L’essentiel
- Gemini 4 Carbon prend la tête de l’indice Artificial Analysis v5 avec 59 points, contre 50 pour Argon, lancé deux semaines plus tôt.
- Google l’ouvre d’abord à un groupe de défenseurs cyber, puis à des partenaires de confiance via son programme Fairwind, avant les développeurs et le grand public.
- Le modèle affiche 88,2 % sur SEC-bench Pro, 54,8 % sur ExploitGym et 71,0 % sur CWE-bench, au tarif d’introduction de 2 dollars (entrée) et 10 dollars (sortie) par million de tokens.
Un modèle prend la première place d’un classement, et l’on parle aussitôt de course au score. Google, lui, a fait un autre choix pour Gemini 4 Carbon : le remettre d’abord à quelques équipes de sécurité, et seulement ensuite aux développeurs, aux entreprises et aux particuliers.
Cette décision pèse plus lourd que les 59 points. Elle indique ce qui, désormais, décide de la date de mise en ligne d’un modèle de pointe.
Un score en tête, mais pas partout
Sur la version 5.0 de l’indice d’intelligence d’Artificial Analysis (un comparatif indépendant de modèles), Carbon obtient 59 points, Argon 50. L’écart est net, mais il ne vaut pas pour tous les classements.
En programmation agentique sur Antigravity, Carbon reste trois points derrière Claude Code avec Opus 5.5. Sur AA-Briefcase, qui mesure le travail de bureau confié à des agents, il atteint 1 609 Elo, mais Kimi K3.1 Pro (1 678), Muse Wonder (1 659) et Grok 4.7 (1 638) le devancent. Chez Vals AI, il se classe deuxième avec 70,36 % de précision, derrière Claude Sonnet 5.5 (70,85 %) et devant Opus 5.5 (70,18 %).
La fiabilité est le point le plus délicat. La précision des réponses passe de 48 à 58 % par rapport à Argon, mais le taux d’hallucination grimpe de 4 à 11 %, ce qui reste le deuxième plus bas du classement. Claude Opus 5.5 et GPT-6 Astra se situent, eux, chacun à 50 % de précision. Un modèle plus savant se trompe donc aussi plus souvent avec aplomb, et c’est au développeur de décider si ce prix lui convient.
La capacité offensive fixe le calendrier
Dans son annonce, Google met en avant trois mesures : 88,2 % sur SEC-bench Pro pour trouver des vulnérabilités, 71,0 % sur CWE-bench pour les corriger, et 54,8 % sur ExploitGym pour les exploiter. Ces tests ont été menés sans garde-fous, précise l’éditeur.
Le score d’exploitation commande le reste. Un modèle capable d’exploiter une faille aide un défenseur à valider une alerte, et il aide tout autant quelqu’un qui n’a aucune raison de la signaler. Google ne l’écrit pas ainsi, mais son calendrier le laisse entendre : accès limité à des défenseurs cette semaine, élargissement progressif à des partenaires de confiance, participation au processus volontaire de test avant publication du gouvernement américain, et ouverture aux produits grand public « dès que possible », après ajustement des garde-fous.
Anthropic avait tracé cette voie en avril avec Project Glasswing, qui réserve Claude Mythos Preview à des partenaires vérifiés chargés de sécuriser des logiciels critiques. Chez les deux éditeurs, ce que le modèle sait faire contre un système informatique pèse désormais davantage sur la date de sortie que la qualité de ses réponses.
Des journées entières sans décrocher
L’autre promesse de Carbon tient à la durée. Selon Google, ses équipes l’ont fait tourner pendant plusieurs jours d’affilée : il a contourné des impasses, cherché la cause d’un bug dans de gros ensembles de code et corrigé des défauts dans des logiciels de bas niveau. L’équipe de Chrome affirme que les correctifs produits sont de qualité plus de dix fois supérieure à ceux d’un grand modèle d’un autre laboratoire.
Ces mesures viennent de l’éditeur lui-même, et se lisent comme telles. Le test de Gray Swan sur l’injection de prompt indirecte (des instructions malveillantes cachées dans une page ou un document que l’agent lit) en donne un exemple : le taux de réussite des attaques tombe de 0,7 % avec Argon à 0,0 % avec Carbon. Cela ne prouve pas que le problème est résolu. Cela montre plutôt que le test ne discrimine plus, et qu’il faudra des attaques plus coriaces pour évaluer un agent qui travaille seul pendant des jours.
Un tarif inchangé, un accès verrouillé
Carbon sera proposé au même prix d’introduction qu’Argon : 2 dollars par million de tokens en entrée, 10 dollars en sortie, avec une réduction de 95 % sur les tokens d’entrée mis en cache. Pour des sessions longues, qui relisent sans cesse le même contexte, la remise sur le cache compte davantage que le tarif affiché. Sur Vals AI, le coût par test (10,51 dollars, pour moins de 48 minutes) reste inférieur à celui des deux modèles d’Anthropic.
Pour l’instant, rien de tout cela ne se teste hors du cercle des défenseurs. Si votre équipe travaille sur la sécurité applicative, la candidature au programme Fairwind vaut le détour. Dans les autres cas, le plus utile est de préparer vos propres évaluations : un score agrégé ne dira jamais si un modèle tient vingt heures sur votre dépôt.
Quinze jours entre Argon et Carbon
Google revendique ce rythme : ses chercheurs et ses modèles avancent « main dans la main », écrit l’éditeur, qui renforce ses protections en parallèle. Si Argon et Carbon se succèdent à quinze jours d’écart, les cycles de validation des entreprises, eux, se comptent en mois. L’écart grandit entre ce que les laboratoires savent faire et ce que les utilisateurs ont le temps de contrôler.
Mon avis
Les laboratoires vont classer leurs modèles par niveau d’accès avant de les classer par score. Dans douze mois, un modèle de pointe sans palier réservé aux défenseurs, aux chercheurs ou aux organismes publics paraîtra irresponsable, et l’on cessera de comparer des modèles que personne ne peut tester à égalité. Pour un développeur, le critère d’achat décisif sera la place qu’on vous accorde dans la file.
Sources
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 22 évaluations
Faire appel à mes services →
