GTA 6 arrive à Vice City 19 novembre Tout ce qu'on sait : le dossier
IA

Gemini 4 Argon : Google ouvre son modèle le plus puissant aux développeurs, prix et disponibilité

Google a officiellement lancé Gemini 4 Argon le 13 octobre 2026. Ce nouveau modèle, présenté comme le plus avancé de la famille Gemini, cible les tâches complexes : génie logiciel, finance, droit et cybersécurité. Il est désormais accessible via l'API, Google Antigravity, l'application Gemini et le Mode IA de la recherche.
MAC · · 6 MIN
gemini-4-argon-ouvert-par-google
Publicité

Avant son ouverture publique, Argon avait déjà circulé en coulisses. Google l’avait présenté dès le 30 septembre 2026 à un cercle restreint de spécialistes en cybersécurité, via le programme Fairwind. L’ouverture au public a été annoncée le 13 octobre dans le billet officiel de Koray Kavukcuoglu, vice-président senior de Google DeepMind et architecte en chef de l’IA chez Google.

Qu’est-ce que Gemini 4 Argon ?

Gemini 4 Argon est présenté par Google comme son modèle d’intelligence artificielle le plus capable à ce jour. Contrairement à des versions grand public pensées pour la conversation ou la créativité, Argon vise les problèmes techniques les plus exigeants : écrire et corriger du code à grande échelle, analyser des données financières, interpréter des textes juridiques ou encore détecter des failles de sécurité.

Publicité

Cette orientation se retrouve dans son histoire de lancement. Google l’a d’abord confié à des experts en sécurité informatique avant de l’ouvrir au grand public, un choix qui en dit long sur le positionnement du modèle : un outil de travail pour profils techniques, pas un simple assistant conversationnel.

Ce lancement s’inscrit dans une accélération plus large de Google sur l’IA, après que Gemini a franchi le cap du milliard d’utilisateurs mensuels plus tôt dans l’année.

Prix et disponibilité

Le tarif de lancement de Gemini 4 Argon via l’API reste disponible jusqu’au 30 novembre 2026. Il est fixé à 2 dollars par million de jetons en entrée et 10 dollars par million de jetons en sortie. Les jetons mis en cache coûtent 95 % moins cher que le tarif standard, un avantage non négligeable pour les applications qui réutilisent souvent le même contexte. Passé cette date, les prix doubleront : 4 dollars et 20 dollars par million de jetons.

Autre élément technique à connaître : la limite de contexte unifiée, qui combine jetons d’entrée et de sortie, tourne autour d’un million de jetons via l’API. De quoi traiter des documents volumineux ou de larges bases de code en une seule requête.

Côté accès, les développeurs passent par l’offre payante de l’API Gemini, dans Google AI Studio ou Android Studio, comme le détaille le billet de Google destiné aux développeurs. L’application Gemini et le Mode IA de la recherche sont réservés aux abonnés Google AI Pro et Ultra, et Google Antigravity aux seuls abonnés Ultra.

Les entreprises peuvent également y accéder via l’offre Gemini pour les entreprises. Google ne précise pas de prix en euros ni de calendrier propre à la France.

Qui peut l’utiliser ?

Le tableau suivant résume les conditions d’accès selon le profil d’utilisateur.

ProfilCanal d’accèsCondition
DéveloppeursAPI Gemini, Google AI Studio, Android StudioAccès payant à l’usage, tarif de lancement jusqu’au 30 novembre 2026
EntreprisesOffre Gemini pour les entreprises, API GeminiOffre dédiée aux organisations
ChercheursGoogle AntigravityJusqu’à 10 000 chercheurs pourront obtenir gratuitement le niveau d’usage le plus élevé pendant six mois, sous conditions d’éligibilité et sur sélection
Défenseurs en cybersécuritéProgramme FairwindAccès élargi à des centaines de partenaires supplémentaires
Utilisateurs lambdaApplication Gemini, Mode IA de la rechercheRéservé aux abonnés Google AI Pro ou Ultra

Performances et résultats réels

Google revendique la première place du Vals Index, un classement qui évalue les modèles sur des tâches de finance, de code, de droit et de fiscalité. Argon obtient aussi un score de 87 % sur le benchmark ERQA, qui mesure le raisonnement incarné, c’est-à-dire la capacité d’un modèle à raisonner sur des situations concrètes et physiques plutôt que purement abstraites.

Sur le terrain de la sécurité, le modèle affiche un taux de réussite d’attaques par injection indirecte de prompts de seulement 0,7 % lors du test Gray Swan, toujours selon Google. Argon limite aussi les tentatives de « raccourci » sur les benchmarks de code à 2 %, le taux le plus bas de toute la famille Gemini selon Google.

En interne, Google affirme que l’usage d’Argon a fait grimper de plus de 35 % les soumissions de code générées par des agents, tout en réduisant de près d’un tiers les retours arrière (rollbacks). L’exemple le plus parlant concerne Chrome : le modèle a aidé les équipes à démêler environ 6 millions de lignes de code sur un total de 40 millions, un travail qui aurait normalement pris des mois et qui s’est fait en quelques semaines.

Ces chiffres restent ceux de l’éditeur. Selon une analyse de Let’s Data Science, le tableau comparatif publié par Google place Argon en tête ou à égalité sur 13 des 18 tests retenus. GPT-6 Astra, le modèle d’OpenAI, domine sur 3 tests, tandis que Claude Opus 5.5 d’Anthropic en remporte 2.

Des tests choisis par Google lui-même, qui laissent malgré tout la concurrence devant sur certains usages précis.

Pourquoi c’est important pour vous

Pour un développeur ou une entreprise française, Gemini 4 Argon représente une option supplémentaire sur un marché de l’IA générative déjà saturé d’annonces. Son prix de lancement, allégé par la remise sur les jetons en cache, et sa fenêtre de contexte étendue en font un candidat crédible pour des projets gourmands en code ou en documents longs.

Reste à vérifier, au cas par cas, si ses performances annoncées se confirment sur des usages réels et pas seulement sur des benchmarks choisis par l’éditeur.

Pour bien exploiter ce type de modèle, la qualité des instructions données reste déterminante : notre guide sur le prompt engineering détaille les bases pour formuler des requêtes efficaces. Les équipes qui cherchent aussi à optimiser les coûts de calcul peuvent se pencher sur des techniques comme DeepSeek DSpark, une méthode open source conçue pour accélérer différents modèles, dont ceux de la famille Gemma.

Reste la question du tarif définitif après le 30 novembre 2026 : le doublement des prix prévu par Google pourrait changer la donne pour les projets à gros volume. Les premiers retours d’expérience des développeurs, une fois le modèle testé en conditions réelles, en diront plus que les chiffres communiqués par Google lui-même.

Publicité

Rédacteur en chef d'ActusWeb, la souris dans une main et la manette dans l'autre depuis l'époque où un modem 56K tenait du miracle. Raid leader occasionnel sur World of Warcraft, il garde un œil sur tout ce qui a un processeur ou un patch note — mais dès qu'un modèle d'IA sort du labo, c'est là qu'il dégaine en premier.