Gemini 3.7 Flash : le modèle « workhorse » de Google privilégie la vitesse à la course aux benchmarks

À partir du 1er janvier 2027, les tarifs standards passeront à 1,50 dollar par million de tokens en entrée et 7,50 dollars en sortie : ils doubleront donc exactement. Les tarifs indiqués pour les usages remisés ou de type batch passeront également de 0,375/1,875 à 0,75/3,75 dollar par million de tokens en entrée et en sortie.

Cette date d’expiration est importante pour les équipes qui préparent une architecture durable. Un service qui semble exceptionnellement bon marché pendant la période de lancement doit être recalculé avec les tarifs de 2027 avant tout engagement à long terme.

Le prix par token ne suffit toutefois pas à estimer la facture d’un agent. Le coût réel dépend de la longueur du contexte, du nombre d’appels d’outils, des nouvelles tentatives, de la réutilisation du contexte, du niveau de raisonnement et du volume de sortie. Le coût annoncé pour une tâche de benchmark ne constitue donc pas une garantie de prix pour un workflow complet en production.

Vitesse et niveau d’intelligence

Selon les données indépendantes d’Artificial Analysis, Gemini 3.7 Flash obtient un score de 56 sur l’Intelligence Index. Il se place devant Claude Sonnet 5, à 55, mais juste derrière GPT-5.6 Terra, à 57, dans la comparaison citée.

La vitesse est sa différence la plus nette. Artificial Analysis a mesuré environ 340 tokens générés par seconde et un score moyen de temps par tâche de 1,7. L’organisme indique que Flash est environ 40 % plus rapide que GPT-5.6 Terra avec le niveau de raisonnement maximal.

Ces chiffres correspondent à des mesures de modèle ou de fournisseur et ne prédisent pas uniformément l’expérience de chaque application. Les conditions réseau, le routage du fournisseur, la taille du prompt, la latence des outils et les paramètres de raisonnement peuvent modifier le temps de réponse réellement observé.

Codage et workflows d’agents

Google annonce des progrès importants par rapport à Gemini 3.6 Flash dans l’ingénierie logicielle, le débogage, la résolution d’incidents, le développement web et les workflows agentiques. Les résultats de codage cités comprennent notamment :

• 43,6 % sur FrontierCode 1.1 Main, contre 34,4 % pour Gemini 3.6 Flash.
• 1 588 Elo sur Code Arena pour le développement web.
• 85,8 % sur Terminal-Bench 2.1, contre 80,4 % pour Claude Sonnet 5 et 87,4 % pour GPT-5.6 Terra dans la comparaison de Google.

Ces résultats décrivent un modèle solide pour le codage et les agents opérant dans un terminal, mais pas un vainqueur incontestable. GPT-5.6 Terra reste devant sur le résultat Terminal-Bench cité. L’avantage de Flash se situe plutôt du côté de la vitesse et du prix de lancement.

ARC-AGI : de bons résultats pour un coût par tâche réduit

Avec un niveau de raisonnement élevé, ARC Prize indique que Gemini 3.7 Flash atteint :

• 95,5 % sur ARC-AGI-1 Semi-Private, pour 0,12 dollar par tâche ;
• 84,6 % sur ARC-AGI-2 Semi-Private, pour 0,25 dollar par tâche.

Ces résultats sont élevés, en particulier au regard du coût annoncé par tâche. Ils doivent néanmoins être interprétés comme un signal de benchmark, et non comme une prévision directe de la fiabilité d’un agent logiciel. En production, un agent peut effectuer plusieurs appels au modèle, utiliser des outils externes, recommencer une action échouée et traiter un contexte beaucoup plus important qu’une tâche de test.

Comparaison avec les modèles concurrents

Ce tableau ne constitue pas un classement universel. Les modèles ont été évalués dans des tests différents et les sources ne fournissent pas de protocole contrôlé unique pour l’ensemble des concurrents. Les tarifs peuvent aussi correspondre à des conditions différentes d’hébergement, de remise ou de disponibilité.

Le pari stratégique de Google : le débit plutôt que le meilleur score

Les comparaisons disponibles suggèrent un choix de positionnement délibéré. Gemini 3.7 Flash est proche du haut du panier sur l’Intelligence Index cité, mais il n’obtient pas le meilleur score : GPT-5.6 Terra le devance légèrement avec 57 et arrive également en tête de la comparaison Terminal-Bench citée.

Google met donc l’accent sur l’équilibre entre intelligence, latence et coût. Un modèle suffisamment rapide pour le développement interactif et suffisamment abordable pour des appels répétés peut être plus utile à une plateforme d’agents qu’un modèle plus lent et plus cher, même si celui-ci gagne un benchmark précis.

Ce compromis compte pour les assistants de programmation, la résolution automatisée d’incidents, les agents de développement web et les workflows qui lisent plusieurs fois le contexte, appellent des outils, inspectent leurs résultats et réessaient. Dans cette logique, la vitesse et le coût d’une boucle complète peuvent peser davantage que quelques points sur un classement isolé.

La vague de sorties de modèles d’août 2026 accentue cette compétition. Qwen3.8-Max renforce la concurrence dans les agents et l’ingénierie logicielle, tandis que GLM-5.3 et Nemotron 3.5 Lightning exercent une pression sur les prix et l’efficacité. Claude Opus 5 et GPT-5.6 visent davantage les capacités de pointe, alors que Claude Sonnet 5 reste une alternative de production directe.

Verdict

Gemini 3.7 Flash doit être compris comme un modèle de travail à haut débit, et non comme le modèle incontestablement le plus intelligent. Son dossier repose sur un score Intelligence Index de 56, une génération d’environ 340 tokens par seconde, de bons résultats en codage et dans les agents de terminal, ainsi qu’un tarif de lancement exceptionnellement bas.

Pour les développeurs, la principale réserve est financière plutôt que technique : les tarifs de 0,75 dollar en entrée et 3,75 dollars en sortie expirent le 31 décembre 2026. Dès le lendemain, les tarifs standards de 1,50 et 7,50 dollars s’appliqueront.

L’affirmation de Google sur la croissance de Flash pourra être confirmée ou infirmée lorsque des chiffres d’usage seront disponibles. À ce stade, les éléments établissent surtout une stratégie claire : faire de l’inférence rapide et abordable le choix par défaut pour les applications qui misent sur le volume des appels et les boucles d’agents, plutôt que chercher à remporter chaque benchmark d’intelligence brute.