Google a rendu disponible dans le monde entier son tout dernier modèle d'IA phare, Gemini 4 Argon, le présentant comme un système conçu pour le raisonnement approfondi en plusieurs étapes sur des tâches professionnelles complexes.

Les développeurs et les entreprises peuvent accéder au modèle via l'API Gemini dans AI Studio et la plateforme Gemini. Les abonnés Google AI Ultra peuvent également l'utiliser dans l'environnement agentique Antigravity, ainsi que dans l'application Gemini et le mode AI de Search.

Selon Google, Argon se classe premier au Vals Index, un benchmark qui mesure les performances des modèles dans des secteurs économiques essentiels, notamment la finance, la programmation, le droit et la fiscalité. Les classements transsectoriels de ce type sont devenus un moyen standard pour les laboratoires d'IA de démontrer que leurs modèles sont prêts pour des flux de travail professionnels réglementés et gourmands en documents.

Le tarif de lancement est fixé à 2 $ par million de tokens en entrée et 10 $ par million de tokens en sortie, avec une remise de 95 % sur les tokens en entrée mis en cache — un détail pertinent pour les équipes qui traitent de manière répétée les mêmes documents volumineux. Une fois la période de lancement terminée le 30 novembre 2026, les tarifs doubleront à 4 $ et 20 $ par million de tokens respectivement, offrant aux équipes une fenêtre d'évaluation fixe aux conditions de lancement avant la hausse des coûts. Via l'API, le modèle prend en charge une fenêtre de contexte unifiée entrée-sortie d'1 million de tokens, une première dans le secteur, suffisamment vaste pour contenir d'importantes bases de code ou collections de documents en une seule passe plutôt que de diviser le travail en morceaux plus petits.

Google a également partagé des résultats internes préliminaires qui, selon l'entreprise, indiquent des gains de productivité significatifs. L'exécution d'Argon au sein d'Antigravity a augmenté les soumissions de code agentique de plus de 35 % tout en réduisant les retours de code de près d'un tiers. L'équipe Chrome a utilisé le modèle pour démêler un dossier patrimonial d'environ 6 millions de lignes au sein de la base de code Chromium de 40 millions de lignes, accélérant une refonte architecturale qui aurait autrement pris des mois. Des optimisations apportées au framework open source ADK ont réduit de 40 % le temps de préparation des sessions en mémoire et amélioré les imports à froid de 21 %, tandis que les modèles Gemma de Google ont atteint une accélération d'inférence de 2,85x sur du matériel A100 avec une parité complète des tokens. Ces chiffres provenant des équipes d'ingénierie de Google plutôt que de mesures indépendantes, ils montrent comment le modèle s'est comporté sur de vastes bases de code dans des conditions contrôlées par l'entreprise.

— Google AI Studio (@GoogleAIStudio) October 13, 2026

Des déploiements concrets dans les sciences et la cybersécurité

Au-delà de l'ingénierie logicielle, Argon est appliqué à des domainesifiques et de sécurité à forts enjeux, un ensemble de déploiements qui étend le bilan du modèle au-delà des scores de benchmark. En informatique quantique, le modèle a traduit le décodeur de correction d'erreurs AlphaQubit de Google en un seul noyau matériel optimisé, quasi doublant le débit d'inférence. Il a également produit une implémentation formellement vérifiée de la sous-routine arcsin qui réduit les coûts spatio-temporels de plus de 100x par rapport à une référence publiée.

En collaboration avec des chercheurs de l'Université du Maryland, Google a utilisé Argon pour identifier de nouveaux contre-exemples à la conjecture de Grad, une hypothèse de 1967 concernant l'optimisation des champs magnétiques des stellarators, centrale pour la recherche sur l'énergie de fusion.

Dans les sciences du vivant, des chercheurs de Gamow Labs ont utilisé Argon pour détecter un réarrangement chromosomique chez un nouveau-né atteint d'une rare affection pulmonaire que les logiciels standards ne parvenaient pas à identifier depuis des années. L'équipe de Google, quant à elle, a conçu cinq nouvelles enzymes sérine estérase en quelques heures, toutes ayant montré une activité catalytique confirmée lors de tests en laboratoire.

Sur le front de la sécurité, Wiz a employé Argon pour remédier à des vulnérabilités dans des infrastructures gouvernementales et de santé, notamment un contournement de téléchargement de fichiers exposant un accès administratif aux dossiers de patients. Google étend également son programme Fairwind à des centaines de partenaires en cybersécurité et offre à 10 000 chercheurs six mois d'accès gratuit au niveau d'utilisation le plus élevé d'Antigravity, plaçant le modèle entre les mains d'organisations externes pour une évaluation approfondie en conditions réelles.

En matière de sécurité, Google rapporte que le red teaming biologique externe a déverrouillé moins de 1 % des sous-tâches biologiques testées, que les tentatives de raccourci sur les benchmarks de programmation sont tombées à 2 %, et qu'Argon domine le benchmark Gray Swan Indirect Prompt Injection avec un taux de succès d'attaque de 0,7 % sur 15 tentatives adaptatives — une classe d'attaque dans laquelle des instructions malveillantes dissimulées dans le contenu traité tentent de détourner le comportement d'un modèle.

Ce reportage a été publié pour la première fois par Metaverse Post.