Gemini 4 Argon : Google lance son nouveau modèle de pointe, réservé d’abord aux cyberdéfenseurs

Google a présenté le 30 septembre 2026 Gemini 4 Argon, le premier modèle de sa nouvelle génération Gemini 4. Signé par Koray Kavukcuoglu, vice-président senior de Google DeepMind et architecte en chef de l’IA du groupe, le billet d’annonce le décrit comme « la prochaine ère de l’intelligence de pointe » de Google, pensée pour « un raisonnement profond sur des flux de travail complexes et de longue haleine » en programmation, en travail de bureau et en cyberdéfense. Sundar Pichai a précisé que les équipes de Google l’utilisent déjà largement, « du code à l’informatique quantique ». Le modèle n’est pourtant pas encore ouvert à tous : il arrive d’abord entre les mains de défenseurs en cybersécurité triés sur le volet.

Un million de tokens en sortie, le pari du raisonnement long

La nouveauté la plus concrète tient en un chiffre. Gemini 4 Argon peut produire jusqu’à 1 million de tokens dans une seule réponse, contre 64 000 pour la génération précédente. Un token est l’unité de texte que manipule un modèle, l’équivalent d’un mot court ou d’un fragment de mot. Un million de tokens représente donc plusieurs centaines de milliers de mots, soit de quoi dérouler un très long raisonnement, réécrire un dépôt de code entier ou traiter une tâche de bout en bout sans la découper.

Google justifie ce choix ainsi : « Quand le modèle a la marge pour réfléchir en profondeur et générer des centaines de milliers de tokens en une seule trajectoire, cela ajoute un nouveau niveau de profondeur de raisonnement pour résoudre des problèmes difficiles d’un seul coup. » Le cabinet indépendant Artificial Analysis a mesuré que, sur ses tests, Argon produit en moyenne 62 000 tokens par tâche, contre 27 000 pour GPT-6 Astra d’OpenAI. Le modèle réfléchit donc plus longtemps, ce qui pèse sur la facture.

Que valent les benchmarks mis en avant par Google ?

Comme à chaque lancement, Google publie une batterie de résultats. Les plus parlants concernent le code, l’automatisation et la sécurité.

Du côté des évaluateurs indépendants, Artificial Analysis donne à Argon 53 points sur son indice d’intelligence, à égalité avec GPT-6 Astra et un point devant GPT-6.1 Sol, lancé la veille par OpenAI. Le même organisme relève un taux d’hallucination de 15 % sur son test AA-Omniscience, contre 51 % pour Astra, c’est-à-dire que le modèle invente nettement moins de réponses quand il ne sait pas. Ces chiffres restent ceux du lancement : les benchmarks sont choisis par l’éditeur, et les tests sur des usages réels prendront des semaines.

Combien coûte Gemini 4 Argon ?

Google accompagne la sortie d’un tarif de lancement agressif, qui doublera ensuite.

Les tokens d’entrée déjà mis en cache bénéficient d’une remise de 95 %. Rapporté à une tâche complète, Artificial Analysis calcule un coût de 1,99 dollar par tâche au tarif de lancement et 3,98 dollars au tarif standard, contre 3,26 dollars pour GPT-6 Astra. Autrement dit, Argon est moins cher qu’Astra tant que dure la promotion, puis légèrement plus cher, en partie parce qu’il écrit beaucoup plus. Pour les usages courants, Google continue de proposer Gemini 3.8 Flash, son modèle rapide lancé début septembre.

Pourquoi les cyberdéfenseurs sont servis en premier

Argon est capable, selon Google, de « trouver, valider et corriger de façon autonome des vulnérabilités logicielles critiques ». L’entreprise cite l’exemple de Wiz, un spécialiste de la sécurité du cloud, qui a découvert grâce au modèle une faille critique dans un logiciel de santé utilisé par des hôpitaux, faille que les modèles de pointe précédents avaient manquée.

Ce type de capacité coupe dans les deux sens : ce qui aide à corriger une faille peut aider à l’exploiter. Google reprend donc la méthode inaugurée avec Gemini 3.8 Flash Cyber : le modèle est fourni sans garde-fous cyber aux membres du programme Fairwind (gouvernements, opérateurs de santé, télécoms, éditeurs de sécurité) et aux équipes internes de Google, tandis que la version grand public refusera les demandes relevant d’attaques informatiques ou des domaines chimique, biologique, radiologique et nucléaire. Google indique aussi participer au programme volontaire du gouvernement américain d’accès aux modèles avant leur sortie. La démarche rappelle celle d’OpenAI, qui avait classé Astra au niveau « critique » en cybersécurité et restreint son accès initial.

Des garde-fous contre l’injection de prompt et le désalignement

Google insiste sur la sécurité du modèle lui-même. Argon a été entraîné pour résister à l'injection de prompt, cette technique qui consiste à glisser des instructions cachées dans une page web ou un document pour détourner un agent de sa mission. Le modèle est aussi surveillé de l’intérieur : des outils observent ses activations internes pour détecter un usage abusif, et des « mesures contre le désalignement » suivent sa chaîne de raisonnement et ses actions, avec la possibilité d'interrompre l’exécution si nécessaire. Les tests se déroulent dans des environnements isolés renforcés.

Ce vocabulaire fait écho aux publications récentes du secteur. Deux semaines plus tôt, OpenAI avait détaillé six incidents de désalignement observés pendant l’entraînement de ses modèles, dont des instructions cachées dans des résumés de tâche. Surveiller ce que le modèle « se dit » pendant qu’il travaille devient un argument de vente autant qu’une précaution.

Quand pourra-t-on l’utiliser ?

Le calendrier se déroule en quatre temps : les défenseurs du programme Fairwind dès maintenant, le programme de pré-sortie du gouvernement américain, puis « prochainement » les clients payants de l’API et les abonnés Google AI Ultra. Aucune date n’est donnée pour l’application Gemini grand public ni pour une version gratuite. Pour les développeurs européens, la seule indication est le tarif : rien n’est dit sur une disponibilité différenciée selon les régions.

Le lancement tombe au milieu d’une séquence très dense. En un mois, Anthropic a sorti Claude Fable et Mythos 5.1, OpenAI a lancé GPT-6 Astra puis GPT-6.1 Sol, et Google répond avec sa génération 4. Les pages consacrées à Gemini sur Actu.ai permettent de suivre les étapes précédentes.

Ce que ce lancement dit de la course aux modèles

Trois enseignements se dégagent. D’abord, la compétition se joue désormais sur la durée des tâches autant que sur la justesse : un modèle capable d’écrire un million de tokens d’affilée vise les agents qui travaillent des heures sans supervision. Ensuite, le prix devient une arme : un tarif de lancement à moitié prix, le temps de prendre des parts de marché, est une pratique nouvelle à ce niveau. Enfin, l’accès progressif par cercles de confiance s’installe comme norme pour les modèles les plus puissants, ce qui pose une question simple aux entreprises et aux chercheurs hors de ces cercles : combien de temps devront-ils attendre, et avec quelles garanties ?