Google a présenté le 1er octobre 2026 Gemini 4 Argon, un modèle qu'il range dans la catégorie des « frontier models » et dont la nouveauté la plus visible porte sur la sortie : jusqu'à un million de tokens d'un coup, quinze fois la limite précédente. Le laboratoire met en avant deux usages, le code et la cybersécurité, et vise le GPT-6 Astra d'OpenAI comme le Claude Fable 5.1 d'Anthropic. Le modèle n'est encore ouvert qu'à un cercle restreint de spécialistes.

Un million de tokens en sortie

Les grands modèles de langage se comparaient surtout sur la taille de leur fenêtre d'entrée, c'est-à-dire le volume de texte qu'ils peuvent lire en une fois. La sortie, elle, restait bridée : 64 000 tokens côté Gemini, 128 000 pour Claude Fable 5.1 et GPT-6 Astra. Gemini 4 Argon porte ce plafond à un million, soit une multiplication par quinze, d'après Next.ink. Google évoque la production de « centaines de milliers de jetons en une seule étape ».

L'intérêt est concret pour les tâches longues, comme générer une base de code complète ou mener une migration logicielle sans découper le travail. Jusqu'à présent, produire un gros livrable obligeait à enchaîner les requêtes puis à recoller les fragments, au risque de pertes de cohérence. Une seule passe change la manière de piloter le modèle pour ces usages.

Cette capacité a un coût d'usage. D'après les mesures d'Artificial Analysis citées par Next.ink, Argon consomme en moyenne 62 000 tokens par tâche, contre 27 000 pour Astra. Une sortie plus longue se traduit par une facture plus lourde, même quand le prix au million reste bas.

Le Claude Sonnet 5 d'Anthropic, lancé en juin, conservait une fenêtre d'entrée d'un million de tokens mais plafonnait sa sortie à 128 000. Le saut de Google se situe sur un axe, la génération longue, que ses concurrents n'ont pas encore poussé aussi loin. Côté entrée, les fuites de septembre prêtaient à Argon une fenêtre allant jusqu'à dix millions de tokens, un chiffre que Google n'a pas confirmé au lancement.

Le code et la cybersécurité en vitrine

Google a choisi de montrer Argon sur deux terrains où Gemini accusait du retard, de l'aveu de Sundar Pichai lui-même. Sur l'ingénierie logicielle, le laboratoire revendique 77,9 % au test DeepSWE v1.1, contre 74,3 % pour GPT-6 Astra. Sur la sécurité, le score CWE-bench v1 s'établit à 68 %, à égalité avec Astra. Les exemples d'usage mis en avant restent dans ces deux domaines : migration de 800 000 lignes de C et de C++ vers Rust sur le système Fuchsia OS, débogage courant et détection autonome de vulnérabilités.

La migration de Fuchsia OS vise un système d'exploitation maison de Google. L'opération réécrit en Rust un code historique en C et en C++, Rust étant réputé plus sûr face aux failles mémoire. La détection de vulnérabilités rejoint un axe que les laboratoires poussent tous, celui de l'audit automatisé de code.

L'accent cyber a sa contrepartie. Pour ses équipes internes et des partenaires de confiance, Google dit déployer Argon « sans garde-fous cyber ». Pour tous les autres, des protections bloquent les requêtes touchant aux armes chimiques, biologiques, radiologiques et nucléaires. Le modèle n'est accessible qu'aux spécialistes de la sécurité réunis dans le programme Fairwind, gouvernements et opérateurs d'infrastructures critiques compris. C'est le même terrain de la sûreté qu'OpenAI avait mis en avant pour Astra et son discours sur la superintelligence. Les laboratoires font désormais de la cybersécurité un argument commercial autant qu'une ligne de défense.

Un prix d'appel, une disponibilité verrouillée

Comme Anthropic l'avait fait pour Sonnet 5, Google ouvre avec un tarif promotionnel : 2 dollars le million de tokens en entrée et 10 dollars en sortie, des prix appelés à doubler ensuite, à 4 et 20 dollars. Sur la grille affichée, Argon se place sous ses deux rivaux, mais la mesure d'Artificial Analysis sur les tokens consommés rappelle que le prix au million ne dit pas la facture finale.

Reste la question de l'accès. Argon demeure réservé au programme Fairwind, et Google n'a communiqué aucune date d'ouverture au grand public. Difficile, dans ces conditions, de confronter les scores maison à un usage réel et varié. Les benchmarks présentés sont ceux du laboratoire, sur ses propres tâches et avec ses propres réglages.

La course des labos, et ses réserves

L'annonce prolonge une stratégie que Google assume depuis l'été. Lors de la présentation des résultats du deuxième trimestre 2026, Sundar Pichai déclarait avoir « lancé l'entraînement le plus ambitieux jamais mené pour Gemini 4 », tout en reconnaissant un retard sur le code et les agents autonomes, selon The Decoder. Il défendait l'idée que les prochains gains passeront par des modèles de base nettement plus gros, Gemini 4 servant de véhicule à ce saut plutôt que de mise à jour incrémentale.

Dans le même mouvement, Alphabet a relevé ses dépenses d'investissement annuelles autour de 205 milliards de dollars, une enveloppe qui finance en grande partie cette course aux modèles de base. Google Cloud, qui héberge l'offre, a vu son chiffre d'affaires trimestriel progresser de 82 %, à 24,8 milliards de dollars.

Face à Anthropic et à OpenAI, Google joue donc un rattrapage, qu'il mène alors qu'il reste sous pression réglementaire, entre l'amende record infligée au titre du DMA et le chantier européen de l'encadrement des modèles d'IA à usage général, qui vise précisément les « frontier models » comme Argon.

Les chiffres communiqués appellent la prudence. À la mi-septembre, un point de contrôle interne baptisé « argon » avait été repéré sur des plateformes d'évaluation sous l'étiquette technique « gemini-3.8-flash », rapporte Borncity. Les fuites lui prêtaient alors une sortie de 256 000 tokens et un score DeepSWE de 88 %, deux valeurs très éloignées du million de tokens et des 77,9 % annoncés officiellement. Cet écart entre versions de test et communication finale invite à prendre les benchmarks maison pour ce qu'ils sont, des mesures choisies par le vendeur. Google n'a publié ni carte de modèle complète ni calendrier d'ouverture générale.