Gemini 4 Argon, le nouveau modèle phare de Google, réservé pour l’instant à des experts en cybersécurité

Google a annoncé Gemini 4 Argon le 30 septembre, en le présentant comme le modèle phare de sa génération Gemini 4. Conçu pour des tâches complexes et longues — du développement logiciel aux domaines juridique et financier, en passant par la cybersécurité —, il est pour l’instant réservé à un groupe sélectionné de spécialistes de la défense informatique. 9

Cette annonce intervient après une période difficile pour les projets de modèles phares de Google. Argon est plus grand que les précédents modèles Pro avancés de l’entreprise, et les comparaisons publiées par Google le placent devant des systèmes d’OpenAI et d’Anthropic sur plusieurs tests. Mais son accès limité empêche encore la plupart des développeurs et des entreprises de vérifier ces résultats par eux-mêmes. 6

À quoi sert Argon ?

Google décrit Argon comme son modèle le plus performant à ce jour pour les tâches complexes. Il vise notamment les projets de programmation qui s’étendent sur plusieurs étapes, les travaux spécialisés en entreprise — par exemple en droit et en finance — et la défense en cybersécurité. L’entreprise indique qu’il est plus grand que ses précédents modèles Pro haut de gamme, sans en avoir communiqué le nombre de paramètres dans les informations disponibles ici. 9

« Plus grand » reste donc une comparaison avec les anciens modèles de Google, et non une mesure précise de sa taille. Ce seul élément ne permet pas non plus de déterminer son coût, sa vitesse ou ses performances pour une tâche donnée par rapport à la concurrence.

Ce que montrent les tests publiés par Google

Les comparaisons de Google indiquent de bons résultats sur plusieurs tests liés à la programmation et au travail professionnel. Sur le Vals Index, consacré au travail de connaissance, Argon obtient 68,9 %, contre 63,1 % pour GPT-6 Astra d’OpenAI et 67,0 % pour Claude Opus 5.5 d’Anthropic. Sur AutomationBench, Google annonce 51,3 % pour Argon, contre 41,4 % pour Astra et 42,5 % pour Opus 5.5.

Google fait aussi état d’un score de 77,9 % à DeepSWE v1.1, un test portant sur des tâches de programmation complexes menées sur la durée. Pour la cybersécurité, les articles consacrés aux comparaisons indiquent qu’Argon est à égalité en tête sur une mesure, plutôt qu’en position de leader sur tous les tests. 37

Ces chiffres donnent une indication des capacités qu’avance Google, mais ce sont des résultats sur des tests ciblés, pas un verdict définitif sur la qualité globale du modèle. Comme l’accès reste restreint, la plupart des utilisateurs ne peuvent pas encore les confronter à leurs propres usages. 6

Qui peut utiliser Argon aujourd’hui ?

Google fournit d’abord Argon à des spécialistes de la cybersécurité sélectionnés et vérifiés, dans le cadre de son Fairwind Program. L’entreprise dit vouloir permettre aux équipes de défense d’utiliser le modèle tout en limitant les risques d’abus. Google participe également à une procédure volontaire du gouvernement américain qui prévoit un accès aux modèles avant leur sortie publique. 65

Argon n’est pas encore largement accessible aux développeurs, aux entreprises ou au grand public, et les informations citées ici ne donnent pas de date ferme pour sa mise à disposition générale. 6 Cette approche prudente rappelle l’accès restreint d’Anthropic à Claude Mythos Preview, selon les articles sur le lancement. Les éléments disponibles ne permettent toutefois pas de comparer en détail les deux programmes. 6

Le retard de Gemini 3.5 Pro en toile de fond

Selon des informations attribuées à des personnes proches du dossier, Google a retardé Gemini 3.5 Pro pour améliorer ses capacités, notamment en programmation. L’entreprise a ensuite choisi de passer à Gemini 4 Argon plutôt que de lancer la version 3.5 Pro.

Ce précédent donne davantage d’enjeu au lancement d’Argon : Google le présente comme un nouveau modèle phare après une période durant laquelle OpenAI et Anthropic ont fait progresser leurs propres systèmes de pointe. Mais les informations disponibles relient le retard de Gemini 3.5 Pro aux travaux d’amélioration du modèle ; elles ne démontrent pas qu’un changement organisationnel précis chez DeepMind en soit la cause.

La question du coût reste ouverte

Google a aussi mis en avant l’avantage de coût de ses modèles dans sa stratégie face à la concurrence. Le prix peut donc constituer un autre axe de différenciation, en plus des résultats aux tests. Toutefois, les sources citées ici ne permettent pas d’établir qu’Argon lui-même bénéficie d’un avantage de coût vérifié par rapport aux modèles phares concurrents.

Le bilan provisoire est donc nuancé : Google revendique de bons résultats sur plusieurs tests de programmation et de travail en entreprise, tout en limitant l’accès pendant l’évaluation du modèle. Il reste à voir si ces résultats se traduisent par un avantage dans les usages courants et comment le coût d’Argon se compare à celui de ses concurrents, une fois les tests à plus grande échelle possibles. 6