Le nouveau CARBON de Google est désormais l’IA la plus puissante au monde

7/10

IAAI Revolution30 octobre 2026 à 00:0014:01

Lecteur audio

INTRO

Google a repris la première place des grands classements de l’IA avec Gemini 4 Carbon, mais le modèle est d’abord réservé à un petit groupe de défenseurs en cybersécurité.

POINTS CLÉS

Première place dans les benchmarks d’IA

Gemini 4 Carbon a été annoncé le 28 octobre et a rapidement atteint la 1re place de l’Artificial Analysis Intelligence Index, avec un score de 59 contre 58 pour Claude Opus 5.5 et 57 pour GPT-6 Astra. Cela représente un net bond par rapport à Gemini 4 Argon, qui n’avait obtenu que 50 deux semaines plus tôt. L’indice agrège neuf tests, et Carbon est arrivé en tête dans quatre, dont le raisonnement, la recherche scientifique, les connaissances et les tâches automatisées.

La meilleure performance de Google depuis des mois

Cette sortie met fin à environ six mois durant lesquels OpenAI et Anthropic avaient largement devancé Google dans la perception publique et la dynamique des benchmarks. Google a aussi indiqué que Carbon avait terminé premier dans 12 sur 14 tableaux de benchmarks principaux et 15 sur 17 dans un ensemble interne plus large. Sur l’indice VAL, il a atteint 70,4 %, et sur le classement textuel Arena en vote à l’aveugle, il a obtenu 1 528, également à la première place.

Gains majeurs en raisonnement à long contexte

Carbon peut traiter environ 1 million de tokens, soit près de 1 500 pages imprimées, sur du texte, des images, de la parole et de la vidéo. Sur un test de récupération en long contexte, il a obtenu 96,2 %, contre 84,2 % pour Argon, 71,8 % pour GPT-6 Astra et 66,8 % pour Claude Opus 5.5. Ce résultat suggère une capacité inhabituelle à maintenir la cohérence sur de très grands ensembles de documents.

Les performances en science et en code progressent fortement

Sur Raman Bench, un test de science et de mathématiques, Carbon a obtenu 80 %, nettement devant ses rivaux. Sur HLE Diamond, un examen large de sujets avancés, il a atteint 69 %, devant de peu Opus 5.5. Le codage, historiquement plus faible chez Google, a aussi progressé: sur Terminal Bench 4.0, Carbon est monté à 65,2 % contre 57,1 % pour Argon, même si Claude et GPT restent devant sur certains tests d’ingénierie logicielle comme Frontier SWE2 et OS World.

Les tâches agentiques se distinguent particulièrement

Carbon semble particulièrement solide lorsqu’il peut travailler de façon autonome sur des tâches longues. Sur Vending Bench 2, un test simulé de gestion d’entreprise sur la durée, il a obtenu un résultat 1,8 fois supérieur à celui de Claude Opus 5.5. Sur le classement agentique d’Arena, il s’est classé deuxième mondial, derrière seulement Opus 5.5 Max, tout en menant sur l’adaptabilité lorsque les utilisateurs changent les consignes en cours de tâche, à plus 18,6 %.

La vitesse et la verbosité restent des inconvénients

Des testeurs ont signalé que Carbon mettait souvent deux à quatre fois plus de temps qu’Argon à réfléchir avant de répondre. Artificial Analysis a mesuré une vitesse de sortie proche de 100 tokens par seconde, mais le modèle a consommé bien plus de tokens au total que ses pairs, en générant 200 millions sur l’ensemble des tests contre 64 millions en général. Le temps moyen par tâche était d’environ 21 minutes, et sur certaines tâches de recherche juridique il approchait 52 minutes.

Un bilan contrasté sur les hallucinations

Sur le test de connaissances d’Artificial Analysis, la précision de Carbon est passée de 48 % à 58 %, mais son taux d’hallucination a augmenté de 4 % à 11 %. Malgré cela, c’était encore le taux d’hallucination le plus bas parmi les principaux modèles de ce graphique, avec Claude Opus 5.5 et GPT-6 Astra autour de 50 %. Sur un score combiné récompensant la précision tout en pénalisant les affirmations fabriquées, Carbon restait en tête 54 à 48 face à Opus.

La cybersécurité explique l’accès restreint

Google limite l’accès initial parce que Carbon établit de nouveaux sommets sur les tâches cyber offensives et défensives. Il a obtenu 88,2 % pour la détection de vraies vulnérabilités logicielles, 54,8 % pour déterminer si elles peuvent être exploitées, et 71 % pour rédiger des correctifs. Des ingénieurs de Google Chrome ont indiqué qu’il était plus de 10 fois meilleur qu’un autre modèle frontier pour produire des correctifs de sécurité de haute qualité, tandis que Wiz affirme qu’il mène les évaluations de piratage de sites web dans son projet Scan for Good.

Les contrôles de sécurité et de comportement progressent

Sur le test d’injection de prompt de Grey Swan, Carbon a affiché un taux d’attaque réussie de 0 % sur jusqu’à 15 essais, mieux qu’Argon à 0,7 % et que Opus 5.5 à 1 % ainsi que GPT-6 Astra à 8,5 %. Sur Terminal Bench 4.0, la triche réussie est tombée à 0 %. En usage interne par des équipes de codage, les alertes de comportement grave ont chuté de près de 80 %, tandis que les dépassements de cadre ont baissé de 26 % et les livrables insuffisants de 29 %.

La tarification arrive dans un contexte de pression plus large sur Alphabet

Carbon est lancé à 2 $ par million de tokens en entrée et 10 $ par million de tokens en sortie, avec une remise de 95 % sur l’entrée mise en cache. Après la période d’introduction, les prix passent à 4 $ et 20 $, au niveau de Claude Opus 5.5. Le lancement est intervenu juste avant la publication des résultats trimestriels d’Alphabet, où le flux de trésorerie disponible a montré une perte de plus de 9 milliards de dollars sur le trimestre, soit un deuxième trimestre négatif consécutif, et l’action a chuté de plus de 10 % après la clôture.

CONCLUSION

Gemini 4 Carbon a donné à Google une avance mesurable au plus haut niveau des capacités d’IA, en particulier pour le raisonnement à long contexte et la cybersécurité. La grande question reste de savoir si Google pourra transformer cette victoire dans les benchmarks en impact commercial large avant la sortie des prochains modèles concurrents.

Poser une question

Sur le même sujet : IA