Gemini 4 Argon : Comment fonctionne le nouveau modèle d'IA phare de Google et ce qu'il fait

Google a lancé Gemini 4 Argon auprès des développeurs, des entreprises et des consommateurs du monde entier le 13 octobre 2026, selon l'annonce de la compagnie sur le blog Google. L'entreprise le décrit comme un modèle de frontière destiné au « travail profond » — des tâches complexes et multiples étapes en codage, finances, travail juridique, cybersécurité et science — plutôt que de simples échanges question-réponse.

Ce pour quoi Gemini 4 Argon a été construit

Selon le message de lancement de Google, Argon combine le raisonnement profond sur les tâches multiples étapes avec une compréhension multimodale des documents, des images et des environnements spatiaux, plus la capacité d'agir comme un agent logiciel autonome. Le modèle supporte ce que Google appelle une limite unifiée entrée-sortie de « 1 million de tokens », ce qui signifie qu'un seul échange peut à la fois lire et générer de très grandes quantités de texte, de code ou de données sans perdre le contexte.

Google rapporte qu'Argon se classe premier sur l'indice Vals, un indice de référence que l'entreprise dit mesurer la performance sur des tâches économiquement importantes telles que la finance, le codage, le travail juridique et la préparation fiscale. L'entreprise cite également un score de 87% sur l'indice Embodied Reasoning (ERQA), qui teste la résolution de problèmes spatiaux et physiques, et dit qu'Argon a montré un taux de déblocage de vulnérabilité inférieur à 1% dans les tests d'équipe rouge liés aux armes biologiques.

Codage : de la base de code de Chrome à GitHub Copilot

L'annonce de Google cite plusieurs cas d'usage internes et clients : les ingénieurs ont utilisé Argon pour aider à séparer un dossier hérité d'environ 6 millions de lignes de fonctionnalités du navigateur de la plus grande base de code Chromium d'environ 40 millions de lignes, et une tâche d'optimisation du flux de travail Python aurait réduit le temps de préparation de session de 40%. Une application de chimie quantique aurait fonctionné 2,3 fois plus rapidement avec l'aide d'Argon.

Le 13 octobre 2026, GitHub a annoncé que Gemini 4 Argon est devenu disponible publiquement dans GitHub Copilot pour les plans Pro+, Business et Enterprise, sélectionnable à partir du sélecteur de modèle dans Visual Studio Code, Visual Studio, Copilot CLI, les IDE JetBrains, Xcode et Eclipse, selon le journal des modifications GitHub. GitHub dit que dans ses tests préalables, Argon a résolu plus de tâches de benchmark de codage que les modèles précédents de Gemini, avec ses plus grands gains dans Copilot CLI, et qu'il vérifie son travail en testant les cas limites avant de terminer. La facturation pour les utilisateurs de Copilot s'effectue à prix basé sur l'utilisation selon les tarifs catalogues du fournisseur.

Robotique et raisonnement physique

Un message séparé sur le blog Google Developers se concentre sur les applications robotiques d'Argon. Google dit que le modèle peut traduire les séquences vidéo de caméra de robot du monde réel, les vidéos en point de vue humain ou même les croquis dessinés à la main en environnements simulés calibrés physiquement, un processus qu'il appelle « Real2Sim ». Dans une démonstration, Argon a dirigé un robot quadrupède Boston Dynamics Spot pour récupérer et éliminer un objet après avoir pratiqué la tâche dans une simulation de physique MuJoCo.

Google dit également qu'Argon peut générer des données d'entraînement synthétiques dans la simulation pour améliorer d'autres modèles de contrôle de robots, rapportant que le taux de réussite des tâches d'un modèle vision-langage-action est passé de 56% à 75% après l'entraînement sur des données générées par Argon. Le modèle est identifié dans les outils de développement sous le nom gemini-4-argon et, pour le travail robotique, est disponible via Google AI Studio et Google Antigravity pour les abonnés Google AI Ultra, et via le niveau payant de l'API Gemini.

Comment il se compare aux modèles concurrents

Le suivi indépendant des indices de référence publié par le site d'éducation IA DataCamp, qui a compilé les scores publiés de Google aux côtés des lancements concurrents, a constaté qu'Argon est en tête sur les tâches de travail de connaissance et de contexte long mais est à la traîne sur certains indices de référence purs de codage et basés sur terminal.

L'analyse de DataCamp a également noté que le prix standard de l'API d'Argon de 4 $ par million de tokens d'entrée et 20 $ par million de tokens de sortie correspond au prix de Claude Opus 5.5, tandis que son tarif introductoire de 2 $/10 $ par million de tokens est inférieur au tarif annoncé de 10 $/50 $ de GPT-6 Astra pendant la période promotionnelle.

Tarification, disponibilité et pourquoi Google pousse Argon maintenant

Selon le propre message de Google, la tarification API d'introduction — 2 $ par million de tokens d'entrée et 10 $ par million de tokens de sortie, avec une remise de 95% sur les entrées mises en cache — s'exécute jusqu'au 30 novembre 2026, après quoi elle passe à 4 $ et 20 $ par million de tokens respectivement. Les consommateurs peuvent accéder à Argon via l'application Gemini et le mode IA dans la Recherche s'ils disposent d'un abonnement IA Pro ou IA Ultra ; l'environnement de codage Antigravity est limité aux abonnés Ultra, tandis que les scientifiques peuvent obtenir six mois d'accès gratuit de haut niveau à Antigravity et les professionnels de la cybersécurité vérifiés peuvent postuler via le programme Fairwind de Google.

L'agence de presse Reuters, dans un rapport repris par Investing.com, a placé le lancement dans un contexte plus large, disant que Google a lancé Argon alors qu'il cherchait à reprendre du terrain face aux rivaux OpenAI et Anthropic suite à des mois de retards et un changement de direction dans son laboratoire de recherche DeepMind. Le rapport a dit que Google avait précédemment annulé un lancement Gemini 3.5 Pro prévu qui avait été prévu pour juin. Les premiers clients nommés dans le rapport incluent Deloitte, LexisNexis, Ambience Healthcare et Isomorphic Labs, et les équipes utilisant Argon dans Antigravity ont apparemment augmenté les soumissions de code agent de plus de 35% tout en réduisant les annulations de code d'environ un tiers.