
Tech • IA • Robotique • Jeu
Gemini 4 Argon est présenté comme un modèle d’IA axé sur le contexte long et le raisonnement, dont l’utilité dépend fortement de son usage: création d’applications, analyse de documents, agents de codage ou produits pilotés par API.
Google positionne Gemini 4 Argon pour des tâches qui dépassent les échanges habituels avec un chatbot, surtout les projets techniques nécessitant planification, mémoire et raisonnement soutenu. Ses principaux cas d’usage incluent le codage, la résolution de problèmes et l’analyse de documents, avec prise en charge d’entrées comme le texte, les tableaux, les graphiques, les images, la vidéo, l’audio et les PDF. Les sorties restent textuelles.
Argon offre une fenêtre de contexte d’un peu plus de 1 million de tokens, partagée entre l’entrée et la sortie, ce qui permet de conserver dans une même conversation de longs documents ou de vastes bases de code. Il propose aussi des modes de raisonnement faible, moyen et élevé, ainsi que des outils comme le function calling, l’exécution de code, les sorties structurées et le search grounding pour des flux de travail plus avancés.
Google indique qu’Argon se classe premier sur le Valves Index, un benchmark couvrant des tâches de finance, codage, droit et fiscalité. Cette affirmation montre une ambition dans le travail intellectuel professionnel, mais elle reste un résultat communiqué par l’éditeur et doit être considérée avec prudence tant qu’elle n’est pas validée par des tests indépendants plus larges.
Dans Google AI Studio, Argon a été utilisé en mode build pour générer une application web fonctionnelle à partir d’un seul prompt. Le projet d’exemple, Fuelly, a été décrit comme un suivi calorique mobile-friendly avec onboarding personnalisé, indicateurs de tableau de bord, journalisation des repas par IA, estimations nutritionnelles modifiables, suivi hebdomadaire des progrès, stockage navigateur et gestion des erreurs.
Le flux de l’application comprenait la collecte d’informations utilisateur telles que l’âge, le sexe, la taille, le poids, le niveau d’activité et l’objectif, puis la proposition de cibles de calories et de macronutriments pouvant être modifiées avant l’enregistrement. Une saisie en langage naturel comme des œufs, du pain grillé et du café était convertie en estimations de calories, de protéines, de glucides et de lipides, l’utilisateur pouvant relire et corriger les résultats avant de les consigner.
Argon a aussi été utilisé pour analyser un PDF de revue d’architecture de 10 pages pour la Atlas Shipment Tracking Platform. Il a été demandé au modèle de résumer le document, d’évaluer chaque section, d’identifier les faiblesses, de vérifier les incohérences dans les chiffres, dates et affirmations techniques, et de classer les problèmes par gravité avec références de page.
Après l’évaluation, la même conversation a servi à générer une documentation technique complète couvrant la vue d’ensemble du système, l’architecture, les composants, le modèle de données, la référence API, les performances, la fiabilité, la sécurité et la planification de migration. Une exigence clé consistait à signaler les informations source contradictoires plutôt que de les résoudre silencieusement, rendant le flux plus adapté à la documentation d’entreprise et aux revues sensibles à la conformité.
Dans Google Antigravity, Argon a été testé comme agent de codage plutôt que comme assistant conversationnel. La distinction est importante: au lieu de seulement suggérer du code, l’agent peut inspecter les fichiers du projet, créer et modifier du code, exécuter des commandes terminal, installer des dépendances et tenter de corriger les erreurs pendant l’exécution.
L’agent avait pour tâche de créer Starfall Survivor, un jeu d’arcade de navigateur au style néon utilisant Vite, TypeScript et HTML Canvas sans bibliothèques de jeu externes. Les exigences comprenaient déplacement au clavier ou à la souris, tir automatique, trois types d’ennemis, combats de boss toutes les cinq vagues, montée en niveau et améliorations, bonus, suivi de la santé et du score, effets de particules, secousse d’écran, meilleurs scores sauvegardés dans le navigateur et son via la Web Audio API.
Argon peut être intégré à des applications externes via une clé d’API Gemini, mais le modèle n’est disponible que sur le palier API payant. Jusqu’au 30 novembre 2026, la tarification affichée est de 2 $ par million de tokens en entrée et 10 $ par million de tokens en sortie; après cela, les tarifs passent à 4 $ et 20 $. L’identifiant du modèle pour les requêtes est Gemini I-4-Argon, et les clés API doivent être stockées dans des variables d’environnement car elles sont liées à la facturation.
Argon est disponible via l’application Gemini et l’AI Mode dans Google Search pour les abonnés Google AI Pro et Ultra, l’accès Pro étant encore en cours de déploiement dans certains pays. Il est aussi en cours d’intégration dans GitHub Copilot sur VS Code, Visual Studio, JetBrains, Xcode et le Copilot CLI pour certains forfaits payants, tandis que Antigravity exige Google AI Ultra et que Android Studio et Firebase AI Logic utilisent le palier API payant.
Gemini 4 Argon mise moins sur l’ingéniosité d’une réponse unique que sur sa capacité à soutenir de manière fiable un travail complexe sur un long contexte, plusieurs fichiers et des tâches structurées. Sa valeur pratique dépend du bon choix d’environnement, du prototypage léger d’applications jusqu’à la revue documentaire de niveau entreprise et au développement logiciel agentique.
Poser une question