Google Gemini 4 Argon : nouveau modèle pour tâches complexes

👁 122 lectures

Google DeepMind a annoncé le 30 septembre 2026 son modèle Gemini 4 Argon, un nouveau système frontier conçu pour les tâches professionnelles complexes et de longue durée. Pour l’instant, l’accès au modèle est strictement réservé à certains spécialistes en cybersécurité dans le cadre du programme Fairwind ; Google indique qu’il l’ouvrira aux développeurs, aux entreprises et aux particuliers dès que le processus de validation de sécurité le permettra.

Argon peut générer jusqu’à 1 million de tokens dans une seule réponse, ce que Google décrit comme une limite de sortie record sur le marché (les modèles Gemini précédents s’arrêtaient à 64 000 tokens). Google n’a pas précisé la taille de la fenêtre de contexte en entrée. Le tarif de départ s’élève à environ 1,79 EUR (2 USD) par million de tokens en entrée et environ 8,94 EUR (10 USD) par million de tokens en sortie (conversions estimées selon le taux de référence de la BCE du 12/10/2026, source : https://www.ecb.europa.eu/stats/eurofxref/eurofxref-daily.xml) ; les tokens issus du cache sont 95% moins chers que le tarif d’entrée standard. Google participe également à une procédure volontaire de pré-lancement gouvernementale aux États-Unis.

Utilisation concrète d’Argon en interne chez Google

Le modèle est déjà utilisé activement par des milliers d’employés de Google. Les résultats les plus concrets apparaissent dans trois domaines distincts. Des agents propulsés par Argon ont analysé la télémétrie de profilage de la flotte de serveurs et ont déployé de manière autonome des optimisations de mémoire qui ont libéré plus de 300 Tio dès le premier déploiement - les gains visés sont estimés entre 500 Tio et 1 Pio. Dans l’optimisation des algorithmes quantiques, Argon a amélioré un benchmark publié de 40% en quelques minutes, aidant les chercheurs à réduire les ressources spatio-temporelles (qubits x portes) sur les goulots d’étranglement applicatifs.

En parallèle, des agents pilotent la migration de bases de code C/C++ vers Rust - allant de dizaines de milliers de lignes dans des bibliothèques telles que re2 et libgav1 jusqu’à plus de 800 000 lignes du noyau Zircon du système d’exploitation Fuchsia. En raison de la criticité de ces systèmes, chaque modification subit un audit rigoureux, automatisé et manuel, des tests d’émulation ainsi qu’une revue avant tout déploiement en production.

La décision de déployer le modèle de manière progressive et échelonnée - plutôt que par un lancement public immédiat - montre que Google tire les leçons des critiques essuyées lors des précédentes sorties de Gemini, en privilégiant cette fois la rigueur des tests plutôt que la course aux gros titres.

// lire la suiteGemini Omni Flash : prix, avis et test de l’IA vidéo GoogleOutils d'IAGemini : guide complet, tarifs, usages et testsGuidesNano Banana 2.1 : Google divise le prix par deux. Notre testActualités

Kinetyra