Gemini 4 Argon : Google ouvre son modèle phare à tous, mais pas devant

Google a ouvert à tout le monde, le 13 octobre, l'accès à Gemini 4 Argon, son modèle le plus avancé, après deux semaines réservées à un groupe restreint de défenseurs en cybersécurité via le programme Fairwind annoncé le 30 septembre. Le modèle est désormais disponible via l'API Gemini payante, Google AI Studio, l'environnement de développement agentique Antigravity et les abonnements Gemini Enterprise éligibles ; les abonnés Google AI Pro et Ultra y accèdent directement dans l'application Gemini.

Un lancement calé sur le prix, pas seulement sur la performance

Google mise sur un argument tarifaire agressif pour l'adoption : jusqu'au 30 novembre, Argon coûte 2 dollars par million de tokens en entrée et 10 dollars en sortie, avec une réduction de 95 % sur les tokens mis en cache (0,10 dollar). Ces tarifs promotionnels doublent ensuite au 1er décembre, pour atteindre 4 et 20 dollars. Pendant la période promotionnelle, Argon se positionne exactement au niveau tarifaire de Claude Sonnet 5.5 (2/10 dollars) et nettement sous GPT-6 Astra d'OpenAI, facturé 10 dollars en entrée et 50 dollars en sortie. L'écart avec Claude Opus 5.5 (4/20 dollars) se resserre lui aussi puisque le tarif d'appel d'Argon s'aligne, pour deux mois, sur celui d'un modèle Anthropic d'entrée de gamme plutôt que sur son équivalent haut de gamme.

Sur le papier, Google positionne Argon comme un modèle capable de gérer des tâches complexes et multi-étapes en ingénierie logicielle, finance, droit, cybersécurité et sciences — c'est-à-dire directement sur le terrain professionnel où Anthropic et OpenAI concentrent leurs propres offensives commerciales depuis le début de l'année.

Des benchmarks qui ne tranchent pas en faveur de Google

C'est là que l'annonce se complique pour la communication de Google : les classements indépendants publiés depuis le lancement ne confirment pas une supériorité nette d'Argon. Sur l'indice pondéré par le PIB de Vals AI, Argon arrive certes en tête avec 68,90 %, devant Claude Sonnet 5.5 (67,04 %) et Claude Opus 5.5 (66,97 %) — un écart de moins de deux points. Mais sur l'Intelligence Index d'Artificial Analysis, un autre baromètre généraliste très suivi dans l'industrie, le classement s'inverse : Claude Opus 5.5 obtient 58 points, Claude Sonnet 5.5 et le modèle concurrent Muse Wonder Full 56 points chacun, et Argon se retrouve à 53 points, à égalité avec GPT-6 Astra d'OpenAI.

Sur des benchmarks sectoriels publiés par Google lui-même en septembre, l'écart est en revanche net et à l'avantage d'Argon : 19,6 % contre 3,8 % pour Claude Opus sur l'agent juridique Harvey, 77,9 % contre 74,2 % sur l'évaluation de code DeepSWE v1.1, et 87 % sur une épreuve de raisonnement incarné liée à la robotique. Ces chiffres, à prendre avec la réserve qu'ils proviennent du constructeur du modèle testé, dessinent un profil : Argon semble taillé pour exceller sur des tâches combinant compréhension visuelle, génération logicielle et production de contenus créatifs, plutôt que pour dominer les classements généralistes.

Sam Witteveen, cofondateur du cabinet Red Dragon AI spécialisé dans le déploiement de modèles de langage, a résumé le sentiment ambiant après les premiers tests indépendants : « C'est un très bon modèle. Mais est-ce le meilleur ? Je ne le pense pas », cité par VentureBeat. Le constat rejoint une tendance observée depuis plusieurs mois sur le marché des modèles de fondation : les écarts de performance entre les meilleurs modèles généralistes de Google, Anthropic et OpenAI se resserrent à chaque nouvelle génération, au point que le choix d'un modèle se fait de plus en plus sur le prix, l'intégration à un écosystème ou une spécialité précise plutôt que sur un avantage brut et généralisé.

Une intégration poussée dans l'écosystème agentique

Argon se distingue surtout par son intégration : le modèle se connecte désormais à plus de quarante applications externes — Instacart, OpenTable, Adobe ou Shopify sont citées par Google — permettant d'automatiser des tâches sans quitter l'application Gemini. Pour les usages longs, le modèle partage sa progression de façon plus fréquente, une réponse directe aux critiques adressées aux agents IA qui exécutent de longues séquences d'actions sans visibilité intermédiaire pour l'utilisateur. Google revendique aussi des réponses « plus directes, avec moins de réserves », une manière à peine voilée de répondre aux critiques récurrentes sur la verbosité et les tournures prudentes des précédentes générations de Gemini.

Le calendrier révélé en creux par les observateurs du secteur suggère que Google ne compte pas s'arrêter là : des versions ultérieures, désignées en interne sous les noms de code Barium et Carbon, seraient déjà en test, signe que le rythme de sortie des modèles de fondation continue de s'accélérer d'un éditeur à l'autre. Pour les entreprises qui évaluent actuellement une migration — un exercice que beaucoup mènent en comparant les prix des API des principaux fournisseurs — la fenêtre promotionnelle de deux mois offerte par Google ressemble moins à un argument de supériorité qu'à une incitation calculée à tester le modèle avant que les tarifs ne doublent.

Reste une question que les benchmarks ne résolvent pas : dans un marché où aucun fournisseur ne domine plus franchement sur l'ensemble des usages, la bataille se joue désormais sur la capacité à retenir les développeurs pendant la fenêtre de prix bas, plutôt que sur un saut de performance isolé.