Gemini 4 Argon est la nouvelle bête de Google pour les travaux lourds : code, science, finance et cybersécurité

Imaginons que l’on confie à une intelligence artificielle une tâche qui ne peut être résolue avec une seule réponse : revoir des milliers de lignes de code, détecter quelles parties ralentissent un programme et proposer des modifications sans altérer son fonctionnement. Le défi n’est pas seulement de comprendre la demande, mais de soutenir un travail en plusieurs étapes et de vérifier que chaque décision s’accorde avec les précédentes. Cette même difficulté apparaît, avec d’autres exigences, lorsqu’il s’agit d’interpréter des rapports financiers ou d’examiner des systèmes informatiques à la recherche de vulnérabilités. Il s’agit de problèmes pour lesquels réagir rapidement importe bien moins que d’obtenir des résultats fiables.

Derrière ce pari se trouve Gemini 4 Argon, le nouveau modèle de Google DeepMind avec lequel l’entreprise cherche à renforcer ses capacités de travail spécialisé. Ce n’est pas exactement une première : cela a été annoncé le 30 septembre, alors que son usage était réservé à certains experts en cybersécurité via le programme Fairwind. La nouvelle est que Google a commencé son déploiement mondial auprès des développeurs, des entreprises et des abonnés de certains plans de paiement. Avec cette démarche, le géant de la technologie se concentre sur quatre grands domaines d’application : la programmation, la finance, la recherche scientifique et la sécurité informatique.

Une IA conçue pour les tâches complexes

Pour répondre à ces tâches, Google a combiné des capacités avancées de raisonnement, d’analyse visuelle et d’utilisation d’outils dans Argon. Comme nous pouvons le voir dans la vidéo, dans l’une des démonstrations, le modèle a utilisé plusieurs agents d’Antigravity pour construire un complexe de temples dans Blender avec des pagodes, de la végétation et un éclairage réaliste, à travers un processus de révision visuelle continue. De plus, son API intègre une limite unifiée allant jusqu’à un million de jetons, unités avec lesquelles elle traite et génère du contenu. Cette capacité est partagée entre l’information reçue, le raisonnement et le résultat. Étant donné que chaque requête individuelle a des limites inférieures, Google a intégré un mécanisme de continuation pour effectuer des tâches plus longues.

Il existe un exemple qui permet de mieux comprendre jusqu’où vont ces capacités. Lors d’un test interne avec Agent Development Kit (ADK), un projet Python d’environ 205 000 lignes, Argon a travaillé pendant onze heures et a proposé six optimisations. Après les avoir examinés, Google en a exclu quatre en raison d’éventuels problèmes de fonctionnement ou parce qu’ils proposaient des améliorations d’utilité limitée, mais a intégré les deux autres. Ceux-ci ont réduit le temps de préparation des longues sessions en mémoire d’environ 40 % et le temps d’importation des packages de 21 %. L’entreprise attribue également au modèle une réorganisation de centaines de fichiers de Chromium, le projet sur lequel est basé Chrome.

Dans le domaine financier, les applications vont de la préparation d’états financiers sur plusieurs années à la valorisation d’entreprises sur la base de documents présentés aux régulateurs. Kepler assure que, lors de ses évaluations, Gemini 4 Argon a coïncidé avec les modèles de référence développés par ses analystes dans plus de 99 % des chiffres examinés. En matière de cybersécurité, Google affirme que Wiz, une entreprise spécialisée dans ce secteur, a utilisé le système pour aider à détecter et corriger une vulnérabilité qui pourrait compromettre les informations privées des patients. Il convient de noter que ces résultats proviennent d’entreprises collaboratrices et que les recherches de Wiz font également appel à d’autres outils et spécialistes humains.

La recherche scientifique offre d’autres exemples intéressants de ce que Google réalise avec cette technologie. Dans le domaine de la conception d’enzymes, le système a permis de créer cinq nouvelles conceptions de protéines capables de faciliter certaines réactions chimiques. Selon l’entreprise, des tests ultérieurs en laboratoire ont confirmé que tous avaient une activité catalytique. Il a également participé à l’optimisation d’une version interne d’AlphaQubit, son système de correction d’erreurs pour l’informatique quantique, parvenant à presque doubler les performances d’inférence d’un de ses composants.

Gemini 4 Argon est en tête de l’indice Vals, qui compare les performances de différents modèles d’IA dans les tâches professionnelles et leur coût estimé. | Image : Valse AI

En dehors des démos Google, on retrouve également des évaluations indépendantes qui permettent de situer Argon face à ses concurrents. Dans l’indice Vals, un classement qui mesure les performances dans les tâches professionnelles de programmation, de finance, de droit et de fiscalité, le modèle occupe la première place avec 68,90 %. Cependant, l’Analyse Artificielle donne 53 points à sa configuration Haute dans l’indice général des capacités, où elle apparaît en huitième position.

La disponibilité mondiale ne signifie pas que tout le monde peut l’utiliser gratuitement. Google le propose dans l’application Gemini et dans le mode IA du moteur de recherche aux abonnés Google AI Pro et Ultra, tandis que les développeurs peuvent y accéder via l’API payante. Pour utiliser Argon dans Antigravity, les utilisateurs individuels ont besoin d’un abonnement Ultra. Les frais de lancement de l’API sont de 2 $ par million de jetons entrants et de 10 $ par million de jetons sortants, montants qui doubleront à partir du 1er décembre.

Images | Google | Valse IA

À Simseo | L’un des plus grands distributeurs de matériel informatique en Espagne a eu une idée pour poursuivre sa croissance : devenir Dell