Google publie le modèle d'IA Gemini 4 Argon pour les développeurs et les entreprises

Google a rendu son dernier modèle d'IA de pointe, Gemini 4 Argon, disponible mondialement pour les développeurs, les entreprises, les scientifiques et les consommateurs. Le modèle est accessible via l'API dans AI Studio et la plateforme Gemini, ainsi que par le biais des abonnements Google AI Ultra et Pro dans l'application Gemini et du mode IA dans Search. Selon un article de blog de Koray Kavukcuoglu, SVP de Google DeepMind et architecte principal de l'IA chez Google, le modèle est conçu pour « le travail approfondi dans des tâches complexes du monde réel dans des domaines tels que le codage, la finance, le droit, la cybersécurité et la science ».

Performance et tarification

Google indique que Gemini 4 Argon se classe n°1 sur l'indice Vals, un benchmark mesurant la performance des modèles dans des secteurs économiques tels que la finance, le codage, le droit et la fiscalité. Le modèle est lancé avec un prix introductif de 2 $ par million de jetons d'entrée et de 10 $ par million de jetons de sortie, les jetons d'entrée mis en cache étant réduits de 95 %.

Lors de tests d'ingénierie internes, Google rapporte qu'Argon a aidé l'équipe Chrome à terminer une refonte architecturale sur des centaines de fichiers en quelques semaines, une tâche qui prend généralement des mois. L'entreprise affirme également que le modèle a augmenté les soumissions de code agent de plus de 35 % tout en réduisant les rejets de code de près d'un tiers. De plus, Google indique qu'Argon a obtenu un gain de vitesse d'inférence de bout en bout de 2,85x sur un A100 pour ses modèles open source Gemma.

Applications industrielles et scientifiques

Les partenaires ayant eu un accès anticipé ont rapporté des résultats spécifiques utilisant le modèle. Alex Cabrera, ingénieur fondateur chez Axiom Bio, a déclaré : « Sur notre benchmark Scientific Agent, Gemini 4 était à la pointe sur la plupart des tâches, y compris la plus difficile : classer le risque clinique entre deux médicaments. » Gopal Srinivasan, responsable mondial de l'IA et des données chez Deloitte, a noté que dans leurs évaluations, le modèle « a réussi 100 % du temps » pour les tâches de longue durée.

Dans le domaine médical, Brendan Fortuner, SVP Technologie chez Ambience Healthcare, a rapporté que Gemini 4 « a obtenu le meilleur rappel et la meilleure spécificité des codes CIM-10 parmi les modèles que nous avons évalués » sur des graphiques longitudinaux synthétiques complexes. Dans la tech juridique, Caio Perona, PDG de MinutaIA, a déclaré que le modèle « a en fait dépassé la clé de réponse de notre expert humain en mettant en évidence un détail juridiquement pertinent que nous avions manqué » lors d'une évaluation.

Google a également mis en avant des percées scientifiques, notamment l'utilisation d'Argon pour aider à découvrir une classe plus large de contre-exemples à la « conjecture de Grad » dans la recherche sur la fusion nucléaire, aux côtés du professeur Matt Landreman de l'Université du Maryland. Dans la conception d'enzymes, les scientifiques de Google ont rapporté qu'Argon avait identifié cinq nouvelles conceptions de sérine estérases en quelques heures, des tests de laboratoire ultérieurs ayant confirmé une activité catalytique robuste.

Robotique et raisonnement physique

Un article dédié sur le Google Developers Blog par Kanishka Rao, ingénieur logiciel principal, détaille les capacités d'Argon en robotique. Le modèle obtient 87 % au benchmark Embodied Reasoning (ERQA), qui teste la capacité à résoudre des problèmes physiques et spatiaux dans des environnements 3D. Google indique que ce score surpasse les autres modèles de pointe.

L'article de blog décrit plusieurs applications, notamment :

• Contrôle des robots : Argon a contrôlé un quadrupède Boston Dynamics Spot pour apprendre à appuyer sur une pédale de poubelle en s'entraînant d'abord dans une simulation MuJoCo.
• Real2Sim : Le modèle peut reconstruire des jumeaux de simulation physiquement calibrés à partir des flux vidéo des caméras des robots ou des vidéos humaines.
• Auto-amélioration : Lors d'un test, Argon a généré des données de simulation qui ont augmenté le taux de réussite d'un robot réel de 56 % à 75 % et réduit le temps d'achèvement de 35 s à 24 s.

Pourquoi c'est important

La publication de Gemini 4 Argon représente une expansion significative des capacités d'IA de Google vers des domaines professionnels et scientifiques à haut risque. En fournissant des métriques spécifiques sur l'efficacité du codage, l'analyse juridique et la découverte scientifique, Google positionne le modèle comme un outil pour le raisonnement complexe en plusieurs étapes plutôt que comme une simple interaction conversationnelle. L'intégration de capacités avancées de raisonnement physique signale également une poussée vers des applications robotiques plus autonomes, potentiellement accélérant le développement dans des domaines nécessitant une manipulation physique et une simulation précises.

Sources (en anglais)

• blog.google: Gemini 4 Argon is now available for everyone
• developers.googleblog.com: Gemini 4 Argon for Robotics - Google Developers Blog

Traduction réalisée par IA de l’article original en anglais, vérifiée automatiquement pour dire la même chose que l’original. Les sources ont été vérifiées en anglais.