Google lance Gemini 4 Argon pour les tâches professionnelles complexes

Google lance Gemini 4 Argon dans le monde entier

Google a lancé Gemini 4 Argon, un nouveau modèle d’IA de pointe qui, selon l’entreprise, est conçu pour les tâches difficiles et à plusieurs étapes dans des domaines comme l’ingénierie logicielle, la finance, le droit, la cybersécurité et les sciences. La société a indiqué que le modèle était disponible dans le monde entier depuis le 13 octobre via ses offres d’API, AI Studio, la plateforme Gemini, l’application Gemini, AI Mode dans Search et Google Antigravity pour les abonnés éligibles.

Le lancement se distingue moins par une fonctionnalité unique destinée aux consommateurs que par l’ampleur des tâches que Google veut voir le modèle prendre en charge. Argon est présenté comme un système destiné au « travail en profondeur » : des tâches qui exigent de conserver le contexte, de raisonner en plusieurs étapes et de produire des résultats utiles dans des environnements où les erreurs peuvent être coûteuses ou longues à corriger.

Google a déclaré qu’Argon s’était classé premier au Vals Index, un benchmark présenté comme mesurant les performances dans des domaines économiquement importants tels que la finance, le code, le travail juridique et la fiscalité. Comme pour toute affirmation fondée sur un benchmark, ce résultat doit être considéré comme un indicateur parmi d’autres des capacités du modèle, et non comme une garantie de performance avec les données, les flux de travail ou les exigences de risque d’une organisation donnée.

Vers des tâches d’ingénierie plus importantes

L’un des principaux exemples cités par Google concerne la maintenance logicielle à grande échelle. L’entreprise a déclaré que ses ingénieurs avaient utilisé Argon sur des projets internes difficiles, notamment sur Chromium, la base de code open source du navigateur qui sert de fondation à Chrome et à d’autres navigateurs.

Selon Google, Argon a aidé l’équipe de Chrome à séparer les fonctions essentielles de gestion des pages web d’un dossier héritant de fonctionnalités du navigateur contenant environ 6 millions de lignes de code, au sein de la base Chromium, qui compte environ 40 millions de lignes. Le travail a impliqué une refonte architecturale de centaines de fichiers. Google affirme que le modèle a permis à l’équipe d’accomplir en quelques semaines un travail qui aurait autrement pris des mois.

L’entreprise a indiqué que cette refonte devait permettre aux pages web de passer d’un onglet à un panneau latéral ou à une fenêtre flottante sans rechargement. Cet exemple illustre le type d’ingénierie assistée par l’IA mis en avant par Google : il ne s’agit pas seulement de générer un extrait de code autonome, mais d’aider les équipes à parcourir, modifier et valider des changements dans une base de code vaste et interdépendante.

Google a également rapporté que les ingénieurs utilisant Argon dans Antigravity avaient augmenté de plus de 35 % les soumissions de code par des agents, tandis que les retours en arrière avaient diminué de près d’un tiers. Ces chiffres relèvent d’affirmations internes de l’entreprise et ne démontrent pas que toutes les équipes de développement obtiendront les mêmes résultats. Ils montrent toutefois comment les grandes entreprises technologiques mesurent de plus en plus les outils d’IA : selon leur effet sur la vitesse de livraison et sur le taux de changements devant être annulés.

Disponibilité et tarifs

Les développeurs et les entreprises peuvent accéder à Gemini 4 Argon via l’API et les produits de plateforme de Google. Google a déclaré que le modèle était également disponible pour les abonnés Google AI Ultra dans Antigravity, tandis que les abonnés Google AI Ultra et Pro pouvaient l’utiliser dans l’application Gemini et dans AI Mode de Search.

Le modèle est lancé avec un tarif d’introduction de 2 dollars par million de tokens d’entrée et de 10 dollars par million de tokens de sortie. Google a indiqué que les tokens d’entrée mis en cache bénéficiaient d’une remise de 95 %. Le prix des tokens est important, car les charges de travail agentiques complexes peuvent envoyer à plusieurs reprises de longs documents, des bases de code ou d’autres éléments de contexte à un modèle ; la mise en cache peut réduire le coût de la réutilisation des informations dans un flux de travail.

Pour les organisations, la disponibilité sur les interfaces destinées aux développeurs et aux consommateurs signifie qu’Argon peut potentiellement apparaître dans plusieurs parties d’une même pile technologique : dans une application personnalisée via une API, dans une plateforme orientée travail et dans un assistant généraliste. Cette portée pourrait faciliter l’adoption, mais elle soulève aussi des questions de gouvernance familières concernant le lieu de traitement des informations sensibles, les tâches pouvant être automatisées et le niveau de contrôle humain restant nécessaire.

Des affirmations dans les sciences et les entreprises

Google a déclaré que des équipes internes, des utilisateurs professionnels et des chercheurs avaient déjà utilisé Argon pour la refactorisation de code, l’optimisation des flux de travail, les travaux sur les vulnérabilités en cybersécurité, l’informatique quantique, la fusion nucléaire et la recherche en sciences de la vie. L’entreprise n’a pas présenté ces usages comme un remplacement de l’expertise métier. Elle a plutôt décrit le modèle comme un accélérateur pour les spécialistes confrontés à des informations et à des processus techniques complexes.

Cette approche prend une importance croissante dans la compétition entre les développeurs de modèles de pointe. L’attention passe de la capacité d’un chatbot à fournir une réponse fluide à sa capacité à contribuer de manière fiable à une chaîne de travail plus longue. En pratique, cela peut signifier lire un vaste dépôt, préparer une première version d’un flux de travail juridique ou financier, identifier d’éventuels problèmes de sécurité ou aider des chercheurs à organiser et tester des idées.

L’annonce de Google accorde également une place particulière à la sécurité et à la fiabilité. L’entreprise affirme avoir développé Argon de manière responsable et sûre, tandis que ses exemples insistent sur la précision dans les domaines à forts enjeux. Le véritable test sera la manière dont les clients évaluent les résultats dans leurs propres environnements, notamment lorsqu’une réponse doit être vérifiée à l’aune des règles en vigueur, de sources, de code ou de preuves expérimentales.

Ce que change le lancement

Gemini 4 Argon élargit l’ambition de Google de faire de l’IA avancée un outil de travail pour les développeurs, les entreprises et les chercheurs, et non plus seulement un assistant grand public. Sa large disponibilité et sa tarification à l’usage donnent aux organisations un moyen direct de tester cette proposition.

La question immédiate n’est pas de savoir si un modèle peut tenter d’effectuer un travail professionnel complexe. Il s’agit de déterminer s’il peut le faire avec une constance suffisante pour s’intégrer aux processus de revue d’équipes réelles. L’exemple de Chromium suggère que l’entreprise considère la maintenance de code à grande échelle comme un premier terrain d’essai. Si les gains annoncés se vérifient au-delà de l’organisation d’ingénierie de Google, Argon pourrait participer à un mouvement plus large vers des systèmes d’IA capables d’aider à réaliser un travail technique substantiel et à plusieurs étapes.

Cet article s’appuie sur un article du Google AI Blog. Lire l’article original.