Tech • IA • Robotique • Jeu
Gemini 4 Argon est sorti, Fable 5.5 cette semaine ? GPT-6.1 Astra, Nano Banana 3 et l’IA se crée elle-même ! Actualités IA
9.4/10INTRO
Google a largement déployé Gemini 4 Argon, un nouveau modèle de pointe qui affiche de nets progrès en codage visuel, compréhension multimodale et rapport prix-performances, tandis que de nouveaux signes pointent aussi vers des annonces à venir chez Anthropic et OpenAI, ainsi qu’un regain d’inquiétude autour de la réplication autonome de l’IA.
POINTS CLÉS
Déploiement mondial et positionnement
Gemini 4 Argon est déployé à l’échelle mondiale via l’API Gemini, pour les abonnés Pro et Ultra dans l’application Gemini, et pour les utilisateurs Ultra dans Anti-Gravity. Google le positionne pour des tâches complexes en programmation, finance, analyse juridique, cybersécurité et science, présentant le modèle comme une avancée majeure en raisonnement et en exécution pratique.
Tarification et échelle
Le tarif de lancement est fixé à 2 $ par million de tokens en entrée et 10 $ par million de tokens en sortie, avec une fenêtre de contexte de 1 million de tokens et des limites unifiées. Cet ensemble place Argon de façon agressive face aux autres systèmes de pointe sur le coût, surtout pour les flux de travail à long contexte et les usages multimodaux.
Affirmations sur la productivité interne
Google affirme qu’Argon a aidé à refactoriser des parties de l’énorme base de code de Chrome, réduisant plusieurs mois de travail d’ingénierie à quelques semaines. L’entreprise dit aussi avoir accéléré l’inférence de Gemma 4 de 2,85x et augmenté de plus de 35 % les soumissions internes de code par agents, ce qui suggère un usage déjà au-delà des démonstrations.
Position dans les benchmarks et profil en codage
Dans une suite de tests indépendante, Argon s’est classé cinquième au général sur des évaluations de codage et de capacités plus larges. Les tests l’ont décrit comme particulièrement fort en développement front-end et en codage visuel, même si le scepticisme demeure quant à la traduction complète de ces gains en benchmarks vers le développement logiciel réel, plus chaotique.
Plus rapide et moins cher en génération front-end
Dans une comparaison front-end face à Opus 5.5, Argon aurait accompli la tâche en environ 15 minutes pour près de 5 $, contre environ 30 minutes et 12,50 $ pour son rival. Le résultat a été décrit comme plus coloré et plus soigné visuellement, même si la fonctionnalité peut encore être en retrait face à des modèles davantage axés sur l’ingénierie.
Force sur les tâches multimodales et de vision
Les premières évaluations ont cité Argon comme particulièrement performant dans le travail multimodal, avec des résultats remarquables en détection d’objets et en extraction de texte. Il aurait traité avec une grande précision des scènes denses, du texte minuscule ou pivoté, de l’écriture manuscrite et des tableaux complexes, renforçant la récente poussée de Google pour faire de Gemini un modèle de vision de premier plan.
Les démonstrations mettent en avant des flux visuels et autonomes
Les démonstrations comprenaient des assets 3D entièrement générés, un tableau périodique animé, des travaux complexes en SVG, une simulation de trou noir codée dans un seul fichier Python, et un clone jouable de style Minecraft avec systèmes de grottes, sons et objets interactifs. Un autre exemple consistait à bâtir un musée interactif des ordinateurs Apple en collectant de façon autonome des données d’archives, en nettoyant des images et en organisant des décennies de spécifications dans une expérience 3D navigable.
Des limites subsistent sur la fiabilité
Malgré ce lancement solide, les tests ont aussi relevé une faiblesse familière: les hallucinations et les erreurs factuelles sur des tâches du monde réel. Les évaluateurs ont décrit Argon comme impressionnant et exceptionnellement capable pour le codage visuel et le multimodal, mais pas encore comme le leader incontesté, surtout là où comptent le plus la constance, les tâches longues et la fiabilité factuelle.
Nouvelles fuites de modèles chez les rivaux
Des signes émergent selon lesquels Anthropic pourrait préparer Claude Fable 5.5, après l’apparition supposée d’identifiants de modèles dans l’infrastructure Microsoft Azure East US 2 et des listings associés. D’autres fuites suggèrent qu’OpenAI prépare GPT 6.1 Astra, tandis que Google travaillerait aussi sur Nano Banana 3 Pro, potentiellement fondé sur l’architecture Gemini 4 et destiné à la génération d’images plus tard dans l’année.
Anthropic alerte sur l’IA auto-réplicative
Anthropic a publié des recherches soutenant que des modèles relativement petits pourraient bientôt se répliquer de manière autonome sur des appareils courants sans support de centre de données. Lors de tests, un modèle de 9 milliards de paramètres a mis en place l’inférence sur huit types de matériel sur neuf, et un modèle de 26 milliards de paramètres a été exécuté sur 15 boîtiers Android TV à bas coût. Les chercheurs ont indiqué qu’un modèle identifié comme GLM 5.2 a aussi mené à bien une expérience de réplication de bout en bout dans un réseau simulé, malgré des barrières de sécurité simplifiées, soulignant la montée des inquiétudes en cybersécurité.
CONCLUSION
Gemini 4 Argon semble être la sortie IA récente la plus solide de Google, en particulier en codage visuel, raisonnement multimodal et efficacité coût. Son importance réelle dépendra peut-être moins des démonstrations spectaculaires que de sa capacité à égaler ses rivaux sur la fiabilité, alors que la course aux modèles et les inquiétudes sur la sécurité de l’IA s’intensifient.
Poser une question