Où est Gemini 3.5 Pro ? L’offensive Gemini de Google : quand la vitesse devient plus importante que l’ingéniosité

Moins cher plutôt que génial : le changement de stratégie surprenant de Google chez Gemini

Nouveau plan de Google en matière d'IA : l'entreprise abandonne-t-elle la course à l'IA la plus intelligente ?

Google bouleverse les règles du jeu dans la course mondiale à l'IA. Au lieu de s'engager dans une lutte acharnée avec des concurrents comme OpenAI et Anthropic pour le modèle phare le plus intelligent – ​​et donc le plus cher –, le géant technologique mise sur une efficacité radicale. Avec sa nouvelle gamme de modèles articulée autour du Gemini 3.6 Flash, du Flash-Lite extrêmement économe en énergie et du modèle Cyber, hautement spécialisé mais pour l'instant tenu secret, un nouveau critère devient primordial : la réduction des coûts alliée à une praticité maximale. Alors que le Gemini 3.5 Pro, modèle phare tant attendu, n'est toujours pas disponible, Google se repositionne comme un fournisseur incontournable pour l'économie des agents, en pleine expansion. Mais que signifie ce changement stratégique pour l'avenir de l'IA générative ? Et pourquoi Google considère-t-il son dernier modèle de sécurité comme trop risqué pour le grand public ? Cet article analyse la stratégie pragmatique de Google pour la prochaine génération d'IA et examine son impact considérable sur les entreprises et les développeurs.

Pourquoi Google préfère livrer trois petits modèles plutôt que de tenir une grande promesse

La dernière initiative de Google dans la course aux grands fournisseurs d'IA s'inscrit dans une tendance qui se généralise dans le secteur : plutôt qu'une avancée unique et monolithique, l'entreprise propose toute une gamme de modèles adaptés à différents cas d'usage. Avec Gemini 3.6 Flash, Gemini 3.5 Flash-Lite et Gemini 3.5 Flash Cyber, Google lance la prochaine étape de son évolution quelques mois seulement après la sortie de Gemini 3.5 Flash en mai. Ce qui est remarquable ici, ce n'est pas tant le contenu technique de chaque innovation que le message stratégique sous-jacent : Google ne se positionne plus avant tout comme le fournisseur du modèle le plus intelligent, mais plutôt comme celui de l'écosystème d'IA le plus rentable.

La frugalité comme nouveau symbole de statut dans la course à l'IA

L'argument de vente principal de Gemini 3.6 Flash n'est pas l'amélioration de l'intelligence, mais la réduction des coûts. Google annonce une réduction d'environ 17 % de la consommation de jetons par rapport à son prédécesseur, Gemini 3.5 Flash, selon les mesures de l'Artificial Analysis Index. Dans certains benchmarks, comme DeepSWE, le coût par jeton de sortie généré diminuerait jusqu'à 65 %. Parallèlement, le prix nominal a également été réduit : alors que Gemini 3.5 Flash était facturé 1,50 $ par million de jetons d'entrée et 9 $ par million de jetons de sortie, Gemini 3.6 Flash ne coûte que 7,50 $ par million de jetons de sortie, les coûts d'entrée restant inchangés. Cette combinaison d'une consommation réduite et d'un prix unitaire inférieur a un impact significatif sur les coûts d'exploitation des entreprises qui déploient l'IA générative à grande échelle.

Cette priorité accordée à l'efficacité n'est pas fortuite, mais reflète une réalité économique qui façonne actuellement l'ensemble du secteur. Les grands modèles de langage engendrent des coûts de calcul pour chaque requête, qui s'accumulent et deviennent considérables lorsqu'il s'agit de millions, voire de milliards de requêtes quotidiennes. Les fournisseurs de cloud et les opérateurs de plateformes qui souhaitent faire évoluer des systèmes d'agents gérant indépendamment des tâches multi-étapes doivent réduire drastiquement la consommation de jetons par étape ; à défaut, les avantages économiques de tels systèmes seront absorbés par les coûts d'infrastructure. Google répond précisément à ce problème en proposant un nouveau modèle qui, selon ses propres dires, nécessite moins de processus de réflexion et d'appels d'outils pour exécuter des flux de travail multi-étapes.

Les progrès technologiques au-delà de la simple question du coût

Outre une efficacité accrue, Gemini 3.6 Flash affiche également des gains de performance dans les tests de référence classiques. Pour les tâches de programmation, mesurées par le test DeepSWE, le taux de réussite passe de 37 % à 49 %. Dans le test ML Research Benchmark MLE Bench, le modèle progresse de 49,7 % à 63,9 %. Des progrès sont également constatés dans les tâches basées sur les connaissances : le score GDPval-AA grimpe de 1 349 à 1 421 points. L’amélioration de la maîtrise de l’informatique est particulièrement remarquable, notamment la capacité de l’IA à naviguer de manière autonome dans les interfaces graphiques : le score OSWorld-Verified passe de 78,4 % à 83 %. De plus, la base de connaissances du modèle a été mise à jour de janvier 2025 à mars 2026, un atout pratique considérable dans le contexte technologique actuel en constante évolution.

Malgré ces avancées, Gemini 3.6 Flash reste clairement positionné comme un modèle de milieu de gamme. Lors de tests comparatifs directs sur des plateformes comme Arena.ai, il se classe derrière des modèles haut de gamme tels que Claude Opus ou le nouveau GPT 5.6-Sol. Il ne s'agit pas d'une faiblesse, mais d'un choix de conception délibéré : Google renonce à proposer le modèle le plus puissant et se concentre plutôt sur un segment où la vitesse, le coût et une qualité suffisante priment sur une intelligence théorique maximale. Cette stratégie rappelle la segmentation classique du marché dans d'autres secteurs technologiques, comme celui des processeurs, où les fabricants proposent systématiquement des produits de milieu de gamme efficaces pour les applications grand public, parallèlement à des puces hautes performances.

La nouvelle couche de base pour l'économie des agents

Avec Gemini 3.5 Flash-Lite, Google vise un objectif d'efficacité encore plus ambitieux. Ce modèle est conçu spécifiquement comme base pour la création et le déploiement à grande échelle d'agents d'IA : des systèmes capables de traiter de manière autonome des tâches complexes en plusieurs étapes, sans intervention humaine à chaque étape. Il surpasse largement son prédécesseur, Gemini 3.1 Flash-Lite, dans les tests de performance relatifs aux tâches basées sur la connaissance et à la programmation, tout en conservant des coûts d'exploitation exceptionnellement bas : 0,30 $ par million de jetons d'entrée et 2,50 $ par million de jetons de sortie. La flexibilité du modèle est remarquable : selon le cas d'utilisation, il peut être configuré pour fonctionner de manière particulièrement rapide et économique, ou pour s'appuyer davantage sur ses capacités de raisonnement. Cette dernière option est nécessaire lorsque les tâches doivent être traitées collaborativement par plusieurs sous-routines spécialisées, appelées sous-agents.

Ce choix architectural révèle la direction que prend l'ensemble du secteur. De nombreux observateurs du marché estiment que l'avenir de l'IA réside non pas dans des modèles individuels toujours plus volumineux, mais dans des systèmes en réseau de modèles plus petits et spécialisés qui, en collaborant, modélisent des processus complexes. Un calcul unique et complexe effectué par un modèle puissant est remplacé par de nombreuses requêtes simples et peu coûteuses adressées à des modèles allégés qui collaborent en parallèle ou séquentiellement. Un modèle comme Flash-Lite est parfaitement adapté à cette architecture car il réduit le coût par requête à un point tel qu'un grand nombre de requêtes reste économiquement viable. L'annonce selon laquelle Flash-Lite fournira également des résultats d'IA dans la recherche web de Google souligne encore davantage le rôle central que Google attribue à ce modèle allégé sur le marché grand public.

Un outil à double facette : la cybersécurité comme domaine d’activité

La troisième version, Gemini 3.5 Flash Cyber, marque une extension significative de la série Flash dans un domaine hautement sensible. Ce modèle a été spécifiquement entraîné à détecter et analyser les vulnérabilités de sécurité dans le code logiciel et à suggérer des mesures correctives. Cette spécialisation repose sur le modèle déjà performant Gemini 3.5 Flash, qui a été optimisé grâce à un entraînement ciblé pour l'analyse de vastes bases de code. Au lieu d'envoyer une unique requête coûteuse à un modèle très volumineux, l'agent de sécurité Codemender sollicite à plusieurs reprises le modèle Cyber, optimisé, afin d'examiner simultanément différents chemins d'exécution d'un programme. Les résultats partiels obtenus sont ensuite consolidés dans un rapport complet.

Les performances de cette approche se traduisent concrètement par des chiffres. Lors d'un test sur le moteur JavaScript complexe V8, le modèle de cybersécurité a identifié 55 vulnérabilités distinctes et confirmées, tandis que le modèle Flash général n'en a trouvé que 47 et Claude Opus 4.6 d'Anthropic, à peine 36. Dix de ces vulnérabilités ont été découvertes exclusivement par le modèle de cybersécurité spécialisé. Sur le benchmark CyberGym, qui évalue les agents d'IA face à des centaines de vulnérabilités logicielles réelles, le modèle, combiné à de multiples exécutions, atteint un niveau de performance comparable à celui de modèles de sécurité bien plus volumineux et coûteux, proposés par des fournisseurs comme Anthropic et OpenAI. Lors d'un test interne mené par l'équipe de sécurité cloud de Google, le modèle a découvert plusieurs vulnérabilités critiques dans des systèmes de production en seulement deux heures, notamment une vulnérabilité de corruption de mémoire pour laquelle il a également généré un exploit fonctionnel contournant les mécanismes de protection courants tels que l'aléatorisation de la disposition de l'espace d'adressage.

Cette capacité exceptionnelle à identifier les vulnérabilités du code représente également le principal risque du modèle. Google reconnaît ouvertement la double nature de cette technologie : les mêmes fonctionnalités qui permettent aux équipes de sécurité de corriger les vulnérabilités pourraient être utilisées par les attaquants pour exploiter ces mêmes failles avant leur correction. C’est pourquoi Google a décidé de ne pas rendre le modèle public pour le moment, mais de le partager exclusivement via son outil de sécurité, Codemender, dans le cadre d’un programme pilote strictement encadré avec des gouvernements et des partenaires de confiance sélectionnés. Aucun calendrier précis n’a été communiqué quant à l’élargissement de l’accès. Cette réticence témoigne d’une prise de conscience croissante au sein du secteur : les systèmes d’IA hautement spécialisés dans le domaine de la sécurité ne peuvent être diffusés selon les mêmes règles que les applications de chatbot classiques.

Vous découvrirez ici comment votre entreprise peut mettre en œuvre des solutions d'IA personnalisées rapidement, en toute sécurité et sans barrières à l'entrée élevées.

Une plateforme d'IA managée est votre solution clé en main pour l'intelligence artificielle. Fini les technologies complexes, les infrastructures coûteuses et les longs processus de développement : vous bénéficiez d'une solution clé en main, adaptée à vos besoins, fournie par un partenaire spécialisé – souvent en quelques jours seulement.

Les principaux avantages en un coup d'œil :

⚡ Mise en œuvre rapide : De l’idée à l’application prête à l’emploi en quelques jours, et non en plusieurs mois. Nous fournissons des solutions pratiques qui créent une valeur ajoutée immédiate.

🔒 Sécurité maximale des données : Vos données sensibles restent chez vous. Nous garantissons un traitement sécurisé et conforme à la réglementation, sans partage de données avec des tiers.

💸 Aucun risque financier : vous ne payez que pour les résultats. Les investissements initiaux importants en matériel, logiciels ou personnel sont totalement éliminés.

🎯 Concentrez-vous sur votre cœur de métier : nous prenons en charge l’intégralité de la mise en œuvre technique, de l’exploitation et de la maintenance de votre solution d’IA.

📈 Évolutif et à l'épreuve du temps : votre IA évolue avec vous. Nous assurons une optimisation et une évolutivité continues, et adaptons les modèles avec souplesse aux nouveaux besoins.

Plus d'informations ici :

• Solution d'IA gérée - Services d'IA industrielle : la clé de la compétitivité dans les secteurs des services, de l'industrie et de l'ingénierie mécanique

Le mystère entourant le modèle phare disparu

Ce qui frappe dans cette annonce, c'est l'absence d'une information essentielle : le Gemini 3.5 Pro, le modèle le plus puissant de la génération actuelle, était attendu lors de la Google I/O en mai et se fait toujours attendre. Google se contente d'expliquer que la nouvelle version est actuellement testée avec certains partenaires et sera disponible une fois ces tests concluants. L'entreprise n'a toujours pas communiqué de date de sortie précise, mais insiste sur le fait que l'attente ne devrait plus tarder. De l'avis de plusieurs observateurs du secteur, ce report à répétition laisse penser que la version Pro n'a pas encore atteint les performances escomptées en interne pour des tâches complexes de programmation et de raisonnement. C'est pourquoi Google préfère apparemment patienter plutôt que de commercialiser un produit qui ne répond pas à ses propres exigences de qualité ni aux attentes de ses concurrents.

Cette discrétion éclaire d'un jour nouveau la dynamique concurrentielle entre les principaux fournisseurs d'IA. Tandis qu'OpenAI et Anthropic lancent rapidement de nouveaux modèles haut de gamme, Google se concentre actuellement sur les segments de performance intermédiaires et d'entrée de gamme. On peut y voir un signe de prudence, mais aussi un positionnement marketing astucieux : plutôt que de présenter un modèle phare potentiellement encore en développement, Google consolide sa part de marché grâce à des modèles abordables, rapides et pratiques qui couvrent déjà efficacement la grande majorité des applications métiers courantes. Pour de nombreux cas d'usage, comme le traitement de documents, la génération de rapports ou les tâches de programmation simples, la performance maximale absolue d'un modèle est de toute façon secondaire, pourvu que la vitesse et le coût soient au rendez-vous.

Disponibilité et intégration dans l'écosystème existant

L'adoption pratique des nouveaux modèles est remarquablement rapide et généralisée. Gemini 3.6 Flash et Gemini 3.5 Flash-Lite sont déjà disponibles dans Google AI Studio, Android Studio et la plateforme Gemini Enterprise Agent. De plus, la version 3.6 Flash a été intégrée à l'environnement de développement Antigravity et à l'application Gemini Enterprise, tandis que les deux modèles sont également disponibles dans l'application Gemini destinée aux utilisateurs finaux. Il convient de souligner l'annonce selon laquelle Flash-Lite fournira prochainement les résultats de recherche Google générés par l'IA, ce qui, compte tenu du volume considérable de requêtes provenant de ce moteur de recherche, met en évidence l'importance d'un modèle rentable pour Google, et ce, d'une manière totalement inédite. Cette adoption rapide est également manifeste en dehors de l'écosystème Google : Gemini 3.6 Flash a été intégré à GitHub Copilot le jour même de son annonce, illustrant l'intégration croissante des principaux fournisseurs d'IA aux outils de développement établis.

Cette intégration simultanée et à grande échelle, touchant diverses gammes de produits, illustre l'approche systématique de Google pour le déploiement fluide des nouvelles générations de modèles sur l'ensemble de son portefeuille. Contrairement aux changements de modèles précédents, souvent marqués par des délais importants entre l'annonce et la disponibilité effective dans différentes applications, ce déploiement semble être un processus méticuleusement orchestré. Ceci témoigne d'une infrastructure interne performante permettant le déploiement quasi simultané d'un nouveau modèle auprès des développeurs et des utilisateurs finaux, sur tous les points de contact.

Perspectives d'avenir : L'annonce de Gemini 4

Outre la publication des trois nouveaux modèles, l'annonce de Google offre également un aperçu de la prochaine génération majeure. L'entreprise confirme que le pré-entraînement, phase initiale fondamentale d'entraînement pour Gemini 4, a déjà commencé. Google ne fournit aucun détail technique précis concernant l'architecture, la taille ou les fonctionnalités prévues de ce futur modèle à grande échelle, mais souligne son enthousiasme quant aux progrès accomplis. Cette formulation volontairement vague est typique de la stratégie de communication des grands laboratoires d'IA, qui, d'une part, suscitent l'attente, mais, d'autre part, se gardent de faire des promesses concrètes qui pourraient s'avérer prématurées.

Compte tenu du cycle de publication de ces dernières années, où Google présentait généralement de nouveaux modèles de base lors de sa conférence I/O pour les développeurs au printemps, suivis de mises à jour majeures à l'automne ou en hiver, une sortie de Gemini 4 vers la fin de cette année semble plausible. Pour les entreprises qui planifient leur stratégie d'IA à long terme, cela signifie que tout investisseur actuel dans la famille Flash est conscient qu'une nouvelle plateforme technologique pourrait être mise en place d'ici quelques mois, ce qui nécessiterait de nouvelles décisions de migration. Cette courte durée de vie des générations de modèles d'IA pose aux services informatiques et aux architectes logiciels le défi permanent de concevoir leurs systèmes de manière à ce qu'une modification des modèles sous-jacents puisse être implémentée le plus facilement possible.

Contexte : Ce que cette stratégie de modèle révèle sur la position de Google sur le marché

Globalement, cette annonce récente démontre que la concurrence entre les entreprises leaders en IA se divise de plus en plus en deux axes parallèles. D'une part, la course au modèle le plus intelligent et le plus puissant, un domaine où Anthropic et OpenAI font actuellement la une avec leurs produits phares, et où Google accuse un retard manifeste avec sa version Pro. D'autre part, un second champ de bataille, potentiellement plus important sur le plan économique, émerge : la concurrence pour l'infrastructure la plus efficace, la plus rentable et la plus évolutive pour le déploiement massif et quotidien de l'IA dans les entreprises, les moteurs de recherche et les systèmes d'agents. Dans ce second domaine, Google se positionne de manière délibérée et constante à l'avant-garde avec sa gamme de produits Flash.

Cette double stratégie est économiquement judicieuse. Pour la grande majorité des applications pratiques en entreprise, du traitement automatisé de documents aux chatbots de service client en passant par les tâches de programmation simples, l'intelligence de pointe d'un modèle n'est pas le facteur déterminant ; c'est plutôt l'équilibre entre coût, rapidité et qualité suffisante qui importe. Les fournisseurs de cloud qui doivent traiter des millions de requêtes par jour tirent davantage profit d'une réduction à deux chiffres du coût des jetons que d'une amélioration marginale des capacités de raisonnement d'un modèle haut de gamme onéreux. Google semble intégrer systématiquement cette observation dans sa stratégie produit, envoyant ainsi un signal fort aux développeurs et aux entreprises : quiconque souhaite créer dès aujourd'hui des agents d'IA évolutifs ou des intégrations de recherche économiques trouvera dans la famille Flash une base solide et économiquement viable, quelle que soit la date de sortie du modèle Pro.

Dans le même temps, l'introduction de ce modèle cyber spécialisé révèle une nouvelle facette du paysage concurrentiel de l'IA, qui dépasse les simples considérations d'efficacité : l'utilisation croissante de l'IA comme outil actif de cybersécurité, avec toutes les opportunités que cela implique pour les défenseurs et les risques en cas de mauvaise utilisation. Le déploiement progressif et contrôlé de ce modèle démontre que Google est conscient de sa responsabilité sociale quant à la diffusion d'outils de sécurité particulièrement puissants et est prêt à limiter leur portée commerciale, au moins temporairement, au profit des impératifs de sécurité. L'évolution future de cet équilibre entre large disponibilité et accès contrôlé constituera probablement l'un des axes de recherche les plus intéressants à suivre, à mesure que les modèles d'IA deviendront de plus en plus capables d'analyser et de manipuler de manière autonome des systèmes techniques complexes.

☑️ Notre langue de travail est l'anglais ou l'allemand

☑️ NOUVEAU : Correspondance dans votre langue maternelle !

 

Mon équipe et moi-même sommes heureux de pouvoir vous accompagner en tant que conseiller personnel.

Vous pouvez me contacter en remplissant le formulaire de contact ici wolfenstein@xpert.digital :ou simplement m'appeler au +49 7348 4088 965. Mon adresse e-mail est

J'attends avec impatience notre projet commun.

 

 

☑️ Accompagnement des PME en matière de stratégie, de conseil, de planification et de mise en œuvre

☑️ Création ou réalignement de la stratégie numérique et de la numérisation

☑️ Expansion et optimisation des processus de vente internationaux

☑️ Plateformes de commerce B2B mondiales et numériques

☑️ Développement commercial pionnier / Marketing / Relations publiques / Salons professionnels

Xpert.Digital est une plateforme B2B axée sur les données, dirigée par Konrad Wolfenstein . L'entreprise propose aux partenaires industriels une solution externe quasi intégrée, comblant leurs lacunes opérationnelles en matière de marketing, de contenu et de ventes, sans nécessiter de ressources supplémentaires de leur côté.

Plus d'informations ici :

• La solution quasi-interne : comment Xpert.Digital comble les lacunes opérationnelles du marketing et des ventes B2B – Smart Content-Driven Business