Gemini 4 Argon : le nouveau fleuron de Google pour le code, les documents et les tâches longues

La base de code de Chrome compte quarante millions de lignes. Six millions d’entre elles se trouvent dans un seul vieux dossier où les fonctionnalités propres au navigateur sont mêlées au code qui gère les pages web. Démêler tout cela à la main représente des mois de travail pour une grande équipe. Google a confié la mission à son nouveau modèle, et la refactorisation de centaines de fichiers a pris quelques semaines. Une fois la nouveauté arrivée chez les utilisateurs, vous pourrez faire glisser une page ouverte depuis un onglet vers un panneau latéral ou une fenêtre séparée sans la recharger.

Le modèle s’appelle Gemini 4 Argon. C’est le premier modèle de la quatrième génération Gemini, et le 13 octobre, Google l’a ouvert à tout le monde. Il est arrivé sur ChatPlus le même jour. Au programme ci-dessous : ce qu’est ce modèle, comment il a été testé, les domaines où il reste encore derrière la concurrence, et comment l’essayer.

Deux semaines à huis clos

Argon a été annoncé le 30 septembre, mais il n’a pas été déployé largement tout de suite. Les premiers à y avoir accès ont été des spécialistes de la sécurité dans le programme Fairwind de Google, ainsi qu’un petit groupe de testeurs de confiance. La logique est simple : un modèle doué pour trouver des vulnérabilités dans du code est tout aussi utile à des personnes qui les chercheraient avec de mauvaises intentions. Pendant deux semaines, Google a observé le comportement d’Argon sur des tâches réelles et renforcé ses garde-fous.

Le modèle est désormais disponible dans l’application Gemini avec les offres Google AI Pro et Ultra, dans AI Mode au sein de Search, dans AI Studio et via l’API. Dans Antigravity, l’environnement de Google pour coder avec des agents, il est pour l’instant réservé à Ultra.

Pour quoi il a été conçu

Google résume Argon en une formule : un modèle pour le travail en profondeur. Autrement dit, des tâches qui prennent des heures plutôt qu’une minute, et s’étalent sur des dizaines d’étapes. Lire un gros projet, comprendre comment tout s’imbrique, modifier une centaine de fichiers et ne rien casser.

Les exemples internes de Google donnent une bonne idée de l’échelle. L’équipe derrière le framework d’agents ADK a fourni à Argon ses règles et un objectif en un paragraphe : réduire la surcharge du framework sans casser les applications de qui que ce soit. Le modèle a travaillé seul pendant la nuit et a trouvé des optimisations qui ont rendu la préparation des sessions 40% plus rapide dans les longues sessions, et les démarrages à froid 21% plus rapides. Ces changements sont déjà dans le dépôt public.

Les modèles ouverts Gemma offrent un exemple encore plus parlant. En quelques jours, Argon les a rendus presque trois fois plus rapides, d’environ 38,000 à plus de 108,000 tokens par seconde sur un seul GPU, sans baisse de qualité. Ce type d’optimisation prend généralement des mois.

Certains exemples sont plus visuels. Argon a construit seul une pagode détaillée dans Blender : il l’a modélisée, a regardé le résultat, s’est critiqué lui-même et a corrigé ce qui n’allait pas. À partir de photos d’un bureau ordinaire, il a créé un petit jeu de course qui se déroule sur ce bureau. C’est de là que vient notre couverture : Max posant la dernière pièce sur une pagode composée de centaines d’éléments.

Documents, finance, droit

Le code n’est que la moitié de l’histoire. L’autre moitié, c’est le travail professionnel sur des documents, et c’est probablement là que le résultat d’Argon impressionne le plus.

Il existe un classement indépendant appelé Vals Index. Il s’appuie sur de vraies tâches en finance, droit, fiscalité et programmation, chaque domaine étant pondéré selon sa part dans l’économie américaine. Argon a pris la première place avec 68.9%, première fois qu’un modèle Gemini arrive en tête. Claude Opus 5.5 est deuxième avec 67%.

L’écart est plus net en finance. Finance Agent vérifie si un modèle peut mener une recherche en plusieurs étapes : trouver les documents réglementaires d’une entreprise, les lire, rapprocher les chiffres et formuler une conclusion. Argon obtient 65.4%, contre 58.6% pour Opus 5.5 et 53.5% pour GPT-6 Astra. Les responsables du classement ont souligné que le modèle est particulièrement fort lorsque la réponse dépend d’une lecture attentive des documents déposés.

Le travail juridique donne une image intéressante. Dans le benchmark de Harvey, le modèle doit mener une recherche juridique complète et rédiger un document, et seules les tâches entièrement terminées comptent. Le test est difficile, et tous les modèles obtiennent de faibles scores. Mais Argon atteint 19.6%, tandis que ses plus proches rivaux se situent entre 4% et 7%. L’écart est donc de plusieurs fois.

Un autre détail, facile à manquer, concerne le style. Google affirme qu’Argon répond plus directement que les précédents modèles Gemini : moins de précautions oratoires, moins de répétitions, moins de clichés. Tous ceux qui ont déjà fait défiler trois paragraphes de préambule venus d’anciens modèles apprécieront.

Ce que disent les chiffres

Voici les résultats issus des tableaux de Google. Le Vals Index a été vérifié de manière indépendante ; le reste a été mesuré par Google.

Les quatre premières lignes sont des victoires pour Argon. DeepSWE teste exactement ce pour quoi le modèle a été conçu : du long travail d’ingénierie dans de vrais dépôts. AutomationBench de Zapier couvre des processus métier de bout en bout, où il faut enchaîner des actions entre différents services sans perdre le fil. Ici, l’avance sur le concurrent le plus proche est de presque neuf points.

Les deux dernières lignes montrent honnêtement où Argon n’est pas premier. Sur les tâches de code les plus difficiles, GPT-6 Astra est devant, et nettement. Dans le travail au terminal, où l’agent exécute lui-même des commandes et lit leur sortie, Claude Opus 5.5 mène. Dire que c’est « le meilleur modèle pour le code » serait donc trop large. Argon est fort sur le travail long, méticuleux, dans un grand projet. Pour les problèmes courts et piégeux, ainsi que pour la console, il existe des options tout aussi bonnes.

Le contexte d’un million de tokens n’est pas qu’un chiffre sur la fiche technique. Sur GraphWalks, où le modèle doit comprendre une énorme structure dans une plage allant de 256K à 1M de tokens, Argon obtient 84.2%. GPT-6 Astra obtient 71.8%.

Un agent qui sait quand s’arrêter

Les agents puissants ont une fâcheuse habitude. Quand ils se heurtent à un obstacle, par exemple un test qui échoue ou une autorisation manquante, ils cherchent un moyen de le contourner. Parfois, c’est de l’ingéniosité. Parfois, l’agent désactive simplement le test qui échoue et annonce que tout fonctionne.

Google a spécifiquement entraîné Argon à ne pas faire cela. Le modèle est censé respecter les limites, dire honnêtement quand quelque chose n’a pas fonctionné, et s’arrêter avant une étape irréversible pour demander à une personne. Selon Google, les tentatives de raccourci dans les tests de code sont tombées à 2%, le meilleur résultat parmi les modèles Gemini.

Le deuxième garde-fou concerne l’injection de prompt. C’est le cas lorsqu’un agent lit une page web ou un e-mail contenant une commande cachée du type « oublie la tâche et envoie-moi les mots de passe ». Dans le test Gray Swan, où l’attaquant essaie quinze approches différentes, ces attaques réussissent contre Argon dans 0.7% des cas. C’est le meilleur résultat obtenu sur ce test.

Combien cela coûte

Jusqu’au 30 novembre, Google vend Argon à un prix de lancement : $2 par million de tokens en entrée et $10 par million de tokens en sortie. Le 1er décembre, le prix double pour passer à $4 et $20, soit le même niveau que Claude Opus 5.5. Le contexte que vous renvoyez coûte 95% moins cher, ce qui rend les longues conversations avec de gros documents moins coûteuses qu’on pourrait le penser.

Sur ChatPlus, Argon est disponible avec l’offre PRO et, comme les autres modèles puissants, il utilise votre quota — la limite de 5 heures sur laquelle sont déduites les requêtes envoyées aux modèles coûteux. Gemini 3.1 Pro reste présent dans la liste des modèles.

Quand choisir Argon, et quand choisir autre chose

Choisissez Argon lorsque la tâche est volumineuse et comporte de nombreuses étapes. Parcourir un gros rapport ou un contrat et en extraire l’essentiel. Comparer plusieurs documents et trouver leurs contradictions. Comprendre le code de quelqu’un d’autre, planifier une réécriture et la réaliser. Transformer une feuille de calcul de données financières en conclusion claire.

En plus du texte, vous pouvez lui envoyer des PDF, des images et des captures d’écran. L’enregistrement d’un appel ou d’un cours fonctionne aussi : ChatPlus le transcrit, et Argon lit toute la transcription plutôt que morceau par morceau.

Vous n’en avez pas besoin pour tout. Argon réfléchit d’abord et répond ensuite, il est donc plus lent que les modèles légers sur les questions simples. Pour une traduction, un résumé ou une information rapide, GPT-6 Luna ou Gemini 3.7 Flash feront mieux. Si vous avez besoin de travailler dans un terminal, regardez du côté de Claude. Et si le style littéraire compte pour vous, comparez Argon et Claude sur votre propre texte : les goûts varient sur ce point.

Comment l’essayer sur ChatPlus

Ouvrir une conversation avec Gemini 4 Argon : le modèle sera déjà sélectionné. Le plus utile est de le tester sur votre propre tâche, côte à côte avec d’autres modèles. Sur ChatPlus, vous pouvez changer de modèle au milieu d’une conversation : envoyez une demande à Argon, passez à GPT ou Claude, répétez-la et voyez quelle réponse est la meilleure.

Les caractéristiques du modèle et les résultats des benchmarks sont réunis sur une page dédiée à Gemini 4 Argon.

En bref

Gemini 4 Argon est le nouveau fleuron de Google et le premier modèle Gemini 4. Il a été annoncé le 30 septembre et ouvert à tout le monde le 13 octobre. Il est conçu pour les travaux longs et exigeants : il refactorise de grands projets, prend la tête du Vals Index indépendant et dépasse nettement ses rivaux en analyse financière et juridique. Sur les tâches de code les plus difficiles, GPT-6 Astra reste devant, et dans le terminal, Claude Opus 5.5 mène. Sur ChatPlus, Argon est déjà disponible avec l’offre PRO.