Nano Banana 2.1 testé : texte, retouches, recherche web et limites NSFW

Google a sorti Nano Banana 2.1 le 6 octobre 2026, et son argumentaire vise les travaux où les modèles d’image déçoivent d’habitude : un titre de magazine, un titre de film, une enseigne à l’arrière-plan. Avant de basculer une chaîne d’affiches, de publicités ou de personnages dessus, il vous faut trois réponses : la promesse sur le texte tient-elle, les retouches conservent-elles la personne de départ, et jusqu’où la politique de contenu de Google vous laisse-t-elle aller avant que le modèle ne change discrètement votre image ?

Nano Banana 2.1 est le modèle d’image de Google à choisir quand les mots dans l’image doivent être justes. Dans nos tests du 7 octobre 2026, chaque ligne mise entre guillemets doubles est sortie orthographiée exactement comme écrite, les retouches multi-images ont reporté visages et détails de produit dans de nouvelles scènes, et la recherche web a corrigé une date que le modèle inventait sinon. Ce n’est pas un modèle sans censure. Les images de lingerie ont été rendues en texte vers image, mais les demandes de L2 à L4 sont le plus souvent revenues terminées, facturées et discrètement atténuées, la contrainte et le gore ont été refusés, et la retouche a refusé la plupart des demandes pour adultes. Les bannières larges ont tenu pour les paysages et les foules lointaines, mais se sont recollées environ une fois sur deux avec des personnes proches de la caméra, et les cadres hauts en 1:8 n’ont fonctionné que pour des sujets eux-mêmes hauts.

Nous avons mené tous les tests via la page de la famille Nano Banana 2.1 sur SpicyAPI, où le modèle est disponible depuis le 7 octobre 2026. Les affirmations de Google ci-dessous proviennent de sa documentation du modèle.

En un coup d’œil

Ce qu’est Nano Banana 2.1

Google dit que Nano Banana 2.1 est « an update to Nano Banana 2 (Gemini 3.1 Flash Image) » qui « maintains Flash-level speed and cost efficiency while delivering significant improvements in visual quality, prompt adherence, multi-turn character consistency, and text rendering ». Il le décrit aussi comme « the more efficient counterpart to Gemini 3 Pro Image (Nano Banana Pro) ». Parmi les principales nouveautés selon Google : une meilleure mise en page des infographies, des raccords corrigés sur les formats larges et panoramiques en 2K et 4K, jusqu’à 14 images de référence (jusqu’à 4 personnages et 10 objets restent cohérents), et l’ancrage dans la recherche web et la recherche d’images de Google. Les sections ci-dessous confrontent ces affirmations à ce qui est réellement sorti.

Rendu du texte : l’amélioration phare tient la route

C’est la raison d’essayer le modèle, et l’affirmation qui a le mieux résisté. Nous avons demandé huit lignes de lettrage à travers trois prompts texte vers image et une retouche (une couverture de magazine, une affiche de film, une enseigne de motel au néon et une pochette d’album, toutes visibles dans cet article), et chaque ligne entre guillemets doubles est revenue orthographiée exactement comme écrite.

Texte vers image, 3:4, 2k. Le titre et les deux accroches sont orthographiés exactement. Les chiffres du code-barres, que le prompt n’avait pas épelés, sont du remplissage.

Le prompt utilisé :

Fashion magazine cover photograph. The masthead across the top, in tall elegant serif capitals, reads "NOCTURNE". A woman in her early thirties with a sleek dark bob stands on the curving concrete spiral staircase of a brutalist concert hall at night, wearing a plunging emerald velvet gown with a thigh-high slit, one hand on the brass rail, looking down at the camera. Small cover lines on the left read "The Night Issue" and "Velvet, Concrete & Sound". A small barcode in the lower right corner. Low-key cinematic lighting, deep green and charcoal palette.

Ouvrir ce prompt dans Nano Banana 2.1 texte vers image et réglez aspect_ratio sur 3:4 et resolution sur 2k pour reproduire notre essai ; le lien ne remplit que le prompt.

L’affiche de film montre la limite : le titre et la ligne de sortie sont exacts, mais le bloc de noms, que nous avions demandé sans écrire aucun nom, est sorti sous forme de charabia d’apparence convaincante.

Texte vers image, 2:3, 2k. Titre et ligne de sortie exacts ; le bloc de noms entre les deux est du remplissage.

Ce que cela implique quand vous rédigez un prompt de texte :

1. Mettez entre guillemets chaque mot qui doit apparaître.
2. Dites où il va et à quoi il ressemble. « Across the top, in tall elegant serif capitals » s’est retrouvé exactement là.
3. Épelez tout ce qu’un lecteur lira. Ce que vous ne faites que décrire (« a small barcode », « a block of names ») revient sous forme de texture ; vérifiez donc les petits caractères avant de publier.

Pour un flux de travail complet d’affiche avec corrections de texte ciblées, consultez notre guide de mise en page de texte avec Nano Banana Pro ; les mêmes habitudes de prompt s’appliquent ici.

Des retouches qui gardent la personne et le produit

La retouche accepte 1 à 14 images source dans image_urls, listées dans l’ordre où votre prompt s’y réfère. Google dit qu’elle garde cohérents jusqu’à 4 personnages et jusqu’à 10 objets.

Une source : une nouvelle scène, le même visage

Nous lui avons donné une photo de jour d’une femme rousse arrosant des fougères dans une serre en verre, en chemise de lin blanche et short en jean, et demandé une soirée à l’opéra.

À gauche : la photo source. À droite : la retouche en 2k, format sur auto. Le visage et la couleur des cheveux ont été conservés ; la robe, les cheveux relevés, les boucles d’oreilles, la loge de velours, le lustre et la scène correspondent au prompt.

Take her from the greenhouse to an opera house at night: she sits in a red velvet box seat, leaning on the gilded balcony rail, wearing a backless black silk gown with her auburn hair pinned up and diamond drop earrings, looking back over her shoulder, the lit stage and a crystal chandelier softly blurred behind her. Keep her face and her hair colour.

La dernière phrase compte : préciser ce qui doit rester (« keep her face and her hair colour ») indique au modèle quelles parties de la source sont fixes.

Trois sources : une personne, un produit et un lieu

C’est le travail qui intéresse le plus les équipes produit. Nous avons fourni un portrait de studio d’un homme, une photo produit d’une surchemise en daim cognac à boutons-pression en laiton, et un observatoire vide la nuit.

À gauche : les trois sources dans l’ordre du prompt. À droite : la retouche en 4:5, 2k. Le visage, la couleur de la veste, les boutons-pression en laiton et les poches poitrine ont été conservés. Un raté : au lieu d’une main sur l’oculaire du télescope, il tient une petite longue-vue en laiton.

Combine the three images: the man from the first image wears the cognac suede overshirt from the second image, unbuttoned over a white undershirt, and stands beside the brass telescope in the observatory from the third image at night, one hand on the eyepiece, starlight from the open dome and the warm desk lamp on his face. Keep his face, and keep the jacket's colour, brass snaps and chest pockets exactly.

Ce qui a marché : désigner chaque source par sa position, dire ce qu’il faut prendre de chacune et lister les détails qui doivent survivre. L’action que nous n’avons mentionnée qu’en passant est celle que le modèle a changée ; donnez donc à une pose importante sa propre phrase.

Du texte dans une retouche

La dernière retouche a gardé deux personnes et une boutique exactement telles quelles et dessiné la pochette qu’elles tiennent.

À gauche : la source. À droite : la retouche en 2k. Femmes, vêtements et boutique inchangés ; titre et nom du groupe bien orthographiés, mais le nom du groupe est en bas de casse espacée et non en petites capitales comme demandé.

Design the blank album sleeve she is holding: a moody duotone photograph of ocean waves at night in deep blue and rust, with the title "MIDNIGHT TIDE" in large bold sans serif and the band name "The Low Hours" in small capitals beneath it. Keep both women, their clothes, their pose and the record store exactly as they are.

Format d’image dans les retouches. La retouche ajoute auto (par défaut), qui garde la forme de la source : une source panoramique en 4:1 est revenue en 2064 x 512. Avec plusieurs sources de formes différentes, fixez vous-même un format. Dans notre test à deux sources, auto a simplement suivi l’une des deux.

Pour en savoir plus sur les rôles des sources et la correction des dérives, consultez notre guide de retouche par référence avec Nano Banana 2.

Recherche web : la solution pour les dates et les faits d’actualité

Nous avons lancé deux fois le même prompt :

today's weather forecast poster for Tokyo with the date

Avec enable_web_search activé, l’affiche a imprimé la bonne date, mercredi 7 octobre 2026. Sans elle, le modèle a inventé une date (24 octobre). Si une image dépend de quoi que ce soit d’actuel (une date, une prévision, un événement), activez-la. enable_image_search a aussi tourné et renvoyé une image, mais nous n’avons pas mesuré de différence visible. Chaque option de recherche ajoute des frais par requête ; laissez les deux désactivées sinon.

Formats larges et hauts : décrire une seule scène continue

Google dit que 2.1 a corrigé les artefacts de découpage en 1:4, 4:1, 1:8 et 8:1 en 2K et 4K. Dans nos tests du 7 octobre 2026, la tenue des formats larges et hauts dépendait du sujet, comme le montrent les résultats ci-dessous. En 21:9, le modèle a composé un seul plan de film continu :

Texte vers image, 21:9, 2k. Un seul cadre continu ; le mot « VACANCY » entre guillemets est orthographié exactement.

Nous avons lancé le 8:1 six fois. Quatre sont revenus en une seule image continue ; deux sont revenus sous forme de plusieurs plans collés côte à côte, avec des raccords nets et un éclairage différent dans chaque panneau. Le découpage se produit donc encore parfois en 8:1 et 2k, malgré la correction. C’est la formulation qui a fait la différence. Notre premier prompt de rave plaçait des repères distincts sur la largeur (une cabine de DJ tout à gauche, des colonnes d’acier tout à droite, un couple au milieu) et est revenu recollé. Les prompts réécrits comme une seule scène continue, avec un décor unique remplissant la largeur (une crête de montagne en 2k et 4k, une foule de rave en 4k et la rave reformulée ci-dessous), sont revenus continus dans quatre essais sur cinq. Une crête de montagne en 4:1 et 2k était elle aussi continue (4128 x 1024). C’était notre premier test ; une série ultérieure de 69 essais supplémentaires, décrite plus bas, a montré que le résultat dépend aussi de ce qui se trouve dans le cadre.

Texte vers image, 8:1, 2k (5856 x 704, affiché en plus petit), écrit comme une seule scène continue : une foule ininterrompue d’un bord à l’autre, le couple au milieu.

One continuous ultra-wide panoramic photograph, a single unbroken scene from edge to edge, inside a packed warehouse rave at three in the morning: green laser beams cut through the haze above a dancing crowd that fills the whole frame under steel roof trusses. In the middle of the crowd two men in their thirties, a gay couple, dance forehead to forehead, one in an open black mesh shirt and one shirtless with a thin gold chain, sweat glinting under the lasers.

À titre de comparaison, voici notre premier essai en 8:1, recollé :

À quoi ressemble un résultat recollé : 8:1, 2k. Chaque panneau a son propre éclairage et sa propre foule, avec des raccords verticaux nets entre eux.

Les cadres hauts étaient pires. En 1:8 et 1k, le modèle a renvoyé six plans empilés de la même scène de plage (352 x 2928) ; en 1:8 et 2k, un paysage de montagne est revenu sous forme de panorama horizontal tourné sur le côté (704 x 5856).

Test ultérieur de 69 essais. Plus tard le 7 octobre, nous avons lancé 69 cadres larges et hauts de plus. Le fait qu’un cadre 8:1 ou 4:1 se recolle dépend des personnes : les paysages et les foules lointaines ont tenu, tandis que les personnes proches de la caméra ou réparties sur la largeur se sont recollées environ une fois sur deux. Sur l’ensemble de nos essais en 8:1 ce jour-là, 10 sur 35 sont revenus recollés. En 1:4 et 1:8, un sujet lui-même haut fonctionne : le 1:4 a tenu 8 fois sur 8 et le 1:8 11 fois sur 14. Les détails et les prompts complets sont dans notre guide des prompts panorama et bannière.

Ce qu’il faut faire :

• Décrivez une seule scène continue. Dites-le dès les premiers mots (« one continuous ultra-wide panoramic photograph, a single unbroken scene from edge to edge ») et laissez un décor unique remplir la largeur au lieu de placer des repères distincts à chaque extrémité.
• Vérifiez chaque résultat large en pleine taille pour repérer des raccords verticaux ou un changement soudain d’éclairage avant de l’utiliser.
• Gardez les personnes petites ou au même endroit dans les cadres 8:1 et 4:1. Les personnes proches de la caméra ou réparties sur la largeur ont fait basculer nos essais ultérieurs vers le recollage.
• En 1:4 et 1:8, prenez un sujet lui-même haut (une silhouette debout, une tour, une cascade). Voir le guide panorama.

Tailles, vitesse et prix

Les paramètres, une ligne chacun :

• prompt : jusqu’à 5 000 caractères.
• aspect_ratio : 14 options de 1:1 à 8:1 et 1:8 ; 16:9 par défaut pour le texte vers image, auto pour la retouche.
• resolution : 1k (par défaut), 2k ou 4k.
• output_format : png (par défaut) ou jpeg. En 1k et 21:9, le JPEG pesait 307 Ko et le PNG environ 1,1 Mo.
• enable_web_search et enable_image_search : toutes deux désactivées par défaut.
• image_urls (retouche uniquement) : 1 à 14 images source.

Les tailles de sortie que nous avons mesurées :

Le temps modèle dans nos tests du 7 octobre était d’environ 10 à 35 secondes en 1k et 2k, et allait jusqu’à environ une minute en 4k.

La facturation se fait par image selon le niveau de taille (la 2k coûte plus que la 1k, la 4k plus que la 2k) ; le format d’image et le format de sortie ne changent pas le prix. Sur SpicyAPI, Nano Banana 2.1 démarre à un prix bien inférieur au tarif public de Google ; la page du modèle affiche les prix actuels. Chaque option de recherche ajoute des frais. Les refus sont gratuits ; une image atténuée est facturée comme n’importe quelle autre. Faites vos brouillons en 1k, puis relancez les images retenues en 2k ou 4k.

Jusqu’où va le contenu

Nano Banana 2.1 suit la politique de contenu de Google ; SpicyAPI n’ajoute aucun filtre propre. Le 7 octobre 2026, nous avons mené deux séries avec uniquement des sujets adultes et vérifié chaque image à l’œil : une première série de prompts texte vers image en 3:4 et 1k, puis six types d’essais lancés trois fois chacun en texte vers image et en retouche, aux réglages par défaut. Le tableau montre le second ensemble.

En texte vers image, le palier L1 est vraiment utilisable pour la mode, les maillots de bain et les images de style boudoir. Ces trois images viennent de notre première série :

Texte vers image, 3:4, 1k. Les trois prompts L1 Suggestif, chacun rendu comme demandé.

Au-delà de L1, le texte vers image ne refuse généralement pas : il change l’image. Dans notre première série, dix demandes de L2 à L4 (deux essais chacune de cinq prompts) sont toutes allées au bout, ont été facturées et sont revenues avec une image habillée : la femme en pull oversize ou en cardigan et jean, l’homme en T-shirt et jean, la scène de douche enveloppée dans une serviette, le couple qui se blottit sous les draps. Dans le second ensemble, un essai L2 a été refusé net, et la contrainte et le gore l’ont été à chaque fois. Pour une image atténuée, la seule façon de le savoir est de la regarder.

Première série, ce qui est revenu pour les demandes en L2 et L3 : chacune est allée au bout et a été facturée, et rien dans la réponse n’indique qu’elle a été modifiée. Le résultat L4 est décrit plus haut et n’est pas montré.

La retouche, appliquée à nos propres photos source habillées, refuse davantage. Remplacer une robe par de la lingerie et les deux retouches visant à retirer des vêtements de notre première série ont été refusés avec « Content flagged as potentially sensitive », tout comme les essais L3, L4 et contrainte du second ensemble. Deux types de demandes sont passés : les retouches L2 sont revenues terminées et facturées, mais avec la personne rhabillée d’un pull ou d’une chemise, et le gore cinématographique a été rendu comme demandé. Une retouche vers une robe de soirée dos nu est aussi passée ; l’exemple de l’opéra ci-dessus est une retouche de ce type.

Ce que cela signifie en pratique :

• Une image atténuée est l’échec silencieux. La tâche indique terminée et vous payez, en texte vers image comme pour les retouches L2 ; examinez donc chaque sortie avant qu’elle n’atteigne un client ou un fil.
• Les refus sont visibles et gratuits. Sur les deux tâches, ils reviennent en échec avec « Content flagged as potentially sensitive » après environ 70 à 90 secondes, et ne sont pas facturés.
• Aucun réglage n’y change rien. Aucun paramètre public ne pilote le contenu, et Nano Banana 2 et Pro ont le même éditeur ; notre précédent test de contenu sur Nano Banana 2 explique comment ils ont traité des demandes similaires.

Quel modèle choisir ?

Le 7 octobre 2026, nous avons fait passer Nano Banana 2.1 par notre propre test à l’aveugle, avec les mêmes questions et les mêmes ancres de référence que nos précédentes séries d’images ; trois juges IA de constructeurs différents ont noté les images à l’aveugle.

Les sous-scores de Nano Banana 2.1 étaient de 76,7 pour le respect du prompt (14 questions), 77,8 pour la qualité d’image (14) et 65,9 pour la cohérence des retouches (6 questions de retouche). Là où il a glissé : il a dessiné six ballons quand on en demandait cinq et sept convives quand on en demandait six, et en retouche il a remplacé l’arrière-plan par une rue de nuit sur une tâche de rééclairage et rapproché la caméra sur une tâche de chute de neige. Les deux questions de texte ont été bien orthographiées ; nous ne publions pas de sous-score de texte parce que le test comptait moins de six questions de texte. Si un compte exact compte pour vous, vérifiez-le, et en retouche dites explicitement que l’arrière-plan et le cadrage doivent rester identiques.

Le tableau combine ces chiffres avec nos essais pratiques.

Nano Banana 2.1 contre Nano Banana 2. Google décrit 2.1 comme une mise à jour directe, et notre test à l’aveugle va dans le même sens (75,6 contre 70,3). Démarrez les nouveaux travaux sur 2.1 ; restez sur Nano Banana 2 si vous comptez sur son niveau de brouillon 0.5k ou si vous ne voulez pas encore retester une chaîne qui fonctionne.

Nano Banana 2.1 contre Nano Banana Pro. Google appelle 2.1 le pendant plus efficace de Pro, et il a obtenu un score un peu plus élevé à notre test à l’aveugle (mesuré à deux jours d’écart). L’écart est faible : si vous avez des prompts Pro auxquels vous faites confiance, passez-les dans 2.1 et comparez avant de changer.

Pour le travail destiné aux adultes, choisissez une autre base. Nano Banana 2.1 convient au côté habillé et public d’un projet : affiches promotionnelles, fiches de personnage, scènes de produit, mode de niveau lingerie. À partir de L2, ouvrez le catalogue de modèles SpicyAPI, filtrez par politique de contenu et choisissez une famille d’images sans censure selon la tâche. Ne travaillez qu’avec des adultes fictifs ou des adultes qui ont donné leur accord.

FAQ

Nano Banana 2.1 est-il sans censure ?

Non. Il suit la politique de contenu de Google. Dans nos tests du 7 octobre 2026, le texte vers image a rendu les images L1 Suggestif, atténué le plus souvent L2 à L4 (un essai L2 a été refusé) et refusé la contrainte et le gore. La retouche a refusé la plupart des demandes pour adultes, rhabillé les demandes L2 et rendu du gore cinématographique.

Pourquoi ai-je reçu une image habillée au lieu d’une erreur ?

Le texte vers image termine généralement les demandes qui dépassent la limite de Google avec une image atténuée et sans message de refus, facturée comme n’importe quelle autre image ; la retouche a fait de même avec les demandes L2. Vérifiez chaque résultat à l’œil.

Suis-je facturé quand Nano Banana 2.1 refuse une demande ?

Non. Les refus, sur l’une ou l’autre tâche, reviennent en échec avec « Content flagged as potentially sensitive », généralement après environ 70 à 90 secondes, et ne sont pas facturés. Une demande que le modèle atténue est facturée, car elle renvoie tout de même une image.

Combien d’images de référence puis-je utiliser dans une retouche ?

Entre 1 et 14, dans image_urls, dans l’ordre où votre prompt s’y réfère. Google dit qu’il garde cohérents jusqu’à 4 personnages et jusqu’à 10 objets ; dans notre test à trois sources, le visage et les détails de la veste ont été conservés.

Quand activer la recherche web ?

Quand l’image dépend d’informations actuelles. Avec enable_web_search activé, notre affiche de prévisions pour Tokyo a imprimé la bonne date ; sans elle, le modèle en a inventé une. Chaque option de recherche ajoute des frais par requête.

Quelle résolution utiliser ?

Faites vos brouillons en 1k, puis relancez les images retenues en 2k ou 4k. Chaque palier supérieur coûte plus cher, et le temps modèle était d’environ 10 à 35 secondes en 1k et 2k contre jusqu’à environ une minute en 4k.