Un employé de Google compare un modèle maison à Opus 5.5, le meilleur modèle de programmation d’Anthropic, puis ajoute aussitôt qu’il faut tester davantage. La précaution est sage. Que la comparaison circule déjà en dit long sur la partie qui s’engage.
Argon, Barium, Carbon : une famille, trois noms
Des documents, des captures d’écran et des échanges internes, consultés par un média américain, montrent que Google teste plusieurs variantes de Gemini 4 : Argon, Barium et Carbon. Carbon a été déployé ces derniers jours sur Jetski, la plateforme de programmation interne du groupe. Il y battrait Argon, surtout sur les tâches de code.
Les retours restent nuancés. Les premières versions d’Argon ont rappelé à un autre employé l’ancien Opus 5 sur certains exercices, avec un léger retard, même si l’accueil interne est globalement positif. Rien ne ressemble ici à un classement public : ce sont des impressions de testeurs, sans protocole publié.
Les noms de code se démêlent à peu près. Argon, désormais dévoilé, s’appelait Barium-B en interne. Carbon serait un checkpoint (une version intermédiaire d’un modèle dont l’entraînement se poursuit) de la même lignée. Un salarié l’a d’ailleurs décrit comme le « Gemini pro next model ». On ignore si Carbon sortira comme une mise à jour d’Argon ou comme un modèle à part. Google a refusé de commenter.
Une grille de rôles qui désigne les concurrents
Au lancement de son agent Gemini pour Google Workspace, l’entreprise a publié sa répartition des tâches : Argon pour le raisonnement de pointe, Flash pour la vitesse et le volume, Omni pour les médias génératifs, Gemma pour les charges légères en poids ouverts sur les appareils. La rumeur qui faisait d’Argon un modèle Flash, optimisé pour la rapidité, tombe d’elle-même.
Cette grille place Argon dans la même case qu’Opus chez Anthropic ou Astra chez OpenAI. Google ne vante pas seulement un bon modèle : il désigne l’étage où il entend être jugé, celui où se jouent les budgets d’entreprise, le raisonnement et le code.
Le calendrier est tout aussi calculé. Argon doit d’abord passer par Fairwind, un programme de partenaires chargés d’éprouver les vulnérabilités cyber des nouveaux modèles, avant une diffusion large. Google met en avant des résultats parmi les meilleurs sur des benchmarks de code et de connaissances, notamment en droit et en finance, et revendique une priorité à la cybersécurité défensive. Un lancement par cercles successifs, c’est aussi une façon de contrôler le moment où la comparaison avec les rivaux devient publique.
Bas, moyen, haut : le curseur devient le produit
Pendant que Carbon se teste en coulisses, les produits grand public bougent déjà. L’application Gemini propose un mode « Automatique » pour les modèles de la série 3, avec une intensité de raisonnement réglable de faible à élevée. La version web affiche bas, moyen et haut pour tous les modèles, ce qui unifie le sélecteur entre les outils. Google AI Studio a fait apparaître un mode « Ultra », qui promet des « compétences et outils avancés ». Des références à Argon avec ces trois niveaux d’effort ont aussi été repérées, masquées, dans Antigravity, l’environnement de programmation de Google.
Un modèle à effort réglable déplace la décision de calcul vers l’utilisateur : une question rapide ne mobilise pas le même budget qu’un refactoring de plusieurs fichiers. Pour Google, qui maîtrise ses puces et son infrastructure, le terrain est favorable. Anthropic et OpenAI vendent déjà des paliers ; Google préfère les installer comme un réflexe d’interface, partout, avant même la sortie du modèle.
Avec un sélecteur à trois crans, il ne suffit plus de choisir un modèle : il faut décider du niveau pour chaque tâche. Mesurez, sur vos propres cas, ce que le cran haut apporte par rapport au cran moyen, et à quel prix. Aucun tarif ni aucune consommation de jetons par niveau n’ont été communiqués, et c’est la zone d’ombre principale.
Des modèles qui aident à fabriquer leurs successeurs
La cadence frappe autant que le niveau. Carbon arrive avant même la sortie officielle d’Argon, avec un rythme de mises à jour comparable à celui des modèles Flash. Vedant Misra, de Google DeepMind, a répondu à l’article d’un laconique « Have you heard of recursive self improvement » (avez-vous entendu parler de l’auto-amélioration récursive), en référence à l’usage de l’IA pour concevoir une meilleure IA. OpenAI et Anthropic font état de progrès du même ordre.
Si les checkpoints se succèdent de semaine en semaine, une comparaison à Opus 5.5 se périme vite, dans les deux sens. L’avantage va à celui qui itère le plus souvent, pas à celui qui annonce le plus fort. L’auto-amélioration récursive, elle, est ici une explication avancée par un salarié, pas un fait établi par Google.
Aucune date de sortie n’est donnée pour Gemini 4. Logan Kilpatrick, de Google, a seulement confirmé que l’équipe travaille à tirer le meilleur d’Argon. Le nom de code qui l’emportera importera moins que le prix du cran « haut » le jour où il sera facturé.
Ils m’ont fait confiance
« Il ne se contente pas de corriger les symptômes, il cherche à comprendre l'origine des problèmes et à sécuriser les modifications effectuées. J'ai réellement le sentiment d'avoir trouvé un développeur qui comprend à la fois la technique et les enjeux globaux du projet. »
Évaluation client · projet WordPress · septembre 2026
5,0/5 sur 17 évaluations
Faire appel à mes services →
