Google lance Gemini 4 modèle Argon IA pour l’entreprise et les développeurs

Google DeepMind a lancé Gemini 4 Argon à l’échelle mondiale le 2026-10-13, rendant son nouveau modèle de raisonnement multimodal accessible aux développeurs, entreprises et consommateurs via plusieurs plateformes, dont l’API Gemini, IA Studio, Google Antigravity, l’application Gemini et IA mode dans la recherche, selon un article de blog de Koray Kavukcuoglu publié 2026-10-13. Le modèle avait été annoncé le 2026-09-30, avec un accès initial limité aux défenseurs de la cybersécurité de confiance.

Le lancement cible les utilisateurs travaillant sur des tâches complexes et en plusieurs étapes couvrant le codage, la finance, le droit, la cybersécurité et les domaines scientifiques. Google a rapporté qu’Argon est premier sur l’indice Vals, qui mesure la performance des modèles dans des secteurs économiques critiques tels que la finance, le codage, le droit et la fiscalité, au moment de l’annonce du 13 octobre.

Prix et spécifications techniques

Gemini 4 Argon ont été lancés avec une tarification API introductive de $2 par million de jetons d’entrée et $10 par million de jetons de sortie, avec des jetons d’entrée en cache réduits 95%, selon l’article de blog du 13 octobre. La documentation Google Cloud datée de 2026-10-13, indique que le taux d’introduction s’applique via 2026-11-30, après quoi le prix standard sera $4 par million de jetons d’entrée et $20 par million de jetons de sortie.

Le modèle prend en charge une fenêtre de contexte unifiée 1,048,576-token partagée entre les entrées et les sorties, selon l’annonce du 13 octobre. La documentation API de Google précise que la sortie synchrone par défaut est limitée à 65,536 jetons, avec un protocole de continuation permettant une génération plus longue dans le budget partagé d’un million de tokens. Le modèle accepte le texte, les images, la vidéo, l’audio et les PDF en entrée mais ne produit que la sortie texte ; il ne prend pas en charge la génération d’images, la génération audio ou l’API Live, selon la documentation développeur de Google datée de 2026-10-13.

Déploiements internes d’ingénierie chez Google

Google a rapporté des cas d’usage internes démontrant l’application du modèle aux problèmes d’ingénierie de production. L’équipe Chrome a utilisé Argon dans Google Antigravity pour séparer le code de gestion des pages web de base d’un dossier hérité au sein de la base de code de 40 millions de lignes de Chromium, complétant ainsi une refonte architecturale de centaines de fichiers que l’équipe a estimée avoir pris des mois, selon l’article de blog du 13 octobre. Ces changements permettront aux pages web en direct de passer d’un onglet à l’autre, des panneaux latéraux et des fenêtres flottantes sans recharger.

L’équipe Agent Development Kit de Google a rapporté qu’Argon a optimisé de manière autonome sa base de code Python pendant la nuit, réduisant le temps de préparation des sessions en mémoire de 40% en longues sessions et accélérant les importations à froid de 21%, les changements étant désormais disponibles dans le dépôt Google/ADK-Python, selon l’annonce du 13 octobre et un article de blog des développeurs publié le même jour. Des chercheurs de Google ont également rapporté avoir utilisé Argon pour accélérer le moteur d’inférence vLLM pour Gemma 4 E2B de 2.85 fois sur un GPU A100 , augmentant le débit d’environ 37,900 à plus de 108,000 jetons par seconde, selon l’article du blog du 13 octobre.

Entreprises et applications de recherche

Wiz, une société de cybersécurité participant au programme Fairwind de Google, a utilisé l’accès anticipé à Argon pour identifier les vulnérabilités dans les infrastructures gouvernementales et de santé, selon l’annonce du 13 octobre. En collaboration avec une agence fédérale anonyme, Argon a aidé à identifier une faille risquant d’exposer des données sensibles et des infrastructures gouvernementales. Dans le secteur de la santé, le modèle a permis de découvrir un contournement de téléchargement de fichiers publics qui a révélé une clé maîtresse et accordé un accès à l’administrateur, affectant potentiellement des centaines de milliers de dossiers privés de patients, selon l’article de blog.

Dans la recherche scientifique, Google a rapporté que l’Argon a contribué à accélérer le travail en calcul quantique en traduisant une version interne d’AlphaQubit, le décodeur de correction d’erreurs quantique par apprentissage automatique de Google, en un seul noyau matériel optimisé, doublant presque le débit d’inférence. Une équipe de Google, travaillant avec le professeur Matt Landreman de l’Université du Maryland, a découvert une catégorie plus large de contre-exemples à la conjecture de Grad, une hypothèse 1967 sur les champs magnétiques stellarators, utilisant l’Argon, selon un préprint daté d’arXiv 2026-10 cité dans l’annonce.

Gamow Labs, une organisation de recherche sur les maladies rares, a utilisé Argon pour analyser des génomes de nouveau-nés dé-identifiés et a identifié un réarrangement chromosomique que les logiciels courants avaient manqué pendant des années, selon un billet de blog du 13 octobre. Sur les évaluations privées de Gamow Labs issues de données cliniques et de laboratoire, Argon a obtenu 57% sur RareBench pour l’aide au diagnostic des maladies rares et 52.2% sur LabBench pour le raisonnement en laboratoire humide, selon un billet de blog de Gamow Labs mentionné dans l’annonce.

Robotique et IA physique

Google a démontré l’application d’Argon à la robotique via un pipeline « Vidéo-à-SIM vers le réel » dans lequel le modèle regardait une vidéo d’un humain jouant au cornhole, calculait les mouvements articulaires nécessaires et construisait de façon autonome un code de simulation. Lorsqu’il a été transféré sur le robot humanoïde Apollo d’Apptronik, le robot a effectué sept lancers consécutifs réussis lors d’un essai réel, selon l’annonce du 13 octobre et un billet de blog des développeurs publié le même jour. Argon a obtenu 87% sur le benchmark Embodied Reasoning (ERQA), qui teste la capacité d’un modèle à comprendre et résoudre des problèmes physiques et spatiaux dans 3D environnements, selon l’article de blog du 13 octobre.

Programmes de sécurité et d’accès

Google a indiqué qu’Argon inclut des défenses contre les abus, les tentatives de jailbreak et l’injection prompt. Le red teaming biologique externe pourrait débloquer moins de 1% sous-tâches biologiques testées, et les violations d’un ensemble adversaire conçu pour tester le modèle ont été réduites de près de deux fois par rapport aux modèles Gemini précédents, selon l’annonce du 13 octobre et la carte de modèle Gemini 4 Argon publiée par Google DeepMind. Sur les benchmarks de codage, les tentatives de raccourci — cas où le modèle pourrait prendre des actions non autorisées pour accomplir une tâche — sont tombées à 2%, et Argon a atteint un taux de réussite d’attaque 0.7% sur 15 tentatives adaptatives sur le benchmark Gray Swan Indirect Prompt Injection, selon l’article de blog du 13 octobre.

Google a annoncé qu’il offrirait aux scientifiques 10,000 le plus haut niveau d’utilisation de Google Antigravity gratuitement pendant six mois, intégré de façon continue et soumis à l’éligibilité, à la capacité et à la sélection. Les applications ont été déployées 2026-10-13. L’entreprise étend également son programme Fairwind, qui offre un accès à Argon sans protections cyber pour les défenseurs de la cybersécurité de confiance, à des centaines d’autres partenaires, selon l’annonce du 13 octobre.

Limitations et contexte du modèle

La carte modèle Gemini 4 Argon publiée par Google DeepMind reconnaît des hallucinations, une possible lenteur ou des délais d’expiration, ainsi qu’une 2026-03 seuil de connaissance. La carte modèle décrit Argon comme un mélange clairsemé de transformateurs experts et indique qu’il ne s’agit pas d’une modification ou d’un ajustement fin d’un modèle précédent. Les évaluations 2026-10 de Google montrent des résultats plus solides sur certains benchmarks de travail de connaissance, à long contexte et multimodaux comparés à des modèles concurrents de IA, mais des résultats plus faibles sur certains benchmarks d’ingénierie logicielle et de terminal, selon la carte modèle datée de 2026-10-13. Il s’agit d’évaluations rapportées par le fournisseur.

Source : blog.google.