Test de Gemini 4 Argon : un lancement puissant, pas encore une API publique

Gemini 4 Argon est le premier modèle frontier de Google dans la génération Gemini 4. Google l’a annoncé le 2026-09-30 pour le génie logiciel au long cours, le travail de connaissance en entreprise et la cyberdéfense. Le lancement est réel, mais l’accès est progressif : les défenseurs cyber de confiance le reçoivent d’abord via le programme Fairwind, puis les clients API payants et les abonnés Google AI Ultra.

Cet article est donc un test du lancement, pas un benchmark API réalisé par nos soins. Google annonce de très bons résultats sur DeepSWE, AutomationBench, LVBench et des évaluations de sécurité. Artificial Analysis propose déjà un premier instantané indépendant, mais sa mesure de vitesse reste incomplète. Nous n’avons utilisé aucune clé Gemini ni exécuté de requête facturable, et Argon n’apparaissait pas dans le catalogue public d’OmniaKey lors de la vérification.

Réponse en bref

Le verdict court est prometteur, mais pas prêt pour une bascule de production sans test. Dès que votre compte pourra l’appeler, placez-le en tête de votre file d’évaluation. En attendant, utilisez une route validée comme Gemini 3.8 Flash comme référence.

Ce que Google a annoncé

Google présente Argon comme son nouveau modèle frontier et affirme qu’il alimente déjà ses flux internes. Le premier groupe externe est constitué de défenseurs cyber de confiance du programme Fairwind. Google prévoit un élargissement aux développeurs, entreprises et particuliers « dès que possible », en commençant par les clients API payants et les abonnés Google AI Ultra.

Une annonce prouve l’existence du modèle, mais pas que chaque projet AI Studio, région, SDK, passerelle ou compte peut l’appeler. L’ancien guide sur le statut de Gemini 4 distinguait justement un programme d’entraînement nommé d’un modèle API appelable. Argon est désormais un produit annoncé ; sa disponibilité générale doit encore être vérifiée.

Profil de capacités

Google décrit aussi des exemples internes : Argon a dépassé de 40% une base publiée d’optimisation quantique, libéré plus de 300 TiB de mémoire lors d’une analyse de parc et rendu un port Rust du décodeur libgav1 2,7 fois plus rapide que l’implémentation Rust existante. Ce sont des affirmations sur les flux de Google, pas des mesures indépendantes. Les grandes réécritures ont reçu des audits automatiques et humains avant la mise en production.

Le profil pratique reste lisible : Argon vise les tâches qui exigent de planifier, d’utiliser des outils, d’inspecter de nombreux éléments et de rester cohérent pendant plusieurs étapes. Une courte question de chat ne mesure pas cet avantage.

Benchmarks : un signal fort, avec une limite précise

Ces chiffres soutiennent une conclusion limitée : Google vise les tâches où le contexte long, les outils et le raisonnement continu comptent. Ils ne prouvent pas un classement universel. DeepSWE utilise la configuration Google, et prompts, harness, retries, permissions et critères d’arrêt peuvent changer entre fournisseurs.

9to5Google a repris la comparaison DeepSWE de Google : 77.9% pour Argon, 74.2% pour Claude Opus 5.5 et 74.1% pour GPT-6 Astra. C’est un contexte de lancement, pas un test indépendant à conditions identiques. Artificial Analysis affiche un Intelligence Index de 53 pour son instantané high-reasoning ; la vitesse est encore indisponible.

Pour décider, consignez le modèle, le niveau de raisonnement, les outils, le contexte, les retries, les tokens de sortie, la latence, le résultat accepté et les minutes de correction humaine. Un score seul ne prédit ni coût ni fiabilité.

Pourquoi la cybersécurité limite le lancement

Google ne traite pas Argon comme une sortie ordinaire. Les défenseurs de confiance et les équipes internes doivent recevoir une version sans garde-fous cyber afin d’exploiter toute sa capacité défensive, tandis que Google renforce les protections contre les abus avant le déploiement général.

L’annonce cite quatre axes :

1. Prévenir les abus. Surveiller l’usage cyber et CBRN malveillant tout en préservant la recherche légitime à double usage.
2. Injection indirecte. Red teaming et entraînement adversarial contre les instructions cachées dans les contenus récupérés.
3. Surveiller le désalignement. Observer le raisonnement et les actions, puis arrêter l’exécution si l’intention de l’utilisateur est dépassée.
4. Durcir les environnements. Isoler et sceller les sandboxes avant les évaluations à haut risque.

Ce sont des contrôles de sécurité et de déploiement, pas une autorisation de tester agressivement des systèmes tiers. Utilisez votre code, des vulnérabilités synthétiques, un réseau isolé et une condition d’arrêt explicite.

Prix et état de l’API

C’est le prix du fournisseur, pas un tarif OmniaKey. L’annonce ne donne pas non plus de date de disponibilité générale, de model ID exact, d’endpoints acceptés, de limites de débit, de conditions Batch, de règles régionales ni de contrat de cache final.

Ne collez pas gemini-4-argon dans un client en supposant qu’il s’agit d’un ID valide. Lorsque la page du modèle paraîtra, vérifiez ensemble la chaîne exacte, la version API, le SDK, les contrôles de réflexion, le streaming, les schémas d’outils et la facturation de la sortie. Le catalogue live fixe l’accès et le prix OmniaKey ; le 1er octobre, Argon n’y figurait pas.

Vous pouvez interroger les deux catalogues sans placer la clé dans l’URL :

set -o pipefail
curl --fail-with-body --silent --show-error \
  https://generativelanguage.googleapis.com/v1beta/models \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
| jq -r '.models[]?.name | sub("^models/"; "") | select(. == "gemini-4-argon" or startswith("gemini-4-argon-"))'

set -o pipefail
curl --fail-with-body --silent --show-error https://api.omniakey.com/v1/models \
  -H "Authorization: Bearer $OMNIAKEY_API_KEY" \
| jq -r '.data[]?.id | select(. == "gemini-4-argon" or startswith("gemini-4-argon-"))'

Une réponse vide concerne cette clé et cet instant. Elle ne nie pas un accès privé et ne justifie pas d’inventer un alias de production.

Ce que montre le premier instantané indépendant

Artificial Analysis présente Gemini 4 Argon (High) comme un modèle de raisonnement avec entrée texte et image, sortie texte et contexte de 1M tokens. Son Intelligence Index est de 53, bien au-dessus d’une médiane proche de 26, avec un coût estimé de $1.99 par tâche de l’index. L’évaluation a produit 110M tokens, contre une médiane de 82M.

La même page indique que la vitesse de sortie est indisponible et que les prix des fournisseurs sont encore précoces. C’est un signal de qualité et de verbosité, pas une promesse de latence ni un remplacement du tarif Google. Notez la date lors de toute citation.

Comment l’évaluer quand l’accès sera ouvert

Utilisez un jeu fixe plutôt qu’une collection de prompts de lancement :

1. Changement de dépôt. Une fonctionnalité délimitée avec tests déterministes et diff révisable.
2. Débogage long. Un incident multi-module dont la cause est connue mais non évidente.
3. Permissions d’outils. Lecture autorisée, écriture refusée, argument invalide, annulation et retry.
4. Travail de connaissance. Un document financier ou juridique avec sources et grille de revue.
5. Contexte multimodal. Vidéo longue, graphiques ou documents dont la réponse est connue.
6. Sandbox de sécurité. Vulnérabilités synthétiques et vérification de l’arrêt à la frontière.

Pour chaque exécution, sauvegardez model ID et fournisseur, réglage de raisonnement et outils, tokens d’entrée/cache/raisonnement/sortie, premier token, latence totale, retries et erreurs, réussite du premier coup, minutes de correction et coût direct ou gateway.

Comparez avec Gemini 3.8 Flash, Claude Opus 5.5 ou GPT-6 Astra sur le même commit et avec les mêmes outils. Un score supérieur qui demande plus de retries peut coûter davantage ; être rapide sur une courte réponse ne suffit pas pour une tâche longue.

Verdict : mettez-le en file, ne migrez pas automatiquement

Gemini 4 Argon est l’une des annonces de modèles les plus importantes de 2026. Les résultats DeepSWE, entreprise, vidéo et cybersécurité correspondent à son objectif : de longues tâches riches en outils. Lorsque l’API ouvrira, la limite de sortie de 1M et le tarif initial $2/$10 permettront un pilote mesuré.

Les limites restent nettes : Google contrôle le tableau principal, le model ID public et le contrat SDK manquent, l’accès est progressif et les données indépendantes de vitesse ne sont pas prêtes. Fixez une base maintenant, demandez l’accès par la voie documentée et ne changez qu’après réussite du même jeu d’acceptation. Le catalogue de modèles donne les routes OmniaKey ; en attendant, le guide de prix Gemini 3.8 Flash reste la référence de coût Google.

Questions fréquentes

Gemini 4 Argon est-il disponible pour tout le monde ?

Non. Google commence avec les défenseurs Fairwind de confiance, puis prévoit les clients API payants et les abonnés Google AI Ultra. Aucune date générale n’est annoncée.

Quel est le model ID API de Gemini 4 Argon ?

Google a annoncé le nom du produit, mais pas d’ID public stable dans le matériel de lancement. Traitez gemini-4-argon comme une chaîne de recherche jusqu’à ce que la page du modèle et Models API renvoient l’ID exact.

Combien coûte Gemini 4 Argon ?

Le tarif introductif est de $2 par million de tokens d’entrée et $10 par million de sortie ; l’entrée en cache coûte 95% de moins. Après l’introduction, Google indique $4 et $20. Ce n’est pas un prix OmniaKey.

Argon a-t-il un contexte d’un million de tokens ?

Google annonce explicitement une limite de sortie de 1M, contre 64K auparavant. Artificial Analysis indique un contexte de 1M. Vérifiez le contrat d’entrée et de sortie final dans la documentation API avant de budgéter.

Dois-je remplacer Gemini 3.8 Flash maintenant ?

Non, pas automatiquement. Gardez votre route validée comme référence et rejouez les mêmes tâches lorsque l’accès, le prix et le comportement SDK d’Argon seront documentés.

Sources consultées

Sources officielles :

• Google : annonce Gemini 4 Argon — périmètre, capacités, prix, benchmarks et déploiement de sécurité
• Catalogue des modèles Google Gemini API — liste publique
• Référence Models Google Gemini API — disponibilité par compte

Sources indépendantes et secondaires :

• Artificial Analysis : Gemini 4 Argon (High) — Intelligence Index initial, coût par tâche, contexte et état de la vitesse
• 9to5Google : annonce Gemini 4 Argon — comparaison de benchmarks et déploiement
• Ars Technica : pourquoi Argon n’est pas encore largement utilisable — accès et sécurité
• TechCrunch : lancement de Gemini 4 Argon — couverture indépendante

Vérifié le 2026-10-01. Prix, disponibilité, model IDs et résultats peuvent changer ; consultez la page Google actuelle et le catalogue OmniaKey avant toute modification de production.