La vision est devenue une interface conversationnelle. Au cours de la dernière année, Gemini de Google est passé de la description d'images statiques à l'interprétation de ce qu'une caméra voit en temps réel, transformant la vidéo en direct en quelque chose sur lequel on peut poser des questions, pas seulement regarder.
Ce changement apparaît désormais à deux endroits que les gens utilisent réellement au quotidien : le téléphone dans votre main et les caméras installées autour de votre domicile. Ensemble, ils annoncent un avenir proche où « Que suis-je en train de regarder ? » et « Que se passe-t-il là-bas ? » seront des requêtes vocales normales, répondues à partir d'un flux en direct.
De Project Astra à Gemini Live : le chemin vers la vision en temps réel
Google DeepMind a présenté Project Astra comme la branche de recherche derrière Gemini Live, spécifiquement autour de l'intégration du partage d'écran et de la compréhension vidéo. En termes pratiques, cela signifie que l'assistant n'est pas limité aux instantanés : il est conçu pour suivre une scène au fur et à mesure qu'elle se déroule et répondre à mesure que le contexte change.
Gemini Live a été positionné publiquement comme un moyen de « parler en direct avec Gemini de tout ce que vous voyez », que ce soit via la vue de votre caméra ou ce qui s'affiche sur l'écran de votre téléphone. La nuance importante est le « parler en direct » : le modèle est destiné à participer à un échange continu pendant que l'entrée visuelle reste active.
Cette orientation architecturale compte parce que la compréhension en direct introduit des défis que l'analyse d'une seule image n'a pas : le mouvement, l'éclairage changeant, l'occultation partielle et la nécessité de garder trace de ce à quoi l'utilisateur fait référence (« cette vis », « le fil rouge », « le panneau à gauche »). Gemini Live est la surface produit de Google pour rendre ces capacités de R&D utilisables.
Questions-réponses par vidéo en direct sur téléphone : ce que fait réellement Gemini Live
Au début de 2025, Gemini Live « Live Video » a été présenté en aperçu comme une fonctionnalité où vous pointez la caméra de votre téléphone sur quelque chose et posez des questions en vous basant sur ce que Gemini voit dans le flux en direct. Cela a été démontré comme une extension naturelle de l'assistance vocale : montrer, demander, clarifier et continuer.
Google a ensuite décrit l'expérience dans un article officiel comme une conversation en temps réel à propos de la vue de la caméra ou de l'écran du téléphone, donc ce n'est pas seulement de la reconnaissance d'objets, mais une assistance interactive. Samsung a repris le même concept dans sa propre annonce : les utilisateurs peuvent maintenir enfoncé un bouton latéral et « montrer à Gemini Live ce qu'ils voient » tout en parlant pour obtenir de l'aide en direct.
Dans l'usage quotidien, cela peut ressembler à du dépannage, de l'identification ou de l'orientation : vous gardez la caméra sur un appareil, un document ou un réglage déroutant, et posez des questions de suivi jusqu'à ce que vous compreniez quoi faire ensuite. L'essentiel est la continuité : Gemini peut répondre pendant que vous vous rapprochez, que vous pivotez vers la gauche ou que vous passez à un autre objet en plein échange.
Déploiement et disponibilité : des abonnés à un accès plus large
Le schéma de déploiement initial pour la caméra en direct et le partage d'écran penchait vers les niveaux payants. Des reportages autour de mars 2025 ont décrit la vidéo en direct plus le partage d'écran se déployant auprès des abonnés Gemini Advanced (utilisateurs du plan Google One AI Premium) à partir de la fin du mois.
Puis la disponibilité a évolué. À la mi-avril 2025, des reportages indiquaient que la caméra Gemini Live et le partage d'écran étaient devenus gratuits pour les utilisateurs Android, « maintenant tous les utilisateurs Android peuvent tester les outils gratuitement », abaissant la barrière pour l'expérimentation occasionnelle et accélérant les retours du terrain.
Lors de Google I/O 2025, le partage de caméra et le partage d'écran ont été annoncés comme devant arriver sur tous les appareils Android et iOS compatibles dans les semaines suivantes. Cela a élargi la cible de « fonctionnalité de démo premium » à « capacité principale de l'assistant », impliquant que Google considère la conversation visuelle en direct comme une attente standard sur toutes les plateformes.
iOS et accessibilité : la vue en direct comme compagnon pour comprendre son environnement
Sur iOS, une expérience « Live view » a été rapportée en mai 2025 qui permet aux utilisateurs de diffuser leur environnement à Gemini pour obtenir des retours sur ce qu'ils voient. Le cadrage mettait l'accent sur l'identification en temps réel, la correction et le contexte, moins « scannez ceci » et davantage « restez avec moi pendant que je navigue ici ».
Ces reportages ont également souligné un fort angle accessibilité, positionnant la diffusion de la caméra en direct comme utile pour les personnes aveugles ou malvoyantes via un flux descriptif vocal continu. La description en direct est la plus précieuse lorsqu'elle est réactive : pas seulement étiqueter des objets, mais répondre à des questions comme « Y a-t-il une place libre ? » ou « Quel bouton est le bouton d'alimentation ? »
L'implication plus large est que « Gemini décrit les flux de caméras en direct » n'est pas seulement une fonctionnalité de confort ; cela peut devenir une couche d'assistance qui s'adapte à l'environnement de l'utilisateur en temps réel. À mesure que la disponibilité s'étend sur iOS et Android, le défi de conception devient de fournir une assistance fiable et à faible latence sans submerger l'utilisateur par une narration constante.
De la description à l'assistance : des superpositions visuelles qui mettent en évidence l'essentiel
En août 2025, Google a décrit l'ajout par Gemini Live d'« indications visuelles à l'écran » lors de l'utilisation de la caméra, ce qui signifie qu'il peut mettre en évidence des éléments directement dans la vue tout en vous guidant à travers une tâche. Cela fait passer l'utilisation de la caméra en direct d'une explication purement verbale à une orientation visuelle coordonnée.
Des détails sur l'appareil et le calendrier ont également été précisés : on disait que l'assistance visuelle serait disponible sur la série Pixel 10 lorsque ces appareils seraient commercialisés le 28 août 2025, avec un déploiement vers d'autres appareils Android cette semaine-là et iOS dans les semaines suivantes. Cette séquence suggère que la fonctionnalité peut dépendre d'une intégration plus étroite matériel/logiciel ou d'un ajustement des performances.
Des reportages décrivaient des « superpositions visuelles » telles que des rectangles à bordure blanche autour des objets avec assombrissement de l'arrière-plan pour guider l'attention, utiles lorsque l'utilisateur demande « Quelle vis dois-je enlever ? » ou « Où est l'étiquette ? » Le modèle ne se contente pas de décrire ; il oriente le regard de l'utilisateur vers l'élément pertinent dans une scène encombrée.
« Live Search » pour Google Home : Gemini arrive dans la maison connectée
Début mars 2026, Google Home a ajouté une fonctionnalité Gemini décrite comme un « ‘Live Search’ alimenté par Gemini pour les caméras », capable de décrire et de répondre à des questions sur des flux de caméra en direct. L'argument est simple : vous demandez ce que vous voulez savoir, et Gemini interprète ce que la caméra montre actuellement.
Les exemples de requêtes rapportés sont très concrets : s'il y a une voiture dans l'allée ou s'il y a un colis sur le porche. C'est notable car cela requalifie les caméras domestiques, passant d'enregistrements/alertes passifs à un système interactif où vous pouvez interroger la scène à la demande.
En pratique, c'est le même paradigme « montrer et demander » que Gemini Live sur téléphone, mais la caméra est fixe et persistante. Au lieu de pointer votre téléphone, vous interrogez un flux en direct d'une sonnette ou d'une caméra extérieure, ce qui introduit de nouvelles attentes en matière de précision, de rapidité et de réponses claires lorsque la vue est obstruée ou que l'éclairage est mauvais.
Tarification, forfaits et limites produit de l'intelligence caméra en direct
L'accès aux descriptions de flux de caméra de Google Home alimentées par Gemini a été rapporté comme étant conditionné à un abonnement spécifique : « Google Home Premium Advanced ». Le prix affiché était de 20 $/mois ou 200 $/an, signalant que la compréhension permanente et domestique des caméras est traitée comme une capacité premium.
Cela crée aussi une séparation entre les contextes. Sur les téléphones, les conversations par caméra en direct ont été rapportées comme largement disponibles (y compris l'accès gratuit pour Android), tandis que l'interrogation des caméras domestiques semble monétisée à un niveau supérieur. Cette différence peut refléter des coûts d'infrastructure, des préoccupations de responsabilité ou la valeur ajoutée d'une interprétation persistante des caméras de sécurité.
Pour les acheteurs, la conclusion pratique est que « Gemini décrit les flux de caméras en direct » peut signifier des choses différentes selon l'endroit où vous l'utilisez. L'expérience sur smartphone peut être une fonctionnalité d'assistant à usage général, tandis que la version pour la maison connectée est positionnée comme une mise à niveau payante qui transforme les réseaux de caméras en systèmes interrogeables et répondant aux questions.
Comment les gens l'utilisent : le flux de travail le plus simple (et pourquoi c'est important)
Les reportages décrivant l'expérience utilisateur présentent un flux simple : ouvrez Gemini Live, appuyez sur l'icône caméra et posez des questions sur ce qui est visible ; vous pouvez aussi partager votre écran complet pour le contexte sur l'appareil. Cette simplicité est essentielle : l'IA visuelle en direct ne devient habituelle que si elle est plus rapide que de changer d'application ou de taper.
En pratique, le flux de travail encourage les questions itératives. Vous pourriez commencer par « Comment s'appelle cette pièce ? », puis demander « Dans quel sens ça tourne ? », puis « Est-ce la bonne taille ? » La valeur du modèle augmente lorsqu'il peut traiter des questions de suivi sans que vous ayez à réexpliquer la situation.
Pour les organisations, les mises à jour de Google Workspace ont également listé explicitement le partage de caméra/écran comme une capacité de Gemini Live et ont référencé des détails de politique/rétention pour les comptes professionnels et scolaires. Cela indique que la fonctionnalité n'est pas seulement orientée consommateur ; elle est pensée pour des environnements gérés où la gouvernance, l'audit et la gestion des données doivent être spécifiés.
Les descriptions de flux caméra en direct de Gemini évoluent de la nouveauté à l'utilité : d'abord sur les téléphones comme assistant visuel conversationnel, puis comme superpositions guidées qui montrent précisément ce qui compte, et maintenant dans les maisons connectées où les caméras deviennent des éléments que l'on peut « rechercher » par des questions.
Le prochain chapitre sera défini par la confiance et la clarté, par la qualité des explications de Gemini sur son degré d'incertitude, par la manière dont il gère les environnements sensibles et par la cohérence de ses performances sur différents appareils et flux. Mais l'orientation est claire : la vidéo en direct devient une entrée de premier plan pour l'assistant, et poser des questions sur ce qu'une caméra voit devient aussi normal que de demander la météo.
