Google a officiellement présenté Gemini 4 Argon le 30 septembre 2026, un nouveau modèle d’intelligence artificielle de pointe développé par Google DeepMind. Contrairement à une simple évolution destinée principalement aux conversations avec un chatbot, Argon a été conçu pour exécuter des tâches professionnelles longues et complexes, notamment dans le développement logiciel, la recherche, la finance, le droit et surtout la cybersécurité. Son déploiement reste cependant très limité : Google souhaite tester ses capacités et renforcer ses mécanismes de sécurité avant de le proposer largement aux développeurs et au grand public.
1. Qu’est-ce que Gemini 4 Argon ?
Gemini 4 Argon constitue le nouveau modèle « frontier » de Google, c’est-à-dire un modèle situé à la frontière des capacités actuelles de l’intelligence artificielle. L’objectif de Google n’est plus uniquement de produire une IA capable de répondre correctement à une question, mais de développer un système capable de maintenir un raisonnement et d'exécuter une succession d'opérations sur une période beaucoup plus longue.
Cette caractéristique est particulièrement importante pour les futurs agents IA. Dans un projet informatique complexe, par exemple, l’IA doit être capable d’étudier plusieurs fichiers, de comprendre l’architecture d’une application, d’identifier un problème, de modifier différentes parties du programme, d’exécuter des tests puis de corriger éventuellement ses propres erreurs.
Google présente ainsi Argon comme particulièrement adapté à quatre grands domaines : l’ingénierie logicielle, les tâches professionnelles complexes, la compréhension multimodale et la cybersécurité défensive. Le modèle est d’ailleurs déjà utilisé en interne par des milliers d’employés de Google.
2. Une capacité pouvant atteindre un million de tokens en sortie
L’une des caractéristiques les plus remarquables annoncées par Google concerne la quantité de texte et de raisonnement que Gemini 4 Argon peut produire au cours d’une même trajectoire de travail.
Google indique avoir porté la limite de sortie à un million de tokens, contre 64 000 auparavant. Il s'agit bien ici d'une limite de sortie, et non simplement d'une fenêtre de contexte d'un million de tokens. Cette distinction est importante : elle permet théoriquement au modèle de poursuivre beaucoup plus longtemps un raisonnement, une analyse ou l'exécution d'une tâche sans devoir interrompre prématurément son travail.
Une telle capacité peut devenir particulièrement intéressante pour analyser de grandes bases de code, produire ou transformer des documents volumineux, étudier de longues vidéos, réaliser des recherches en plusieurs étapes ou coordonner des agents spécialisés.
Google affirme également qu'Argon obtient de très bons résultats dans les tâches nécessitant l'exploitation de contextes extrêmement longs. Sur GraphWalks, par exemple, Google rapporte un score F1 de 84,2 % pour les tests allant de 256 000 à un million de tokens. Comme toujours avec les benchmarks publiés lors du lancement d'un modèle, ces résultats devront être confrontés progressivement à des évaluations indépendantes et à des utilisations réelles.
3. Gemini 4 Argon veut devenir un outil puissant pour les programmeurs
Le développement logiciel constitue l’un des domaines sur lesquels Google insiste le plus. Gemini 4 Argon ne doit pas seulement générer quelques fonctions Python, JavaScript ou Java à partir d'une consigne. Google cherche à lui faire prendre en charge des opérations beaucoup plus longues sur de véritables projets logiciels.
Sur DeepSWE v1.1, un benchmark destiné à mesurer les performances sur des tâches réelles et longues d’ingénierie logicielle, Google annonce un score de 77,9 % pour Argon.
Google utilise déjà le modèle pour réaliser certaines migrations importantes de code. Des agents Argon participent notamment à la conversion de bases de code C/C++ vers Rust, depuis des bibliothèques comportant quelques dizaines de milliers de lignes jusqu'à des projets dépassant 800 000 lignes de code, notamment autour du noyau Zircon de Fuchsia OS.
Un autre exemple fourni par Google concerne libgav1, son décodeur vidéo open source. Les agents Argon ont travaillé à partir d'un portage Rust existant et remplacé environ 32 000 lignes de code SIMD. Selon Google, le résultat obtenu fonctionne 2,7 fois plus rapidement que le portage Rust précédent, tout en produisant une sortie vidéo identique. Ces transformations restent soumises à des audits, tests et vérifications humaines avant leur utilisation en production.
L'intérêt d'une telle IA devient alors très différent de celui d'un simple assistant de programmation : l'objectif est progressivement de disposer d'agents capables de travailler sur une base de code complète et d'accomplir une mission comportant de nombreuses étapes.
4. Finance, droit, recherche et automatisation des tâches professionnelles
Google ne réserve pas Gemini 4 Argon aux développeurs. Le modèle vise également les activités professionnelles nécessitant l’analyse simultanée de nombreux documents et l’exécution de raisonnements complexes.
Argon a notamment été évalué sur des tâches de recherche financière en plusieurs étapes, de recherche et de rédaction juridique, d’analyse de graphiques et d’automatisation des fonctions d’entreprise.
Google rapporte qu'Argon arrive en tête du Vals Index, une évaluation portant notamment sur la finance, le développement logiciel, le droit et la fiscalité. Il obtient également 51,3 % sur AutomationBench, benchmark de Zapier destiné à évaluer l’exécution de bout en bout de tâches professionnelles.
La multimodalité joue également un rôle important. Argon peut exploiter conjointement du texte, des documents, des graphiques et des vidéos. Sur LVBench, consacré notamment à la compréhension de longues vidéos, Google rapporte un score de 91,7 %.
Cette évolution illustre une tendance importante de l'IA actuelle : les grands modèles ne sont progressivement plus conçus uniquement pour produire une réponse, mais pour accomplir un travail comprenant recherche, analyse, utilisation d'outils et succession d'actions.
5. La cybersécurité au cœur de Gemini 4 Argon
La cybersécurité constitue probablement la partie la plus sensible de Gemini 4 Argon. Google affirme avoir spécialement entraîné le modèle pour la cyberdéfense et indique qu'il peut rechercher, valider et corriger de manière autonome certaines vulnérabilités logicielles critiques.
Sur CWE-bench v1, qui évalue la capacité d'une IA à corriger des vulnérabilités logicielles, Argon obtient selon Google 68 %, soit une première place ex æquo dans les résultats publiés par l'entreprise.
Le modèle a également été évalué sur des bases de code complexes couvrant 20 langages de programmation.
Plus spectaculaire encore, Google indique que l'entreprise de cybersécurité Wiz utilise déjà Argon dans son programme Scan for Good, consacré à la protection gratuite d'infrastructures publiques critiques. Lors d'une première utilisation, Argon aurait découvert une vulnérabilité critique dans un logiciel de santé utilisé par des hôpitaux à travers le monde, vulnérabilité qui exposait potentiellement des informations personnelles sensibles et qui n'avait pas été identifiée par des modèles précédents.
Ces capacités expliquent aussi pourquoi Google ne met pas immédiatement toutes les fonctionnalités du modèle à disposition du grand public.
6. Pourquoi Google limite-t-il actuellement l’accès à Gemini 4 Argon ?
Gemini 4 Argon n'est pas encore disponible librement comme un modèle Gemini classique. Google a commencé son déploiement auprès d'un groupe sélectionné de spécialistes de la cyberdéfense dans le cadre de son Fairwind Program.
Cette prudence s'explique notamment par le caractère dual de certaines capacités. Une IA extrêmement performante pour rechercher une vulnérabilité afin de la corriger pourrait potentiellement être détournée pour rechercher cette même vulnérabilité dans une intention malveillante.
Google indique donc travailler sur plusieurs niveaux de protection : prévention des utilisations abusives, résistance aux attaques par injection de prompt, surveillance du comportement des agents et renforcement des environnements isolés utilisés pour les tâches présentant davantage de risques. Google présente notamment Argon comme son modèle le plus résistant jusqu'à présent aux injections indirectes de prompt.
L'entreprise participe parallèlement au processus volontaire du gouvernement américain permettant un accès aux modèles avant leur lancement. Elle prévoit d'étendre progressivement l'accès après avoir recueilli les observations des premiers utilisateurs et amélioré les garde-fous.
7. Prix, disponibilité et ce que Gemini 4 Argon pourrait changer
Google prévoit de proposer Gemini 4 Argon avec un prix de lancement de 2 dollars par million de tokens en entrée et 10 dollars par million de tokens en sortie. Les entrées déjà mises en cache bénéficieront, selon Google, d'une réduction de 95 % par rapport au tarif normal des tokens d'entrée.
Le grand public ne peut toutefois pas encore simplement ouvrir Gemini et sélectionner Argon. Après la phase actuelle réservée aux spécialistes de confiance, Google prévoit un déploiement progressif auprès des développeurs, entreprises et consommateurs, en commençant notamment par les clients payants de l'API et les abonnés Google AI Ultra. Google n'a cependant pas annoncé de date publique précise pour cette disponibilité générale.
Gemini 4 Argon illustre surtout l'évolution actuelle de l'intelligence artificielle. Après la génération de texte, d'images et de code, la prochaine compétition entre les grands laboratoires semble se déplacer vers les tâches longues et les agents autonomes capables de travailler sur des problèmes complexes pendant de nombreuses étapes.
Pour les développeurs, cela pourrait progressivement signifier passer d'un assistant auquel on demande « écris-moi cette fonction Python » à un agent auquel on confie « analyse cette application, identifie le problème, propose une correction, modifie les fichiers concernés et vérifie que les tests passent ».
C'est probablement sur cette capacité à accomplir des missions complètes plutôt qu'à simplement répondre à des questions que se jouera une partie importante de la prochaine génération d'intelligences artificielles.
