Gemini 3.7 Flash a construit un jeu de navigateur jouable à partir d’une seule instruction en 2 minutes et 13 secondes — une tâche que son prédécesseur, Gemini 3.6 Flash, avait complètement ratée trois semaines plus tôt.

Il a échoué à notre puzzle logique du pont avec la même mauvaise réponse que Claude Fable 5, et il s’est arrêté avant de calculer réellement le problème de mathématiques qu’il avait correctement mis en place.

Le modèle est facturé 75 cents par million de tokens d’entrée jusqu’au 31 décembre — soit la moitié du tarif de 3.6 Flash — avant de doubler à 1,50 $ le 1er janvier.

Google a lancé Gemini 3.7 Flash le 13 août, avec une disponibilité générale dans plus de 160 pays dès le premier jour. Il accepte jusqu’à un million de tokens en entrée, renvoie 64 000 tokens, lit les images, la vidéo, l’audio et les PDF, et peut appeler des outils et piloter un ordinateur.

Flash n’a jamais été le modèle vers lequel on se tourne quand un problème est difficile. C’est celui que l’on utilise pour trier du texte, condenser des sessions d’agent avant qu’elles ne s’effondrent sous leur propre contexte, et résumer des documents qu’on ne veut pas payer un modèle phare pour lire. Jugé selon ce type de tâches, 3.7 Flash représente une vraie amélioration. Jugé selon tout le reste, c’est un modèle compétent qui se fait dépasser par des logiciels téléchargeables gratuitement.

La propre grille d’évaluation de Google place 3.7 Flash devant Claude Sonnet 5 et GPT-5.6 Terra dans 11 des 18 catégories testées. Les chiffres mis en avant sont 1 588 Elo sur le tableau de développement web de Code Arena et 30,4 % sur AutomationBench. Les deux proviennent de la méthodologie de Google ; il faut donc considérer cette avance comme une affirmation de l’entreprise, et non comme un fait établi.

Nous avons testé le modèle pour vérifier s’il était à la hauteur des revendications de Google. Voici nos résultats.

Codage : peut-il construire quelque chose qui fonctionne du premier coup ?

Ce test mesure la génération de code zero-shot — c’est-à-dire si un modèle transforme une seule instruction en logiciel fonctionnel, sans exemple à recopier et sans possibilité de se corriger. Nous soumettons une unique consigne pour un jeu de navigateur et nous publions ce qui revient, bugs compris. Pas de suivi, pas de rapport d’erreur, pas de deuxième tentative.

Gemini 3.7 Flash a réussi en 2 minutes et 13 secondes. Le jeu était jouable dès le premier essai, la syntaxe était propre, la logique de collision et de score tenait bon, et la qualité visuelle dépassait ce que laisse attendre cette gamme de prix.

La comparaison qui compte ici n’est pas un modèle phare. C’est Gemini 3.6 Flash, sorti le 21 juillet, qui n’a pas réussi à produire un fichier fonctionnel. Son HTML était mal formé, les éléments ne s’affichaient pas, et les consignes de suivi demandant de corriger sa propre sortie n’ont rien donné.

Nous avons fini par confier ces résultats à DeepSeek, qui a trouvé 11 bugs et livré 8 correctifs pour rendre le jeu jouable. Trois semaines plus tard, la même gamme de produits n’a plus besoin d’être sauvée, et le résultat se rapproche de ce que GPT-5.6 Sol avait produit dans notre revue de juillet.

Gemini 3.7 Flash remporte ce test sans discussion, et c’est la raison la plus forte d’envisager la migration. La réserve, c’est qu’il exécute des spécifications plutôt qu’il n’en invente : une consigne vague donne un jeu vague.

Vous pouvez essayer le jeu de Gemini 3.7 Flash ici.

Rédaction créative : peut-il tenir un paradoxe et écrire une phrase ?

Cette section teste deux choses à la fois : la qualité littéraire, et la capacité d’un modèle à respecter une règle structurelle sur des milliers de mots. La consigne envoie Jose Lanz de 2150 vers l’an 1000 et impose une boucle causale fermée — son intervention doit être précisément ce qui crée l’avenir qu’il est venu empêcher.

La règle qui tranche le test est la dernière clause : il ne peut pas comprendre ce qu’il a fait avant de rentrer chez lui.

Gemini 3.7 Flash a produit un résultat correct. Jose tire un canon entropique dans une fissure pyrénéenne, forge accidentellement un obélisque qui asservit l’Ibérie du XXIIe siècle, et comprend l’ensemble de la boucle alors qu’il se tient encore dans la boue mille ans trop tôt : « It was the base of the Cinder Spire. »

La mécanique du récit est en réalité plutôt solide. L’histoire mentionne une étoile filante observée par des moines anciens et précise qu’il s’agissait du flash de l’arrivée de Jose, et l’arme qu’il apporte pour effacer l’anomalie est ce qui la forge. Sa dernière phrase — « It had simply been waiting for him to complete it » — transmet bien le déterminisme demandé par la consigne.

Mais pour qui y est habitué, le texte crie « IA ». Presque chaque nom est accompagné de deux adjectifs : « hyper-luminescent towers », « damp, moss-choked earth », « thick, obsidian hair ». C’est la texture d’un modèle qui choisit le mot suivant le plus probable plutôt qu’un mot choisi, et cela produit des maladresses comme un monolithe « humming with a low-frequency hum ».

Nous l’avons comparé à Qwopus3.5-27B-v3, un affinage communautaire de Qwen3.5-27B qui condense un style de raisonnement proche de Claude Opus et tourne sur un seul GPU grand public sans coût par requête. Il a respecté la règle que Gemini a violée.

Jose tue un moine à San Millán de la Cogolla, un véritable monastère de La Rioja qui comptait réellement autour de l’an 1000, et ne comprend ce qu’il a fait qu’après être revenu en 2150 et avoir retrouvé son propre ADN dans un codex scellé à la cire.

Qwopus n’est pas totalement propre non plus. Il a placé tout son brouillon de planification au-dessus du récit, fautes de frappe comprises, et sa dernière section brise la boucle fermée qu’il avait passée huit sections à construire en laissant Jose revenir en arrière et réparer les choses.

Mais globalement, Qwopus l’emporte. Gemini a livré un ensemble plus net et une conclusion plus disciplinée, mais il a échoué à suivre l’unique instruction au cœur de la consigne, et un modèle gratuit tournant sur un GPU de gaming a écrit le meilleur récit.

Pensée associative : une métaphore peut-elle porter un argument ?

Ce test mesure le raisonnement associatif — la capacité d’un modèle à créer des liens entre des concepts sans rapport sans avoir à s’expliquer. La consigne demande une description d’une brindille, utilise cette description pour expliquer l’exploitation des travailleurs et l’adoration des riches, puis exige que l’argument se dissolve dans une description de laitue.

Le défaut classique est le balisage explicite. Nommer la métaphore la détruit.

Gemini la nomme dès la première phrase de son deuxième paragraphe : « This is the precise mechanics of the modern proletariat. » Tout ce qui précède fonctionnait.

Certaines images trouvent leur place. Le travailleur reçoit « just enough bark to stay rigid for another week of output », et les brindilles tombées sont conditionnées à croire qu’avec assez de rigidité l’une d’entre elles pourrait devenir un tronc. Le paragraphe contenant la première de ces images mentionne aussi un travailleur « bound to an vast, top-heavy corporate hierarchy ». Pas mal, sur le plan de la logique et de la structure.

La dissolution est le véritable effondrement. Gemini raconte la transition au lieu de la faire advenir — les hiérarchies « crumble, dissolving into the quiet, humble reality of the organic world underneath » — puis une laitue apparaît simplement, sans lien avec ce qui précède.

GPT-5.6 Sol fait pourrir la brindille en terre et en fait pousser la laitue : « Rain enters the grain. Fibers loosen, darken. » L’argument est lui aussi enfoui dans l’objet, la richesse étant réinterprétée comme un langage de vertu où « The mansion signifies intelligence. »

GPT-5.6 Sol l’emporte largement. Gemini a produit une belle phrase isolée, mais il a expliqué sa propre métaphore puis a sauté l’étape de transition que la consigne testait précisément.

Logique : lit-il la consigne ou reconnaît-il le puzzle ?

Ce test mesure le raisonnement non mathématique, et plus précisément la capacité d’un modèle à lire la question posée plutôt qu’à faire correspondre le texte à un modèle mémorisé. Notre problème du pont donne quatre personnes, une torche et des temps de traversée de 1, 2, 5 et 10 minutes, puis demande en combien de temps elles peuvent toutes passer.

L’astuce est ce que la consigne ne dit pas. Elle ne précise jamais qu’on ne peut être que deux sur le pont à la fois, donc la réponse est 10 minutes — tout le monde traverse ensemble au rythme de la personne la plus lente.

Gemini a répondu 17 minutes, en appliquant le schéma mémorisé en cinq étapes de la version classique du puzzle. Il a énoncé la contrainte comme un fait sans jamais vérifier si elle figurait dans l’énoncé.

Son raisonnement visible est pire que sa réponse. Le trace explique qu’envoyer les deux plus lents ensemble serait inefficace parce que quelqu’un devrait revenir avec la torche — puis la réponse finale les envoie tout de même ensemble. Il se contredit au sein d’une même réponse et présente le résultat avec une confiance totale.

Claude Fable 5 avait donné le même mauvais chiffre en juillet. Il commençait par annoncer l’hypothèse faite : « assuming the classic constraint that the bridge holds only two people at a time », ce qui fait la différence entre une mauvaise réponse repérable et une mauvaise réponse difficile à détecter.

Personne ne gagne. Fable s’en tire uniquement grâce à sa transparence, et la fausse confiance observée dans les passes de Gemini apparaît ici dans un puzzle vérifiable à la main.

Mathématiques : va-t-il au bout ?

Ce test mesure des mathématiques symboliques bien au-delà d’un usage grand public, et plus simplement la capacité du modèle à faire ce qu’on lui demande. La consigne exige un polynôme monique impair de degré 19 à coefficients réels et de coefficient linéaire -19, dont la courbe se décompose en au moins trois composantes irréductibles, puis demande p(19).

Les deux modèles ont trouvé la même voie. Gemini et Qwen 3.7 Max Preview ont tous deux identifié le polynôme de Dickson, résolu la contrainte pour fixer son paramètre à 1, et dérivé correctement la forme fermée.

Gemini s’est ensuite arrêté. Il a affiché p(19) sous la forme d’une expression non évaluée faisant intervenir la 19e puissance d’une racine carrée, n’a jamais donné la valeur numérique, et n’a jamais démontré le nombre de composantes demandé par la consigne. Il a livré tout cela dans une page HTML stylisée avec CSS et une ombre portée que personne n’avait demandées.

Qwen a terminé. Il a donné la factorisation complète en 10 composantes — une linéaire, neuf quadratiques —, a poussé la récurrence jusqu’à 1 876 572 071 974 094 803 391 179, et a vérifié le résultat modulo. Nous avons vérifié ce nombre indépendamment dans SymPy, et il est correct.

Qwen l’emporte sur le seul critère qui comptait. Gemini a bien commencé puis a décidé de sauter l’arithmétique, ce qui est une étrange façon de s’arrêter.

Conclusion

Gemini 3.7 Flash vaut le changement si vous êtes déjà dans l’écosystème de Google. Il est nettement meilleur en codage que le modèle qu’il remplace, assez rapide pour compter dans les usages agentiques, et assez peu coûteux pour que le faire tourner à grande échelle reste marginal.

Ses points forts sont l’exécution et la structure. Donnez-lui une spécification détaillée et il construira l’objet, maintiendra un récit cohérent et préservera la logique causale sur des milliers de mots.

Ses faiblesses sont la créativité et le raisonnement. L’écriture est suffisamment prévisible pour être identifiable comme produite par machine au premier coup d’œil, et le modèle affirme des réponses erronées sans signaler l’hypothèse qui les rend erronées.

Le prix est son argument le plus fort. À 75 cents par million de tokens en entrée et 3,75 $ en sortie, il sous-cote le tarif d’entrée à 5 $ de GPT-5.6 Sol de 85 % et coûte moitié moins que 3.6 Flash au lancement.

L’argument contre lui est qu’un modèle gratuit de 27B tournant sur un GPU de gaming a écrit une meilleure histoire sans rien facturer. Le tarif de lancement de Google expire le 31 décembre, date à laquelle le coût d’entrée double à 1,50 $ et celui de sortie à 7,50 $.