Gemini 3.7 Flash : prix, benchmarks et stratégie Google AI

Google a présenté Gemini 3.7 Flash, le nouveau modèle de la famille Gemini destiné principalement au développement de logiciels, aux agents d’intelligence artificielle et à l’automatisation des processus métiers. La mise à jour intervient seulement 23 jours après Gemini 3.6 Flash, lancé le 21 juillet, et signale à quel point le cycle industriel des grands modèles d’IA s’est raccourci.

Le point le plus pertinent économiquement concerne le prix. Google propose Gemini 3.7 Flash jusqu’au 31 décembre 2026 à 0,75 $ par million de jetons d’entrée et 3,75 $ par million de jetons de sortie. C’est la moitié des taux d’origine de Gemini 3.6 Flash. À partir du 1er janvier 2027, selon la liste de prix officielle de l’API Gemini, les prix passeront respectivement à 1,50 $ et 7,50 $.

La réduction temporaire se concentre sur l’un des enjeux économiques qui accompagnent la diffusion de l’IA générative dans les entreprises : le coût d’exécution. Dans les systèmes basés sur des agents, une tâche peut nécessiter de nombreux appels de modèles, consultations de documents, utilisation d’outils externes, corrections et tentatives. Améliorer la fiabilité tout en réduisant le prix par jeton peut donc avoir un impact bien plus important sur le coût réel d’un processus que le simple prix de la demande individuelle.

Plus de précision dans le code et moins de tentatives

Google décrit Gemini 3.7 Flash comme son modèle Flash le plus avancé en matière de codage et d’agents. Les résultats publiés dans la fiche modèle Google DeepMind indiquent une amélioration significative par rapport à la version précédente dans plusieurs tests, même si les benchmarks n’équivalent pas à des performances garanties dans tous les environnements de production.

Dans le test FrontierCode 1.1 Main, dédié à la qualité du code destiné aux systèmes réels, Gemini 3.7 Flash atteint 43,6%, contre 34,4% pour 3.6 Flash. Sur DeepSWE v1.1, qui mesure la capacité à aborder des tâches d’ingénierie logicielle plus longues et plus complexes, le résultat s’élève à 65,3 %, contre 48,6 % indiqués dans la fiche modèle du prédécesseur.

Le développement Web progresse également. Dans la WebDev Arena, le nouveau modèle obtient un score Elo de 1 588, contre 1 538 pour Gemini 3.6 Flash. Selon Google, le modèle parvient également à produire des interfaces plus conformes aux références reçues, notamment des captures d’écran, des images et des systèmes de conception.

Pour une entreprise, la différence importante concerne principalement les itérations. Un système qui produit un code correct du premier coup, modifie moins de parties indésirables et récupère mieux des erreurs en réduisant l’intervention humaine nécessaire. C’est sur cette combinaison de qualité et de coût que Google tente de positionner la série Flash.

Agents IA, le but est d’automatiser des processus complets

Gemini 3.7 Flash est conçu pour les tâches qui nécessitent plusieurs étapes et l’utilisation coordonnée d’outils logiciels. Google affirme que le modèle suit mieux les instructions, sait comment modifier sa trajectoire lorsqu’il rencontre un obstacle et consacre plus de puissance de traitement à la planification des opérations.

AutomationBench, benchmark dédié à l’automatisation des flux métiers, attribue un résultat de 30,4% à Gemini 3.7 Flash, contre 17% pour 3.6 Flash. Au test GDP.pdf, utilisé pour évaluer la compréhension de documents complexes, le score est passé de 22% à 34%, selon les données publiées par Google.

Ce saut affecte des activités qui vont au-delà du chatbot : analyser des rapports financiers, extraire des informations de documents, utiliser des applications, mettre à jour des fichiers, générer du code ou coordonner plusieurs sous-agents. La carte modèle indique également une fenêtre contextuelle pouvant aller jusqu’à un million de jetons et une sortie maximale de 64 000 jetons, avec prise en charge de la saisie de texte, d’images, d’audio et de vidéo.

Google a également présenté des prototypes dans lesquels Flash 3.7 transforme une invite en jeu 3D, coordonne les agents pour créer des pages de destination interactives, prend en charge la formation de systèmes robotiques et convertit les rapports annuels en expériences Web avec des graphiques et des données navigables.

Il s’agit de démonstrations préparées par l’entreprise et non de tests indépendants, mais ils clarifient le marché visé par Google : des applications dans lesquelles le modèle effectue une séquence d’actions plutôt que de simplement produire du texte.

Le prix devient un levier de compétitivité

Le tarif promotionnel change la comparaison avec Gemini 3.6 Flash. Ce dernier a été lancé le 21 juillet à 1,50 $ par million de jetons d’entrée et 7,50 $ en sortie. Google avait déjà construit la communication 3,6 Flash autour de l’efficacité : selon l’entreprise, elle consommait 17 % de jetons en moins en sortie par rapport au 3,5 Flash sur le marché.Indice d’analyse artificielle.

Trois semaines plus tard, Google a maintenu la même orientation sectorielle, mais a augmenté ses performances et a temporairement réduit de moitié ses frais. VentureBeat a noté que pour les entreprises clientes, la valeur de la mise à niveau dépend de la combinaison d’une plus grande fiabilité et de coûts d’inférence inférieurs. Un agent qui doit répéter un processus moins de fois peut consommer moins de ressources même lorsque l’exécution unique nécessite un raisonnement plus complexe.

Toutefois, le prix promotionnel doit être lu dans son intégralité. À partir de 2027, Gemini 3.7 Flash reviendra au même niveau tarifaire avec lequel 3.6 Flash a démarré. Pour les entreprises qui conçoivent des applications destinées à de gros volumes, les calculs économiques à long terme doivent donc utiliser le prix ordinaire, sauf nouvelle révision tarifaire.

Spark amène le modèle dans le travail quotidien

Une partie de la stratégie vient de Gemini Spark, l’agent personnel présenté par Google lors de l’I/O le 19 mai 2026. Spark est conçu pour fonctionner en continu sous la direction de l’utilisateur et se connecter aux applications utilisées pour le travail et l’organisation personnelle. Google a annoncé que Gemini 3.7 Flash deviendrait le modèle sous-jacent du service pour les abonnés Google AI Pro et Ultra dans les pays pris en charge.

L’entreprise se concentre avant tout sur l’intégration avec Workspace. Les exemples incluent la collecte de fichiers dispersés, la préparation d’e-mails et la mise à jour des documents de statut. Le passage à Flash 3.7 devrait améliorer l’utilisation des outils et la fiabilité des flux qui nécessitent plus de compétences, selon Google.

Spark avait déjà étendu ses fonctions le 30 juin. Google avait annoncé des liens avec Tasks, Keep, Canva, Dropbox, Instacart, OpenTable et Zillow Rentals, ainsi que la prise en charge du Model Context Protocol. La version macOS permet également de travailler sur des fichiers locaux autorisés par l’utilisateur.

Le modèle économique qui émerge est celui d’un agent placé entre les documents, les emails, les services cloud et les applications externes. Dans ce type de produit, le coût de chaque appel individuel compte moins que le coût global nécessaire pour mener à bien une tâche. Pour Google, Flash devient l’infrastructure destinée aux gros volumes, tandis que les modèles les plus chers peuvent être réservés à des opérations nécessitant une plus grande capacité.

La course de Google pendant que le marché attend Gemini Pro

L’accélération Flash intervient alors que Google continue de travailler sur le modèle Gemini 3.5 Pro. La société a déclaré le 21 juillet que la version Pro était encore en test avec certains partenaires et qu’elle serait distribuée plus largement lorsqu’elle serait prête. Dans la même annonce, Google a annoncé avoir commencé la pré-formation pour Gemini 4.

Reuters rapporte que les investisseurs suivent de près l’arrivée du modèle Pro, considéré comme important pour mesurer la position de Google par rapport à OpenAI et Anthropic dans les modèles haut de gamme. L’agence a également lié le lancement de 3.7 Flash à une phase de réorganisation interne de Google DeepMind et à la pression exercée par le groupe pour accélérer le développement de Gemini.

Toutefois, la fréquence des sorties offre une indication précise sur la stratégie commerciale. Google met rapidement à jour ses modèles conçus pour être utilisés en production, où la vitesse, la consommation de jetons, la fiabilité et le prix peuvent peser autant que l’avantage dans les benchmarks généraux.

De la recherche aux processus métiers

La voie avait déjà été tracée lors de l’I/O 2026. En mai, Google a présenté Gemini 3.5 Flash en tant que moteur d’application agent et a annoncé des mises à jour d’Antigravity, de l’API Gemini et des outils de développement Android. Le même modèle a été choisi comme base du mode IA de la recherche Google.

Gemini 3.6 Flash, arrivé en juillet, a ensuite réduit le nombre de jetons et d’appels nécessaires dans certains processus. La version 3.7 met l’accent sur une planification plus précise et une meilleure exécution. Le rythme des sorties montre un modèle de développement proche de celui des logiciels : versions proches, retours des développeurs et changements d’algorithmes appliqués dans des cycles courts.

Pour les responsables des systèmes d’information d’entreprise, les critères d’évaluation d’un modèle changent également. La mesure utile n’est pas seulement le coût par million de jetons. Ce qui compte, c’est le nombre de tentatives, la fréquence des erreurs, le temps mis par les opérateurs pour vérifier le résultat et la capacité du modèle à utiliser correctement les outils et les données de l’entreprise.

La sécurité et les limites restent une partie du coût industriel

Google affirme avoir mis à jour avec Gemini 3.7 Flash les protections contre une utilisation inappropriée dans les secteurs chimique, biologique, radiologique et nucléaire et dans les cyberattaques. La fiche modèle publiée par DeepMind documente les évaluations de sécurité et rappelle que les modèles peuvent toujours produire des résultats inexacts ou inappropriés.

Cet aspect affecte directement l’emploi dans les domaines évoqués par Google, comme la finance, le droit et les biosciences. Un score plus élevé en lecture de documents complexes n’élimine pas la nécessité de contrôles lorsque les résultats peuvent avoir un impact sur les décisions financières, les contrats, la conformité réglementaire ou les opérations de soins de santé.

Gemini 3.7 Flash représente donc une étape avant tout industrielle. Google tente de transformer les avancées du modèle en un coût par tâche suffisamment bas pour rendre les agents utilisés des milliers ou des millions de fois économiquement viables.

Les benchmarks indiquent un net avantage par rapport à Flash 3.6 dans plusieurs tâches ; le test décisif viendra des charges de travail réelles, où les erreurs, les temps d’exécution et l’intervention humaine se retrouvent directement dans le compte de résultat.