Google a présenté le 30 septembre Gemini 4 Argon, son nouveau modèle phare. C'est son premier grand modèle depuis Gemini 3, sorti en novembre 2025. Entre-temps, Google a surtout publié des modèles plus petits et moins chers, la gamme Flash, pendant qu'OpenAI avec GPT-6 Astra et Anthropic avec Claude Fable 5.1 et Opus 5.5 prenaient de l'avance. Sundar Pichai avait annoncé ce modèle pour juin. Selon Axios, un moral en berne chez Google DeepMind explique en partie le retard. Argon devait donc répondre à une question simple : Google peut-il encore tenir la tête de course ?
Google présente Argon comme son modèle « pour la programmation réelle, le travail de bureau en entreprise et la cyberdéfense ». Sa particularité la plus visible tient à la longueur de ses réponses. Il peut produire jusqu'à un million de jetons (les unités de texte que manipule un modèle) d'une seule traite, contre 64 000 pour la génération précédente. En interne, Google affirme que des agents fondés sur Argon ont libéré plus de 300 téraoctets de mémoire dans ses centres de données et migrent plus de 800 000 lignes de code vers le langage Rust. Mais presque personne ne peut l'utiliser. Google le réserve d'abord aux membres de Fairwind, son programme de défenseurs en cybersécurité, et à des utilisateurs gouvernementaux, et le soumet au contrôle volontaire du gouvernement américain avant toute diffusion. Les clients payants de son API (l'accès réservé aux développeurs) et les abonnés Google AI Ultra suivront « dès que possible », sans date.
Les chiffres publiés par Google sont flatteurs. Selon AINews, Argon arrive premier sur 13 des 19 bancs d'essai (des tests standardisés) qu'il présente face à Astra et Opus 5.5. Sur DeepSWE, qui mesure la programmation sur des tâches longues, il obtient 77,9 %, contre 74,2 % pour Opus 5.5 et 74,1 % pour Astra. Les évaluateurs indépendants confirment en partie. Artificial Analysis le place à égalité avec Astra, à 53 points sur son indice général, et Vals le met en tête de son propre classement. Mais selon The Deep View, Astra garde l'avantage sur les tâches techniques de plusieurs heures, et Opus 5.5 sur le travail en ligne de commande.
Le détail le plus instructif tient au prix. Google lance Argon à 2 dollars par million de jetons lus et 10 dollars par million de jetons écrits, le même tarif que Claude Sonnet 5.5 ou GPT-6.1 Sol. Ces prix doubleront après une période de lancement dont la fin n'est pas annoncée. Artificial Analysis a mesuré ce que coûte réellement une tâche : 1,99 dollar au tarif de lancement, contre 3,26 pour Astra. Au tarif normal, la même tâche coûterait 3,98 dollars, donc plus cher qu'Astra. La raison est simple : Argon écrit beaucoup, en moyenne 62 000 jetons par tâche contre 27 000 pour Astra. AINews le résume ainsi : l'économie vient du prix affiché, pas de l'efficacité du modèle.
La fiabilité appelle la même prudence. Sur un test de connaissances d'Artificial Analysis, Argon invente une réponse dans 15 % des cas où il ne la connaît pas, contre 51 % pour Astra. En contrepartie, il trouve moins souvent la bonne réponse : 50 % contre 63 %. Ces deux chiffres décrivent un modèle qui préfère s'abstenir plutôt que se tromper, ce qui est un choix défendable, mais pas une supériorité générale. Certains résultats sont par ailleurs contestés. Selon AINews, un article de Bloomberg sur ses faiblesses en programmation a été démenti par un ingénieur de DeepMind, sans que la question soit tranchée.
Pour qui travaille avec l'IA au quotidien, trois enseignements se dégagent. D'abord, Google redevient un concurrent sérieux, et cette rivalité tire les prix vers le bas : The Deep View note que ce que coûte un modèle compte désormais autant que ce qu'il sait faire. Ensuite, un prix de lancement ne dit pas le prix réel, puisqu'un modèle bavard peut revenir plus cher qu'un modèle au tarif affiché plus élevé. Enfin, la manière de publier un modèle change. Comme d'autres laboratoires avant lui, Google confie son meilleur modèle aux défenseurs informatiques et aux autorités avant le grand public. The AI Report y voit un précédent possible : les systèmes les plus puissants arriveraient d'abord chez ceux qui protègent les réseaux.