Gemini 3.8 Flash « Skimaki » : le pari de Google sur une IA de codage plus rapide

De quoi s’agit-il exactement ?

Gemini 3.8 Flash, dont le nom de code interne serait « Skimaki », est présenté comme une nouvelle version de Gemini axée sur le développement logiciel. Son objectif n’est pas nécessairement de devenir le plus grand modèle de Google, mais de fournir de solides capacités de raisonnement et de programmation avec une latence et un coût d’inférence plus faibles.

Les modèles estampillés Flash privilégient généralement la rapidité et l’efficacité. Google décrit Gemini 3.8 Flash comme son modèle Flash le plus intelligent, conçu pour le génie logiciel sur de longues séquences, les agents autonomes et les flux de travail complexes en entreprise. 5

Une sortie annoncée pour le 2 septembre — et peut-être déjà effective

Selon des employés cités par le Wall Street Journal, Google aurait prévu de lancer Gemini 3.8 Flash dès le mercredi 2 septembre 2026. 2

Mais le calendrier a rapidement évolué : une page de documentation de Google pour les développeurs indiquait le même jour que gemini-3.8-flash était généralement disponible et prêt pour un usage en production. 5 La formulation selon laquelle le modèle serait simplement « imminent » peut donc déjà être obsolète. La disponibilité exacte peut néanmoins dépendre du produit, de l’API ou de la région concernés.

Que s’est-il passé lors des tests face à Claude Opus ?

Des ingénieurs de Google auraient réalisé des comparaisons directes dans Jetski, un outil interne de programmation. D’après les personnes citées par le Wall Street Journal, certains ingénieurs ont davantage apprécié les résultats de Gemini 3.8 Flash que ceux du modèle Claude Opus d’Anthropic pour des tâches de codage. 2

Cette information doit être interprétée avec prudence. Il s’agit de retours issus d’évaluations internes, rapportés par des sources anonymes. Ils ne constituent ni un test public indépendant, ni un classement définitif des modèles. Les résultats peuvent varier selon les dépôts de code, les outils accessibles au modèle, les consignes données et la durée d’exécution des tâches.

Pourquoi miser sur un modèle « Flash » ?

Le développement logiciel moderne ne se limite plus à produire quelques lignes de code à partir d’une question. Un agent doit souvent :

• comprendre une base de code existante ;
• rechercher les fichiers et la documentation pertinents ;
• appeler des outils ;
• effectuer plusieurs modifications successives ;
• lancer des tests ;
• corriger ses erreurs et valider le résultat.

Ces tâches dites à long horizon peuvent nécessiter de nombreuses interactions avec le modèle. Une architecture plus rapide et moins chère rend alors l’automatisation plus réaliste pour les entreprises et pour les services utilisés à grande échelle.

Le positionnement de Flash répond donc à un enjeu très concret : une IA légèrement moins ambitieuse qu’un modèle phare, mais suffisamment performante, peut être plus facile à intégrer dans les produits Google, les services cloud et les outils de programmation. Les informations disponibles ne permettent toutefois pas d’affirmer qu’un éventuel objectif réglementaire ou de contrôle gouvernemental aurait déterminé la conception du modèle. Il s’agit au mieux d’une déduction stratégique liée à son positionnement axé sur l’efficacité. 1

Un entraînement davantage orienté vers l’exécution des tâches

Google aurait aussi renforcé les ressources consacrées à l’apprentissage par renforcement. Dans cette phase de l’entraînement, le modèle apprend à mieux accomplir une tâche grâce à des essais, des retours et des mécanismes de récompense.

Cette approche peut aider à transformer les capacités générales d’un modèle en comportements plus fiables lorsqu’il doit utiliser des outils, suivre un plan en plusieurs étapes ou résoudre un problème de programmation de bout en bout. Elle permettrait aussi d’expliquer la succession rapide entre Gemini 3.7 Flash et la version 3.8 : l’amélioration recherchée ne repose pas uniquement sur l’augmentation de la taille du modèle ou du volume de pré-entraînement. 1

Le contexte : Google veut accélérer dans l’IA de programmation

Google est régulièrement perçu comme en retard sur OpenAI et Anthropic pour certaines applications de codage, alors que les agents de programmation prennent une place croissante dans les offres d’IA. Un modèle rapide et économique pourrait aider Google à combler une partie de cet écart en alimentant des agents utilisables à grande échelle, plutôt qu’en s’appuyant uniquement sur un modèle phare plus coûteux.

Cette priorité s’inscrit dans une réorganisation plus large de l’activité IA de Google. En août, Demis Hassabis a quitté la direction opérationnelle quotidienne de Google DeepMind pour devenir président de l’organisation et directeur scientifique d’Alphabet. D’autres dirigeants ont ainsi récupéré davantage de responsabilités opérationnelles, tandis que Hassabis conserve un rôle stratégique et scientifique. 3

Reuters a également rapporté que le cofondateur de Google, Sergey Brin, avait exhorté des collaborateurs clés de l’IA à se consacrer pleinement à Gemini. Dans le même temps, Google présente les agents IA comme un élément central de sa stratégie de commercialisation auprès des entreprises. 14

Ce qui reste à démontrer

Même si les évaluations internes de Jetski sont favorables, elles ne suffisent pas à établir que Gemini 3.8 Flash surpasse Claude Opus ou les modèles d’OpenAI dans tous les usages. Il faudra notamment observer :

• ses résultats sur des benchmarks publics et indépendants ;
• sa fiabilité lors de longues sessions autonomes ;
• ses performances sur des dépôts de code variés ;
• sa capacité à produire des modifications sûres et maintenables ;
• son rapport qualité-prix une fois les conditions commerciales stabilisées.

La comparaison avec Claude Opus repose sur des témoignages d’employés rapportés par la presse, et non sur une méthodologie publiée permettant de reproduire le test. Les performances réelles dépendront aussi de l’environnement d’outils, des limites d’utilisation et de la vitesse à laquelle OpenAI et Anthropic feront évoluer leurs propres modèles. À ce stade, les éléments disponibles ne permettent donc pas de conclure à une supériorité générale de Gemini 3.8 Flash. 2