Gemini 3.5 Live Translate : fonctionnement et tarifs

Parler avec quelqu’un sans langue commune implique habituellement de s’interrompre, d’attendre son téléphone, puis de reprendre. Gemini 3.5 Live Translate change ce rythme : la traduction arrive quelques secondes plus tard dans l’oreille de l’interlocuteur, tout en conservant le débit et le ton de la voix. Annoncé par Google le 9 juin 2026, ce modèle audio-vers-audio assure une traduction orale en temps réel dans plus de 70 langues. Il est actuellement disponible à trois endroits : l’application Google Translate, Google Meet et la Gemini Live API destinée aux développeurs. Une offre gratuite existe, tandis que l’usage payant revient à environ 0,037 $ par minute d’audio. Face à l’ancien cycle « parler, attendre, écouter », la différence est simple : la conversation ne s’arrête plus.

Deux personnes de cultures différentes conversant avec une traduction en temps réel via Gemini 3.5 Live Translate

Ce que fait réellement Gemini 3.5 Live Translate

Google le présente comme un modèle audio-vers-audio qui diffuse directement la parole traduite, au lieu d’enchaîner transcription, traduction et synthèse vocale comme les anciens outils. Ces derniers convertissaient d’abord la voix en texte, traduisaient ce texte, puis le lisaient à haute voix : chaque étape ajoutait un délai. Gemini 3.5 Live Translate traite l’audio au fil de l’eau et produit continuellement l’audio traduit. Il reste ainsi décalé de quelques secondes, sans attendre la fin d’une phrase.

Trois éléments le distinguent d’un traducteur basique. D’abord, il détecte automatiquement la langue parlée : une même conversation peut donc naviguer entre plus de 70 langues et, en groupe, plus de 2 000 combinaisons linguistiques, sans réglage manuel. Ensuite, il préserve l’intonation, le rythme et la hauteur de voix du locuteur, pour un rendu moins mécanique. Enfin, chaque audio généré est marqué avec SynthID, l’outil de Google qui signale les contenus créés par IA. Selon sa fiche modèle DeepMind, il repose sur l’architecture Gemini 3 Pro et dispose d’une fenêtre de contexte de 131 072 tokens en entrée.

Les trois façons de l’utiliser aujourd’hui

Gemini 3.5 Live Translate n’est pas un produit isolé, mais un même modèle proposé dans trois environnements. Son usage dépend donc de celui que vous visez.

Dans l’application Google Translate

Pour les conversations du quotidien, le déploiement est mondial dans les applications Google Translate sur Android et iOS. Ouvrez le mode Live Translate, choisissez les langues — ou laissez l’application les détecter — puis parlez. Android propose aussi un nouveau mode d’écoute qui joue la traduction dans l’écouteur du téléphone. En face-à-face, l’expérience se rapproche davantage d’un casque d’interprétation que d’un téléphone qu’on se passe de main en main.

Dans Google Meet

Dans Google Meet, la traduction vocale alimentée par ce modèle est en aperçu privé pour les clients entreprise. Le changement est considérable : la traduction précédente de Meet prenait en charge environ cinq langues ; cette version dépasse 70 langues et 2 000 paires de langues au sein d’une même réunion. Chaque participant entend les échanges dans sa propre langue, sans que les autres aient besoin de s’arrêter de parler.

Via la Gemini Live API

Pour les développeurs, le modèle est en aperçu public dans la Gemini Live API et Google AI Studio. C’est la voie à suivre pour intégrer la traduction à sa propre application, un centre d’appels ou un produit de streaming. Google a déjà prévu des intégrations avec des plateformes audio temps réel telles qu’Agora, LiveKit, Fishjam, Pipecat et Vision Agents. Grab le teste également pour les appels entre chauffeurs et passagers sur un réseau qui gère plus de 10 millions d’appels vocaux par mois.

Utiliser la Live API

L’identifiant du modèle est gemini-3.5-live-translate-preview. La connexion s’établit via le WebSocket de la Live API, directement ou au moyen du SDK GenAI pour Python et JavaScript, puis l’audio est diffusé dans les deux sens. Voici une configuration Python minimale :

from google import genai
from google.genai import types

client = genai.Client()
config = types.LiveConnectConfig(
    response_modalities=["AUDIO"],
    translation_config=types.TranslationConfig(
        target_language_code="es-US",       # BCP-47 target
        output_audio_transcription={},        # also return text
    ),
)

async with client.aio.live.connect(
    model="gemini-3.5-live-translate-preview", config=config
) as session:
    await session.send_realtime_input(audio=mic_chunk)   # 16 kHz PCM, ~100 ms
    async for msg in session.receive():
        play(msg.data)                                    # 24 kHz translated audio

Le format audio est précis ; mieux vaut le respecter avant de chercher ailleurs la cause d’un problème. L’entrée doit être du PCM brut 16 bits à 16 kHz, mono et little-endian ; la sortie revient en PCM brut 16 bits à 24 kHz, mono. Envoyez l’audio du microphone par blocs d’environ 100 ms. Le comportement de traduction se règle avec un bloc translationConfig (référence complète dans la documentation Google) :

targetLanguageCode : le code BCP-47 de la langue de sortie souhaitée (obligatoire).
echoTargetLanguage : indique s’il faut répéter l’audio déjà exprimé dans la langue cible.
inputAudioTranscription / outputAudioTranscription : activez-les pour recevoir aussi les transcriptions textuelles de l’audio entrant et sortant.

Comme il s’agit d’un modèle centré sur la traduction, une grande partie des fonctions Gemini générales est désactivée : pas d’appel de fonctions, pas de raisonnement, pas de sorties structurées, pas de cache ni de recherche ancrée. Il reçoit de l’audio et renvoie de l’audio traduit, avec éventuellement les transcriptions, rien de plus. Les sessions utilisent des jetons éphémères qui expirent après 30 minutes, un point important si vous transmettez des identifiants à un client web.

Tarifs de Gemini 3.5 Live Translate

L’aperçu public comprend une véritable offre gratuite : les entrées comme les sorties ne sont pas facturées, dans la limite des plafonds de débit habituels des aperçus. De quoi prototyper l’ensemble du flux avant de s’engager.

Dans l’offre payante, la facturation s’effectue par token audio, à raison de 25 tokens par seconde d’audio :

Modèle	Entrée (par 1 M de tokens)	Sortie (par 1 M de tokens)
Gemini 3.5 Live Translate	3,50 $ (~0,0053 $/min)	21,00 $ (~0,0315 $/min)
Gemini 3.1 Flash Live	3,00 $ (~0,005 $/min)	12,00 $ (~0,018 $/min)
Gemini 2.5 Flash Native Audio	3,00 $	12,00 $

Au total, Live Translate coûte environ 0,037 $ par minute d’audio traduit. Attention : ce tarif s’applique à chaque flux audio. Une conversation bidirectionnelle de 30 minutes facture donc les flux entrant et sortant ; prévoyez plutôt de l’ordre d’un ou deux dollars que de le considérer comme un forfait par appel. Gemini 3.1 Flash Live est moins cher, mais c’est un modèle audio temps réel généraliste, et non un modèle optimisé pour la traduction à faible latence qui préserve l’intonation. L’écart de prix rémunère la qualité de traduction, pas seulement les tokens. Ces chiffres proviennent de la page de tarifs développeurs de Google, consultée le 15 juillet 2026.

Les limites à connaître avant de s’y fier

La fiche modèle de Google est inhabituellement transparente à ce sujet. Ces limites sont suffisamment concrètes pour être prises en compte dès la conception.

La voix synthétisée peut manquer de constance. Elle peut changer après de longues pauses, sembler changer de genre ou rester bloquée sur une seule voix lors d’échanges rapides entre plusieurs interlocuteurs. Une réunion animée à quatre personnes la mettra donc davantage à l’épreuve qu’un échange calme à deux. La détection des langues est l’autre point sensible : le modèle éprouve des difficultés avec les forts accents non natifs, les langues proches et les changements rapides de langue au milieu d’une phrase. Le bruit de fond est filtré, mais imparfaitement ; un environnement très bruyant peut introduire des artefacts dans l’audio traduit. Enfin, l’aperçu de l’API n’accepte actuellement que l’audio en entrée, sans chemin texte-vers-audio, et son statut d’aperçu signifie que son comportement comme sa disponibilité peuvent encore évoluer.

Aucune de ces limites n’est rédhibitoire pour une conversation calme en tête-à-tête. En revanche, il faut tester le modèle avant de l’utiliser dans une salle de conférence bruyante ou un centre d’appels.

Quelle option choisir selon l’usage

Trois questions suffisent pour faire le tri :

Conversation informelle en face-à-face, avec un téléphone chacun ? La version de l’application Google Translate est gratuite et ne demande aucune configuration. C’est le choix évident.
Réunion multilingue ? La traduction entreprise de Google Meet est la solution, dès que votre organisation accède à l’aperçu.
Vous intégrez la traduction à votre produit ? La Live API est la seule option qui offre un contrôle programmatique, et les tarifs ci-dessus servent de base au budget.

Face à l’ancienne approche par tours de parole — parler, attendre le signal, écouter — le modèle continu améliore réellement la fluidité de la conversation. Comparé à un interprète humain, il est bien moins cher et disponible instantanément dans des dizaines de langues. Mais un professionnel reste supérieur pour les nuances, les idiomes et l’exactitude dans les situations à fort enjeu, comme le montrent clairement les limites évoquées plus haut.

Si vous l’intégrez à un produit, n’oubliez pas que les couches vocale et textuelle sont facturées séparément : la traduction passe par la Live API de Google, tandis que les éventuels résumés ou extractions d’actions sont exécutés ensuite par un modèle de texte choisi indépendamment, dont les tarifs d’API varient fortement selon le fournisseur.

FAQ

Comment activer la traduction en direct dans Google Translate ?

Ouvrez l’application Google Translate sur Android ou iOS, choisissez le mode Live ou Conversation, puis sélectionnez vos deux langues ou laissez l’application les détecter automatiquement. Sur Android, activez le mode d’écoute pour entendre la traduction dans l’écouteur.

Combien de langues Gemini 3.5 Live Translate prend-il en charge ?

Il détecte automatiquement plus de 70 langues et peut gérer plus de 2 000 paires de langues dans une même conversation de groupe.

Gemini 3.5 Live Translate est-il gratuit ?

Oui, une offre gratuite couvre à la fois l’entrée et la sortie. Avec la Live API, l’usage payant coûte environ 0,037 $ par minute d’audio (3,50 $ par 1 M de tokens en entrée et 21,00 $ par 1 M de tokens en sortie).

Puis-je l’utiliser sur iPhone et Android ?

Oui. Le déploiement de l’application Google Translate couvre iOS et Android, même si le mode d’écoute par l’écouteur est une fonction Android au lancement.

Que se passe-t-il si la mauvaise langue est détectée ?

La détection étant automatique, des accents marqués, des langues proches ou des changements rapides de langue peuvent entraîner une mauvaise identification au cours de l’échange. La voix traduite peut aussi changer ou sembler changer de genre après de longues pauses. Dans un tête-à-tête calme, cela pose rarement problème ; dans un environnement bruyant ou une discussion rapide à plusieurs, testez le service avant d’en dépendre.

Choisissez l’application Translate pour les conversations personnelles, Meet pour les équipes multilingues et la Live API lorsque la traduction doit être intégrée à un logiciel que vous contrôlez. Quel que soit votre choix, prototypez d’abord avec l’offre gratuite avant de vous engager.