre comment les prestataires gèrent les tâches ayant échoué.

Nous n'avons observé aucune réponse MAX_TOKENS, bien qu'un développeur ait signalé de telles réponses sans image de la part de 2.1 sur le forum des développeurs Google le 7 octobre 2026 ; le fil de discussion n'avait reçu aucune réponse au moment de notre vérification.

Là où Pro l'emporte encore, et ce que disent les classements

Pro conserve de réels atouts dans ses spécifications techniques. Google le présente comme « le choix premium pour les tâches visuelles les plus complexes, offrant le plus haut niveau de connaissance du monde, une localisation avancée, une cohérence précise de la marque et un contrôle créatif de précision ». Il accepte également des images de référence de style et une cinquième image de personnage.

Deux évaluateurs ont relevé des aspects sur lesquels Pro s'est montré plus performant. The Decoder a écrit le 6 octobre 2026 que « dans la pratique, Nano Banana Pro produit encore souvent des images nettement meilleures ». Dans son propre test comparatif, l'image de Pro semblait « plus réaliste et naturelle, en particulier dans ses couleurs et ses proportions ». Fuser, un éditeur d'outils d'IA créative, a testé chaque modèle une fois par tâche. Nano Banana 2.1 l'a emporté sur deux des cinq tâches de Fuser et a fait match nul sur deux autres, en étant le seul modèle à respecter les consignes d'éclairage ; Pro a remporté la cinquième tâche, avec la correspondance la plus fidèle à un visage de référence. Notre test ne comportait ni visages ni consignes d'éclairage, nous ne pouvons donc confirmer aucun de ces deux résultats. Lors de notre propre vote à l'aveugle, l'évaluateur a légèrement préféré Pro sur l'une des sept paires : la salle à manger meublée.

La propre évaluation de Google et les classements publics placent 2.1 devant Pro. Les classements globaux utilisent des invites généralistes, et non des photos de biens immobiliers, et ils évoluent quotidiennement. Voici les positions relevées le 12 octobre 2026 :

Seule la catégorie d'Artificial Analysis est consacrée à l'architecture et à l'immobilier, et la page du classement ne précise pas quelles images sont utilisées. Les modèles GPT Image 2.5 d'OpenAI dominent les deux classements publics d'édition ; notre article sur GPT-6 Astra explique comment les modèles d'image d'OpenAI s'intègrent dans le home staging.

Quel modèle devez-vous utiliser ? Une checklist pour décider

• Priorité au coût : pour un volume élevé, commencez par 2.1, et utilisez le traitement par lot lorsqu'un délai de traitement de 24 heures vous convient.
• Suppression d'objets : les deux modèles ont supprimé chaque objet balisé pour lequel ils ont renvoyé une image. Vérifiez la lumière et les ombres à l'emplacement où se trouvait l'objet, ainsi que les éléments environnants.
• Home staging : aucun des deux modèles n'a été exempt d'erreurs de disposition dans nos trois pièces. Rédigez vous-même la liste des meubles, puis inspectez chaque porte, placard, fenêtre et luminaire.
• Références et formats : utilisez Pro pour les images de référence de style ou pour utiliser cinq images de personnages, et 2.1 pour dix images d'objets, des entrées vidéo ou PDF, ou les formats 1:4, 4:1, 1:8 et 8:1.
• Pipelines d'API : analysez le motif d'arrêt (finish reason), prévoyez un budget pour les nouvelles tentatives et conservez un second modèle comme solution de repli.
• Anciens codes de modèles : le tableau d'obsolescence de Google indique que gemini-3-pro-image-preview est déjà arrêté (date d'arrêt au 25 juin 2026), et Nano Banana 2 est obsolète. Appelez plutôt gemini-3-pro-image ou gemini-nano-banana-2.1.
• Vos propres photos : traitez cinq à dix de vos photos avec les deux modèles et comptez les résultats exploitables avant de vous engager.

Divulgation : Roomagen, qui publie ce test, conçoit des outils de retouche photo reposant sur les modèles d'images Gemini de Google. Si vous préférez des étapes prédéfinies plutôt que de rédiger des invites, nos outils de suppression d'objets et d'éléments par IA dans les photos, de Home Staging Virtuel, de service de désencombrement virtuel et d'Éditeur HDR intègrent un modèle au sein d'un processus guidé, et les mêmes vérifications s'appliquent.

En conclusion

Nano Banana 2.1 représente le choix le plus économique : lors de notre test, il a coûté environ 59 % de moins par image 2K que Nano Banana Pro, à une vitesse comparable. Dans ce test restreint, notre évaluateur unique a également préféré 2.1 sur cinq des sept paires, particulièrement pour la suppression d'objets, et Pro sur une seule. Pro prend toujours en charge les images de référence de style et une cinquième image de personnage, propose ce que Google qualifie de « plus haut niveau de connaissance du monde », et un testeur, The Decoder, a trouvé que ses images étaient plus réalistes.

Les deux modèles redessinent l'intégralité de l'image, de sorte que certains détails peuvent changer, que vous les ayez mentionnés ou non, qu'il s'agisse d'étiquettes de bocaux ou d'un luminaire. Quel que soit le modèle que vous choisissez, comparez chaque retouche avec l'original en taille réelle avant de la publier.

Prix, statuts des modèles, définitions des motifs d'arrêt et positions dans les classements vérifiés d'après les sources ci-dessous le 12 octobre 2026. Les résultats des tests proviennent d'une seule série exécutée le 10 octobre 2026 avec neuf photos sous licence et un seul évaluateur, comme décrit dans la section « Notre méthode de test ».