Le chemin de Google vers Gemini 4 Argon a commencé par un faux pas. En mai, le PDG Sundar Pichai avait annoncé une sortie majeure de modèle pour juin, mais le très attendu Gemini 3.5 Pro n’est jamais arrivé ; Google a plutôt passé l’été à lancer des modèles Flash moins chers, tandis qu’OpenAI et Anthropic poursuivaient leur progression.¹

Mercredi, Google a finalement dévoilé Argon, le qualifiant de modèle de pointe pour l’ingénierie logicielle, le travail en entreprise et la cyberdéfense. L’entreprise affirme que ses équipes internes l’ont utilisé pour des travaux difficiles de programmation et de recherche, tout en indiquant qu’Argon a permis de libérer plus de 300 tébioctets de mémoire dans ses centres de données et de migrer de grandes bases de code de C/C++ vers Rust.²

L’argumentaire de Google sur les performances repose largement sur des benchmarks : l’entreprise affirme qu’Argon a obtenu 77,9 % sur DeepSWE v1.1 et dominé le Vals Index pour les tâches d’analyse économique. Demis Hassabis a relayé cette dernière affirmation sur X, déclarant que Gemini 4 Argon avait pris « la première place du Vals Index avec 68,9 % ». Demis Hassabis (demishassabis)³ L’entreprise affirme également que le modèle peut produire jusqu’à 1 million de jetons — bien au-delà de la limite de 64 000 jetons des précédents systèmes Gemini.²

Mais le lancement s’accompagne d’une réserve frappante : presque personne ne peut l’utiliser. Google fournit initialement Argon uniquement à des partenaires gouvernementaux et de cybersécurité sélectionnés, dans le cadre de son programme Fairwind, tout en participant au processus volontaire d’examen avant publication du gouvernement américain. Pichai a déclaré que le modèle disposait de « garde-fous de pointe » et qu’il parviendrait aux utilisateurs « dès que nous le pourrons et de la manière la plus sûre possible ». Sundar Pichai (sundarpichai)⁴

Cette prudence constitue la réponse de Google aux risques d’utilisation abusive, d’injection de prompt et de désalignement. L’entreprise affirme surveiller la chaîne de pensée du modèle et pouvoir l’arrêter lorsqu’il sort des limites. Pourtant, ce déploiement restreint reporte également l’épreuve la plus importante : celle de savoir si l’avantage d’Argon dans les benchmarks résiste à un usage ordinaire. Axios a relevé que des employés anonymes auraient jugé les performances internes insuffisantes — un récit contesté par Google — et a averti que les modèles peuvent être entraînés à exceller lors de tests sans reproduire cette force dans le monde réel.¹

Pour l’instant, Google a récupéré les projecteurs, pas nécessairement le verdict. Une disponibilité plus large est promise après davantage de tests, en commençant par les clients API payants et les abonnés AI Ultra, mais aucune date n’a été communiquée.⁵