Dernières actualités
Préparer les UV Lightmap dans Unreal Engine : guide pas à pas pour un bake propreGuide de l’outil Phasing de Twinmotion : affichez les étapes du projet sur une chronologieAligner les caméras 3DGS dans RealityScan et exporter vers D5 RenderCréer des vidéos d’architecture avec Gemini Omni Flash : 5 prompts et méthodeGuide Take Recorder dans Unreal Engine : enregistrer caméra et animationsRendu SketchUp dans Enscape : guide qualité, résolution et exportCréer des visuels d’architecture avec Nano Banana 2.1 : 5 prompts et workflowRhino 8 : guide pour appliquer des objets sur des courbes et des surfacesRendu d’intérieur avec Blender Cycles : régler les rebonds lumineux et le bruitToNURBS dans Rhino 8 : convertir des modèles Mesh et SubD en NURBS
TutorielsGoogleNano Banana 2Nano Banana 2.1

Créer des visuels d’architecture avec Nano Banana 2.1 : 5 prompts et workflow

La documentation de l’API Gemini de Google explique comment générer des images avec Nano Banana 2.1 et modifier des visuels existants à l’aide de texte. Ce guide rassemble des exemples de prompts adaptés aux workflows d’architecture et d’aménagement intérieur.

Visualisation d’un salon contemporain avec parquet en chêne clair, baigné d’une douce lumière naturelleImage IA
Image d’illustration générée par IA.Image : 3dsınıfı / FCA AI

En bref

  1. Nano Banana 2.1 prend en charge la génération d’images et leur retouche par conversation dans l’API Gemini.
  2. La documentation de l’API propose des exemples en Python, JavaScript, Java, Go et REST.
  3. Pour retoucher une image en entrée, vous devez disposer des droits nécessaires sur l’image importée.
  4. Google indique que toutes les images générées comportent un filigrane SynthID.

Ce que vous allez apprendre dans ce guide

Nous verrons comment structurer un prompt pour générer des visuels de concepts architecturaux et des idées d’aménagement intérieur avec Nano Banana 2.1, comment modifier une image existante à l’aide d’instructions textuelles et comment améliorer les résultats. Les exemples mettent l’accent sur la description claire du type d’espace, des matériaux, de la lumière, du cadrage et des choix de conception à préserver. Ils ne garantissent pas que le résultat généré sera automatiquement conforme à un dessin ou à un fichier de projet précis ; les images doivent être considérées comme des outils d’exploration d’idées, en phase de conception et avant présentation.

Dans la documentation de l’API Gemini de Google, Nano Banana 2.1 est présenté pour la génération d’images à partir de texte et leur retouche à l’aide d’une entrée combinant texte et image. Le choix du modèle et l’envoi de l’entrée via l’API sont documentés. Le guide de conception des prompts recommande de formuler des instructions et des contraintes claires, de préciser le format de sortie attendu, puis de procéder par essais et améliorations.

Prérequis et mise en route

Ce guide s’appuie sur l’utilisation de l’API Gemini. Les sources proposent des exemples d’envoi de requêtes en Python, JavaScript, Java, Go et REST. L’exemple Python utilise le client Google GenAI ; l’exemple REST montre comment ajouter la clé API à l’en-tête de la requête. La documentation ne précise aucune version de SDK ni aucun forfait de compte obligatoire. Elle ne permet pas non plus de déduire un tarif ou des conditions d’accès précis.

Avant de commencer, vérifiez les droits d’utilisation de l’image et de toute photo de référence éventuelle. Google rappelle qu’il faut disposer des droits nécessaires sur les images importées et ne pas créer de contenu portant atteinte aux droits d’autrui. Si vous n’utilisez pas d’image en entrée, vous pouvez vous en tenir aux exemples de génération à partir de texte seul.

Le choix du modèle doit également dépendre de l’usage prévu. La documentation présente Nano Banana 2.1 comme un modèle efficace recommandé pour les nouveaux projets. Nano Banana 2 Lite est proposé lorsque la vitesse et le coût sont prioritaires ; il est toutefois indiqué qu’il n’est pas optimisé pour plusieurs images de référence ni pour des retouches successives en plusieurs tours. Nano Banana Pro figure séparément parmi les options pour les tâches visuelles plus complexes. Les prompts de ce guide sont rédigés pour Nano Banana 2.1.

Étape par étape : prompts d’architecture

Utilisez les prompts comme entrée textuelle de la requête API. Testez chaque exemple séparément, puis obtenez un nouveau résultat en ne modifiant que les caractéristiques que vous souhaitez changer. Vous pourrez ainsi mieux observer l’effet des variations de matériau, de lumière ou de cadrage.

1. Créer un visuel de concept extérieur

Commencez par décrire le type de bâtiment, son environnement, ses matériaux principaux et l’atmosphère de l’image. Précisez des choix visuels concrets plutôt que d’accumuler des adjectifs contradictoires.

Prompt
Kıyı kenarında, tek katlı çağdaş bir kültür yapısının mimari konsept görselini oluştur. Açık renkli taş cephe, geniş cam yüzeyler ve sade yatay kütleler kullan. Öğleden sonra yumuşak gün ışığı olsun; yapıyı yaya seviyesinden, çevresindeki peyzajla birlikte göster. Görselde yazı veya tabela bulunmasın.

Cet exemple précise dans une seule requête le type de bâtiment, les matériaux, la lumière et le point de vue. Si le volume ou l’environnement ne correspond pas à vos attentes dans le premier résultat, modifiez explicitement la caractéristique concernée plutôt que de réécrire tout le prompt.

2. Définir l’atmosphère d’un intérieur

Pour un visuel d’intérieur, préciser le type de pièce et les matériaux principaux, mais aussi la direction de la lumière et le cadrage, rend la demande plus claire.

Prompt
Sade bir konut salonu için fotogerçekçi bir iç mekân konsept görseli üret. Açık meşe zemin, kırık beyaz duvarlar ve doğal dokulu keten oturma elemanları kullan. Büyük pencereden gelen sabah ışığını göster; kamerayı oda girişine yakın, göz hizasında konumlandır. Mobilyaları seyrek tut ve duvarlarda yazı kullanma.

Les choix de matériaux et d’éclairage proposés ici sont donnés à titre d’exemple. Si la palette de couleurs ou les produits sont déjà définis pour un projet réel, ajoutez ces éléments au prompt ; ne présumez pas que les détails d’un produit ou d’une mise en œuvre précise seront générés correctement.

3. Travailler le cadrage et le langage visuel

Pour explorer différents cadrages en vue d’une présentation, conservez la description principale du projet et modifiez celle de la caméra. Comme le recommande le guide de conception des prompts, formulez des instructions précises et des contraintes compréhensibles.

Prompt
Çağdaş bir kütüphane iç mekânını mimari görselleştirme olarak üret. Ahşap raflar, açık renkli taş zemin ve tavandan süzülen doğal ışık kullan. Geniş açıya yakın, simetrik bir bakışla merkezdeki okuma alanını göster. İnsan figürü ekleme; görselde harf, başlık veya işaret bulunmasın.

Ce prompt décrit le sujet de la scène, les matériaux et le cadrage. Si l’image n’est pas symétrique, ne considérez pas automatiquement le résultat comme un défaut définitif : simplifiez les instructions et réessayez. Les images génératives s’améliorent par itérations.

4. Retoucher une image de référence

La documentation de l’API Gemini présente également un workflow de retouche d’image où des données visuelles sont envoyées avec du texte. Vous pouvez, par exemple, vouloir modifier uniquement l’ambiance colorée d’une image d’intérieur existante.

Prompt
Bu iç mekân görselinin oda düzenini ve kamera bakışını koru. Duvarları daha sıcak, açık tonlu bir renge dönüştür; gün ışığını yumuşak ve dengeli göster. Mobilyaların yerini değiştirme ve yeni dekoratif nesneler ekleme.

Utilisez cette instruction avec une image en entrée. La documentation explique qu’une image peut être ajoutée à la même requête que l’entrée textuelle et que l’image finale générée peut être récupérée en sortie. Comme rien ne garantit que chaque élément de la composition sera préservé dans tous les cas, vérifiez le résultat.

5. Améliorer le résultat avec des contraintes et des objectifs

Repérez le problème dans le premier résultat : matériau, lumière, caméra ou objets superflus ? Dans le prompt suivant, indiquez directement le point à corriger et précisez également les éléments à préserver.

Prompt
Aynı çağdaş konut salonu konseptini yeniden üret. Açık meşe zemin ve kırık beyaz duvarları koru; pencere ışığını daha yumuşak göster ve kadrajda pencereyi daha belirgin hale getir. Ek mobilya, dekoratif yazı veya logo ekleme.

À lui seul, cet exemple ne garantit pas que l’image précédente sera automatiquement transmise au modèle. Si vous devez ajouter le résultat précédent à la nouvelle requête comme image en entrée, utilisez le workflow de retouche d’image de l’API. L’envoi conjoint du texte et de l’image permet d’expliquer l’intention de retouche, mais il faut malgré tout évaluer visuellement la conformité du résultat aux choix de conception.

Erreurs courantes

Rédiger des instructions vagues : des adjectifs généraux comme beau, moderne ou impressionnant ne décrivent pas clairement l’apparence souhaitée pour l’espace. Précisez séparément le type de pièce ou de bâtiment, les matériaux, la lumière et le cadrage.

Accumuler trop d’objectifs dans un seul prompt : des attentes incompatibles en matière d’atmosphère, de matériaux ou de cadrage compliquent l’évaluation du résultat. Commencez par le concept principal, puis testez les modifications par petites étapes.

Considérer l’image de référence comme automatiquement utilisable : utiliser une image en entrée ne vous dégage pas de la responsabilité de disposer des droits nécessaires sur l’image source. Vérifiez-les avant de l’importer.

Utiliser la génération à la place d’une validation technique : les sources décrivent des capacités de génération et de retouche d’images ; elles ne promettent pas de vérifier les dimensions architecturales, les fichiers de projet ou la conformité technique. Ne substituez pas ces images aux décisions de conception ni à la documentation du projet.

Étapes suivantes et effets sur le workflow

Pour les architectes, les architectes d’intérieur et les équipes de visualisation, cette approche permet d’intégrer au processus la recherche d’idées et l’exploration d’ambiances alternatives décrites en texte. Les équipes qui souhaitent discuter tôt de variantes de couleurs, de matériaux ou de lumière peuvent utiliser les prompts comme point de départ. Il ne faut toutefois pas supposer que les résultats correspondront exactement aux dessins, aux modèles ou aux produits réels : vérifiez-les avant présentation et soumettez-les à l’évaluation de l’équipe de conception.

L’utilisation de l’API et les conditions d’accès sont des aspects importants du workflow. La documentation fournit un exemple de requête envoyée avec une clé API, mais n’indique ni prix ni forfait de compte précis. Les équipes doivent donc vérifier leurs propres conditions d’accès et de coût avant de commencer. Google indique également que toutes les images générées comportent un filigrane SynthID ; tenez-en compte lors de la présentation et de l’utilisation des images. Les sources ne précisant aucun ordinateur ni aucune carte graphique requise, ce guide ne permet pas de formuler de recommandation matérielle particulière.

Pour votre prochain essai, choisissez un espace, gardez le même prompt et ne modifiez qu’une seule variable, puis comparez les résultats. La méthode itérative mise en avant par les ressources sur la conception de prompts aide à déterminer quelles descriptions traduisent le mieux le langage visuel recherché.

Sources et licence

Ce guide s’appuie sur les pages de Google AI for Developers consacrées à la génération et à la retouche d’images dans l’API Gemini, ainsi qu’aux stratégies de conception des prompts. Les deux sources sont sous licence CC BY 4.0 ; leur contenu a été adapté en turc et réorganisé autour d’exemples d’architecture et d’aménagement intérieur.

Sources

2 sources
A(
ai.google.dev (CC BY 4.0)ai.google.dev/gemini-api/docs/image-generation
Résumé
A(
ai.google.dev (CC BY 4.0)ai.google.dev/gemini-api/docs/prompting-strategies
Résumé

Les textes sources ne sont pas republiés ; les courtes citations sont signalées, le reste est notre propre résumé et commentaire.

L’avis de 3dsınıfı
3dL’analyse de la rédaction

Pour les équipes d’architecture et de visualisation en Turquie, cette approche peut notamment faciliter l’exploration rapide de variantes d’ambiance et de matériaux lors des premières phases de conception. Il est toutefois important de ne pas utiliser les images générées pour remplacer les dimensions, le choix des produits ou la validation du projet, et de faire vérifier les résultats par l’équipe de conception.

L’accès à l’API et son coût d’utilisation sont des points que les équipes doivent vérifier au préalable. Les sources ne précisant ni les tarifs ni les exigences matérielles particulières, il convient d’examiner les conditions d’accès à jour avant toute décision d’investissement. Le filigrane SynthID doit également être pris en compte dans le workflow de livraison et de présentation.

Questions fréquentes

De quoi a-t-on besoin pour générer des images d’architecture avec Nano Banana 2.1 ?

Selon la documentation de l’API Gemini de Google, les requêtes peuvent être envoyées via l’API. Des exemples sont disponibles en Python, JavaScript, Java, Go et REST. Les sources ne précisent aucune version de SDK ni aucun forfait de compte obligatoire.

Nano Banana 2.1 peut-il retoucher une image d’intérieur existante ?

La documentation de l’API Gemini décrit un workflow où texte et image sont envoyés ensemble afin d’ajouter ou de supprimer des éléments, de modifier le style ou d’ajuster les couleurs d’une image.

Les images générées avec Nano Banana comportent-elles un filigrane ?

D’après la documentation de Google, toutes les images générées comportent un filigrane SynthID.

Les commentaires et le forum sont en turc.Rejoindre la discussion
+

À lire aussi