L’essentiel
- Koray Kavukcuoglu, nouveau patron de Google DeepMind, reconnaît que les modèles Gemini se situent « un peu en dessous de la frontière ».
- Il se dit « certain à 100 % » d’y revenir, mais n’annonce ni modèle, ni date : Gemini 3.5 Pro accuse plusieurs mois de retard et Gemini 4 reste en cours d’entraînement.
- Le dirigeant met en avant la série Flash, passée de la version 3.5 à la 3.7, qu’il décrit comme un basculement du modèle de langage vers l’agent de programmation.
Koray Kavukcuoglu a pris la tête de Google DeepMind, et sa première sortie publique consiste à dire que les modèles maison sont « un peu en dessous de la frontière », autrement dit sous le niveau des meilleurs systèmes du moment. À ce niveau de responsabilité, on préfère d’ordinaire les périphrases. Il enchaîne pourtant sur une promesse aussi nette que l’aveu : il est « certain à 100 % » de les y ramener. Entre les deux, aucun modèle, aucune date.
L’argument du meilleur rapport prix-performance vient de tomber
Google avait installé depuis des mois une ligne de défense commode : la première place dans les classements importerait peu, puisque l’entreprise gagnerait par la diffusion, avec des modèles bon marché branchés sur des milliards d’usages, de la recherche à Android. Kavukcuoglu l’a retirée en une phrase : à ses yeux, rien ne compte en dehors de la frontière.
Tant qu’une entreprise défend l’idée qu’elle ne court pas la même course que les autres, elle choisit ses propres critères et personne ne peut vraiment la prendre en défaut. En adoptant l’unité de mesure de ses concurrents, Google accepte d’être jugé dessus, publiquement, à chaque sortie de modèle. Ce confort-là a disparu avec l’interview.
Gemini 3.5 Pro, plusieurs mois de retard et aucune explication
Gemini 3.5 Pro reste en chantier. Annoncé pour juin, il n’est toujours pas sorti, et le patron de DeepMind n’en a pas dit un mot. Une version intermédiaire de ce type est pourtant l’exercice le moins risqué qui soit : on repart d’une architecture éprouvée, on améliore les données et le post-entraînement, on livre.
Quand ce genre de version glisse, la cause est rarement scientifique. Elle est industrielle : puissance de calcul disputée entre les équipes, campagnes d’entraînement qui n’atteignent pas leurs cibles, arbitrages permanents entre la recherche et les besoins du produit. Sur Gemini 4, le dirigeant s’en tient à ce qui était déjà public, « la campagne la plus ambitieuse » menée jusqu’ici, avant d’ajouter « touchons du bois, ça se passe bien ». Une équipe qui touche du bois sur son entraînement phare décrit un résultat qui n’est pas acquis.
Le pari Flash, ou la frontière déplacée vers l’agent
La seule matière neuve de cette sortie tient dans la série Flash. Kavukcuoglu décrit le passage de la 3.5 à la 3.6 puis à la 3.7 comme un changement de nature : faire passer le produit du modèle de langage à l’agent. Et il désigne le terrain qu’il juge décisif, l’ingénierie logicielle, « le domaine le plus critique » pour la réussite de ces systèmes.
La manœuvre est lisible, et habile. Si la frontière se mesure au raisonnement brut d’un très gros modèle, Google est derrière et vient de l’admettre. Si elle se mesure à la capacité d’un système léger à mener une tâche de développement jusqu’à son terme, sans surveillance, alors le classement change de forme et Google peut y prétendre avec des modèles rapides et peu coûteux.
L’économie de l’agent renforce ce choix. Un agent qui travaille pendant des heures consomme des volumes de tokens (les unités de texte facturées par ces modèles) sans commune mesure avec une conversation, et le coût par token redevient un avantage industriel plutôt qu’un lot de consolation. Gemini 3.7 Flash est d’ailleurs arrivé mi-août à 0,75 dollar le million de tokens en entrée et 3,75 dollars en sortie, un peu plus du tiers du tarif de Claude Sonnet 5, facturé 2 et 10 dollars. Mais c’est un prix d’introduction, qui double le 1er janvier 2027. Google ne renonce pas à son argument de prix, il le déplace sur un terrain où il pèse davantage.
La promesse se paiera d’abord sur Gemini 3.5 Pro
Le calendrier juge en premier. Gemini 3.5 Pro doit sortir, et vite. Si cette version finit absorbée par la suivante et ne voit jamais le jour, le message envoyé sera celui d’une chaîne d’entraînement qui n’arrive plus à livrer dans les temps, pas celui d’un arbitrage stratégique.
Vient ensuite l’écart. Gemini 4 devra arriver avec une avance mesurable, pas avec un match nul. Après un aveu public de retard, revenir à égalité six mois plus tard se lira comme un retard confirmé : la promesse d’une certitude à 100 % a placé la barre très haut, et personne n’a obligé Google à l’y placer.
Flash, enfin, offre le verdict le plus facile à établir. La version 3.7 devra tenir sur des tâches d’agent longues, celles qui enchaînent des dizaines d’actions et échouent silencieusement au bout de deux heures, et non sur des scores isolés de complétion de code. N’importe quelle équipe technique pourra le vérifier sur ses propres tâches, sans attendre un classement.
Les équipes déjà installées sur Gemini, elles, ont une décision à prendre maintenant : ne figez pas votre pile sur la génération en cours. Gardez une couche d’abstraction entre vos agents et le fournisseur, testez la 3.7 sur vos propres tâches longues plutôt que sur des benchmarks publics, et considérez les tarifs actuels comme provisoires. Une entreprise qui court après la frontière finit toujours par facturer sa remontée.
Kavukcuoglu a fixé lui-même l’échéance en parlant de certitude. Si Google publie d’ici mars 2027 un système qui reprend la tête sur les tâches d’agent, son aveu passera pour un excellent coup de communication. Sinon, sa phrase lui sera resservie à chaque trimestre, par ceux qui voudront mesurer l’écart entre la confiance affichée et ce qui a été livré.
Mon avis
Cet aveu est le meilleur signal envoyé par Google depuis longtemps, et pas pour une raison flatteuse : une entreprise qui s’autorise enfin à dire qu’elle est derrière est une entreprise qui a cessé de se mentir en interne. Je vois le rattrapage venir des agents plutôt que du très gros modèle, parce que l’infrastructure et le coût par token de Google y pèsent plus lourd que l’avance de ses concurrents en raisonnement pur. Le danger, c’est cette certitude à 100 % : elle transforme le moindre match nul en échec, et Gemini 4 devra donc gagner franchement ou ne pas sortir. Personne, chez DeepMind, n’a intérêt à livrer un modèle simplement correct au printemps prochain.
