Nano Banana Pro prend-il en charge le paramètre Seed ? 1 réponse claire + 4 alternatives cohérentes

« J'ai transmis un seed à Nano Banana Pro et j'ai reçu une erreur : Invalid value at 'generation_config.seed' (TYPE_INT32). Est-ce qu'il prend vraiment en charge le seed ? » — C'est l'une des questions les plus fréquentes dans la communauté API d'images Gemini en 2026.

Commençons par la conclusion : Nano Banana Pro (gemini-3-pro-image-preview) ne prend pas en charge le paramètre seed. Ce n'est ni un bug du SDK, ni une erreur de nommage, mais simplement le fait que Google n'a pas ouvert de mécanisme de reproductibilité basé sur un seed pour ce modèle. L'erreur TYPE_INT32 que vous voyez est, par définition, une erreur de validation de paramètres renvoyée par le backend de Google lorsqu'un champ n'est pas accepté par le modèle.

Cet article se base sur la documentation officielle et les retours de la communauté pour clarifier trois points : pourquoi Nano Banana Pro n'a pas de seed, ce que signifie réellement ce message d'erreur, et comment assurer la cohérence des images sans seed. Toutes les conclusions ici sont basées sur des sources primaires en anglais pour éviter toute confusion.

Nano Banana Pro et le paramètre Seed : la position officielle

Revenons d'abord aux faits qui intéressent le plus les utilisateurs.

Position officielle

• Nano Banana Pro = gemini-3-pro-image-preview, le modèle d'image de la gamme Gemini 3 Pro de Google DeepMind.
• En avril 2026, la documentation officielle de l'API pour la génération d'images ne liste que les paramètres suivants :
  • aspect_ratio : 9 ratios (1:1, 16:9, 21:9, etc.)
  • resolution : 1K / 2K / 4K
  • response_modalities : texte / image / mixte
  • reference images : entrée d'image de référence
• Le seed, random_seed ou tout champ équivalent ne figure pas dans cette liste.

Pourquoi ce n'est pas "juste une fonctionnalité non implémentée"

Contrairement à Flux ou Stable Diffusion, qui sont des modèles de diffusion, Nano Banana Pro repose sur l'architecture Gemini autorégressive de Google. L'origine de la nature aléatoire de ces modèles diffère totalement des modèles de diffusion :

• Modèles de diffusion : seed fixe → bruit initial fixe → étapes d'échantillonnage identiques → reproductibilité précise ;
• Modèles autorégressifs : échantillonnage jeton par jeton, la part d'aléa provient de décisions d'échantillonnage comme top-k / top-p / température, et il n'existe pas de "graine" unique pour verrouiller toute l'image.

Ainsi, l'absence de seed dans Nano Banana Pro n'est pas un oubli, mais une incapacité de l'architecture elle-même à supporter ce type de sémantique reproductible.

🎯 Conseil pour éviter les malentendus : Soyez vigilant si une interface tierce prétend prendre en charge le paramètre seed pour Nano Banana Pro — il ne s'agit généralement que d'un champ réservé ajouté au niveau du service proxy API, sans aucun effet de reproductibilité sur le modèle réel de Google. Lorsque vous invoquez Nano Banana Pro via APIYI (apiyi.com), il est recommandé d'ignorer le champ seed et d'utiliser les 4 méthodes officielles décrites plus loin pour assurer la cohérence.

Que signifie réellement l'erreur "Invalid value at 'generation_config.seed' (TYPE_INT32)" ?

Voici l'erreur rapportée par l'utilisateur :

[&{{Invalid value at 'generation_config.seed' (TYPE_INT32),
   230718326286594 (request id: 2026041422181323975211237876978)
   v_api_biz_error 400} 400 }]

Il y a deux niveaux de lecture à décortiquer ici.

Premier niveau : le sens littéral

• 400 Bad Request : la validation des paramètres a échoué ;
• TYPE_INT32 : le serveur s'attend à ce que le champ seed soit un int32 ;
• La valeur 230718326286594 que vous avez transmise est un entier proche de 48 bits, ce qui dépasse largement la valeur maximale d'un int32 (soit 2 147 483 647).

Littéralement, le serveur vous dit : "J'essaie d'analyser cette valeur de seed en tant qu'int32, mais elle provoque un dépassement de capacité (overflow)."

Second niveau : la cause réelle (plus importante)

Ne vous laissez pas tromper par le sens littéral. Même si vous réduisez la valeur de la seed dans la plage int32 (par exemple 12345), vous recevrez toujours une erreur 400. Le message pourrait simplement changer pour Unknown field ou generation_config.seed is not supported for this model. Cela signifie que :

• Pour le modèle Nano Banana Pro, generation_config.seed est un champ non pris en charge ;
• Dans le processus de validation des champs inconnus, le serveur Google effectue d'abord une vérification de type basée sur le schéma proto connu. Comme seed est déclaré en tant qu'int32 dans le proto général GenerationConfig de Gemini, il renvoie l'erreur TYPE_INT32 en priorité ;
• Le vrai problème n'est pas la valeur numérique, mais le fait que le modèle ne devrait tout simplement pas recevoir ce champ.

Comparaison avec d'autres modèles

• Modèles textuels Gemini (Gemini 2.5 Pro / Flash) : le support de la seed par le SDK a été fluctuant ; certaines versions ne l'avaient définie que dans le proto sous-jacent sans l'exposer dans le SDK ;
• Certains modèles Vertex AI : la seed a été officiellement ouverte en tant que paramètre d'échantillonnage reproductible ;
• Nano Banana Pro / Nano Banana 2 (modèles d'image) : ne prennent explicitement pas en charge la seed, quelle que soit la méthode d'injection.

Pas de Seed ? Voici 4 alternatives pour assurer la cohérence

Bien qu'il soit impossible d'utiliser une seed pour verrouiller le caractère aléatoire, la cohérence visuelle (même personnage / même scène / même style) peut être obtenue via les mécanismes officiellement pris en charge par Nano Banana Pro.

Solution 1 : Images de référence (Reference Images)

C'est la méthode la plus directe et la plus efficace :

• Ajoutez 1 à 3 images de référence du même personnage / objet / scène dans votre invite ;
• L'architecture autorégressive de Nano Banana Pro exploite très bien ces images pour une "génération sur le même thème" ;
• Idéal pour : bandes dessinées, fiches de personnages, visuels de produits en série.

Solution 2 : Invites structurées pour verrouiller les caractéristiques clés

"Verrouillez" le caractère aléatoire directement dans votre invite :

• Listez les caractéristiques visuelles détaillées (couleur des cheveux, des yeux, vêtements, composition, éclairage) ;
• Utilisez des mots-clés de style cohérents (ex: cinematic photo, 35mm, soft rim light) ;
• Utilisez des descriptions négatives pour exclure les dérives.

Solution 3 : Génération par lots + sélection manuelle

Puisque le caractère aléatoire n'est pas reproductible, utilisez la "quantité pour garantir la cohérence" :

• Générez 4 à 8 images à la fois ;
• Sélectionnez manuellement celle qui correspond le mieux à votre base ;
• Utilisez cette image comme référence pour les générations suivantes.

Solution 4 : Post-traitement et alignement (PS / AE / Gestion des couleurs)

Pour une production commerciale :

• Utilisez des outils de correspondance de couleurs (LUT / courbes) pour uniformiser les tons ;
• Utilisez le remplissage génératif de Photoshop pour des retouches locales ;
• Appliquez un traitement par calques pour les zones critiques du portrait (visage, mains).

🎯 Conseil pratique pour la cohérence : La solution vraiment stable est la combinaison "image de référence + invite structurée". L'avantage d'APIYI (apiyi.com), qui permet de lancer plusieurs requêtes parallèles sans limite de concurrence, prend tout son sens dans ce scénario de "quantité pour la cohérence", réduisant considérablement le temps total entre la génération et la sélection finale.

Tableau de référence rapide des paramètres officiels et des champs d'erreur

Démarrage rapide : comment éviter les erreurs de Seed

Exemple Python (compatible OpenAI + service proxy API APIYI)

from openai import OpenAI

client = OpenAI(
    base_url="https://api.apiyi.com/v1",
    api_key="VOTRE_CLE_API",
)

# ✅ Correct : sans seed, on utilise l'invite + l'image de référence pour la cohérence faciale
resp = client.images.generate(
    model="nano-banana-pro",
    prompt=(
        "Une jeune femme aux cheveux argentés et aux yeux bleus, "
        "portant un manteau rouge, photo cinématographique, 35mm, lumière douce"
    ),
    size="2048x2048",
    n=4,                      # 4 images à la fois, pour une sélection manuelle
)
for i, img in enumerate(resp.data):
    print(f"Image {i}: {img.url}")

# Note : Nano Banana Pro supporte officiellement les images de référence, 
# mais l'interface Images du SDK OpenAI nécessite d'utiliser la structure 
# multimodal de /chat/completions pour les scénarios d'image de référence natifs.
# Pseudo-code illustrant l'approche :

messages = [
    {"role": "user", "content": [
        {"type": "image_url", "image_url": {"url": "https://.../ref1.jpg"}},
        {"type": "image_url", "image_url": {"url": "https://.../ref2.jpg"}},
        {"type": "text", "text": "Garder la cohérence faciale du personnage, changer pour une scène de bord de mer au petit matin"},
    ]}
]
# Appeler le point de terminaison avec sortie d'image, aligné avec le multimodal natif de Nano Banana Pro

Exemple d'erreur (déclenche une erreur 400)

# ❌ Ce code provoquera une erreur TYPE_INT32 / Invalid value
resp = client.images.generate(
    model="nano-banana-pro",
    prompt="un corgi mignon",
    extra_body={"generation_config": {"seed": 230718326286594}},
)
# → 400 Invalid value at 'generation_config.seed' (TYPE_INT32)

🎯 Conseil de migration : Lors de la migration depuis des modèles de diffusion (Flux / SDXL / Imagen 3) vers Nano Banana Pro, assurez-vous de supprimer complètement le champ seed de votre ancien code. Si votre application nécessite une fonction de "reproductibilité", conservez Flux comme canal de secours. Grâce à APIYI (apiyi.com), vous pouvez faire coexister plusieurs modèles sous un même compte, sans avoir à gérer plusieurs comptes.

3 suggestions pour gérer les erreurs liées au seed

Suggestion 1 : Supprimer le champ seed

La solution la plus simple : supprimez toutes les occurrences de seed, generation_config.seed ou random_seed dans votre code. C'est la seule façon de faire fonctionner Nano Banana Pro correctement.

Suggestion 2 : Créer une couche de compatibilité

Si votre code doit prendre en charge à la fois Flux / SDXL (qui acceptent le seed) et Nano Banana Pro (qui ne l'accepte pas), vous pouvez implémenter une détection du modèle côté client :

def build_params(model, prompt, seed=None):
    params = {"model": model, "prompt": prompt}
    # Si le seed est défini et que le modèle supporte cette option
    if seed is not None and model.startswith(("flux", "sdxl", "imagen")):
        params["seed"] = seed
    # Nano Banana Pro / Nano Banana 2 ignorent automatiquement le seed
    return params

Suggestion 3 : Enregistrer le request_id au niveau métier pour le suivi

L'absence de seed ne signifie pas qu'il est impossible de gérer le versionnage. Conservez le request_id + prompt + hash de l'image de référence pour chaque invocation. Cela permet au moins de retracer "comment l'image a été générée", même si la reproductibilité exacte n'est pas garantie.

FAQ : Questions fréquentes

Q1 : Pourquoi les résultats diffèrent-ils à chaque fois avec le même prompt ?

Parce que l'échantillonnage autorégressif de Nano Banana Pro comporte une part d'aléa, sans point d'entrée pour la reproductibilité. Ce n'est pas un bug, c'est un choix architectural. Pour plus de stabilité, utilisez une combinaison d'image de référence et de prompts structurés.

Q2 : J'obtiens la même erreur avec Nano Banana 2, est-ce qu'il ne le supporte pas non plus ?

Exactement. Nano Banana 2 (gemini-3.1-flash-image-preview) ne supporte pas non plus le seed, car il partage la même architecture que Nano Banana Pro, avec seulement des différences de vitesse et de positionnement.

Q3 : Des tiers prétendent "ajouter le support du seed pour Nano Banana Pro", est-ce vrai ?

Il s'agit très probablement d'une implémentation factice au niveau du service proxy API : ils acceptent votre seed lors de l'appel, mais ne le transmettent pas à Google (car cela provoquerait une erreur). Cela n'a aucun effet sur la reproductibilité réelle de l'image. Si vous souhaitez une transparence totale sur les paramètres transmis à Google, privilégiez des plateformes comme APIYI (apiyi.com).

Q4 : Le modèle équivalent sur Vertex AI supporte-t-il le seed ?

À l'heure où nous écrivons ces lignes (avril 2026), l'interface de génération d'images gemini-3-pro-image de la documentation Vertex AI ne propose pas non plus de paramètre seed public. Certains autres modèles Gemini sur Vertex AI supportent le seed, mais ils ne sont pas interchangeables entre les modèles.

Q5 : Pourquoi le paramètre temperature ne fonctionne-t-il pas non plus ?

Parce que la temperature est principalement utilisée pour l'échantillonnage des jetons dans les grands modèles de langage. Nano Banana Pro est un point de terminaison de génération d'images ; le chemin d'échantillonnage de l'image n'est pas directement lié à la temperature, qui peut donc être ignorée ou provoquer une erreur 400.

Q6 : Existe-t-il un moyen de "verrouiller le style" sur plusieurs générations ?

Oui. Voici le trio gagnant : (a) utiliser une "image d'ancrage" comme référence ; (b) fixer un ensemble de mots-clés dans vos modèles de prompt ; (c) constituer une bibliothèque d'images de référence avec les meilleurs résultats obtenus. Plus vous l'utilisez, plus le résultat sera stable. Grâce à la capacité de concurrence illimitée d'APIYI (apiyi.com), vous pouvez générer 4 à 8 variantes en une seule fois pour sélectionner votre image d'ancrage, ce qui réduit considérablement le temps nécessaire pour ajuster la cohérence.

Résumé : La vérité architecturale derrière l'erreur de Seed

Revenons à la question initiale : "Nano Banana Pro prend-il en charge le paramètre Seed ?", la réponse est clairement non.

• Erreur littérale : Invalid value at 'generation_config.seed' (TYPE_INT32) n'est qu'une manifestation de la validation des paramètres côté serveur.
• Cause fondamentale : Nano Banana Pro repose sur une architecture Gemini autorégressive ; par conception, il ne possède pas de point d'entrée pour le seed.
• Alternatives reproductibles : Image de référence + invite structurée + filtrage par lots + post-traitement.
• Conseils d'ingénierie : Supprimez tous les champs seed, créez une couche de compatibilité consciente du modèle et utilisez request_id pour la traçabilité.

Nano Banana 2 ne le prend pas non plus en charge, inutile d'insister : pour les workflows dépendant du seed, conservez des modèles de diffusion (Flux / SDXL / Imagen 3) comme alternatives.

🎯 Conseil de mise en œuvre : Sur la plateforme APIYI apiyi.com, un seul compte permet d'invoquer en parallèle Nano Banana Pro (sans seed, pour la production principale) et Flux / Imagen 3 (avec seed, pour la reproductibilité). Avec des promotions allant jusqu'à -15 % et une concurrence illimitée, c'est l'outil idéal pour les workflows nécessitant de générer plusieurs images pour garantir la cohérence. Nettoyez dès aujourd'hui le seed de votre code, remplacez-le par une image de référence et une invite structurée, et vous découvrirez immédiatement la véritable puissance de Nano Banana Pro.

— Équipe APIYI (APIYI apiyi.com Technical Team)