Google revient dans la course à l'IA : ce que révèlent réellement les tests de performance de Gemini 4 Argon
Gemini 4 Argon arrive en tête dans 13 des 18 tests de performance, propose un contexte d'un million de jetons et affiche un prix inférieur à celui de ses concurrents. Voici ses points forts, ses points faibles et ce qu'il apporte de nouveau.
Le 13 octobre 2026, Google DeepMind a lancé « Gemini 4 Argon » à l’échelle mondiale : il s’agit du premier modèle de la génération Gemini 4, et c’est la première fois depuis longtemps que Google s’impose dans un classement en occupant la plupart des premières places. Il était disponible en accès limité depuis le 30 septembre, date à laquelle un petit groupe d'équipes de cybersécurité triées sur le volet avait pu y accéder en avant-première. Il est désormais intégré à l'API Gemini, à AI Studio, à l'application Gemini et à l'environnement de développement Antigravity de Google.
La question que tout le monde se pose à propos d'un nouveau modèle Frontier est simple : est-il réellement meilleur, ou est-il simplement plus performant dans les tests de performance choisis par le fabricant ? Vous trouverez ci-dessous les informations publiées par Google, les compléments apportés par des analyses indépendantes, ainsi que les domaines dans lesquels Argon reste à la traîne.
Qu'est-ce que l'argon ?
Google décrit Argon comme un grand transformateur « mixture-of-experts » clairsemé, multimodal de manière native, et qui n’est explicitement pas un modèle Gemini antérieur réajusté. Il a été entraîné en recourant largement à l’apprentissage par renforcement, et sa principale innovation technique réside dans une fenêtre de contexte unique d’un million de tokens, partagée entre l’entrée, le raisonnement et la sortie. La sortie à elle seule peut atteindre un million de tokens, contre un plafond de 64 000 tokens pour la génération précédente. En termes simples : il peut lire une base de code entière, raisonner pendant longtemps et rédiger une réponse très longue, le tout en un seul appel.
La date limite pour les connaissances est fixée à mars 2026, et la fiche descriptive du modèle de Google mentionne les limites habituelles, notamment les « hallucinations ».
Les chiffres, côte à côte
La fiche technique de Google compare Argon au GPT-6 Astra d'OpenAI et au Claude Opus 5.5 d'Anthropic à travers 18 tests de performance. Argon arrive en tête ou à égalité dans 13 d'entre eux. Voici ceux que Google met en avant, avec les scores tels qu'ils ont été publiés :
| Catégorie | Référence | Gemini 4 Argon | GPT-6 Astra | Claude Opus 5.5 |
|---|---|---|---|---|
| Travail intellectuel | Indice Vals | 68,9 % | 63,1 % | 67,0 % |
| Travail intellectuel | AutomationBench | 51,3 % | 41,4 % | 42,5 % |
| Travail intellectuel | Agent financier Vals v2 | 65,4 % | 53,5 % | 58,6 % |
| Travail intellectuel | Le mandataire de Harvey | 19,6 % | 5,4 % | 3,8 % |
| Codage agentique | DeepSWE v1.1 | 77,9 % | 74,1 % | 74,2 % |
| Codage agentique | Banc Vibe Code | 91,9 % | 89,6 % | 90,3 % |
| Sciences / mathématiques | LABBench 2 | 88,8 % | 85,4 % | 73,1 % |
| Sciences / mathématiques | RiemannBench | 76,0 % | 72,0 % | 69,6 % |
| Contexte détaillé | GraphWalks (256 k à 1 M) | 84,2 % | 71,8 % | 66,8 % |
| Multimodal | LVBench (vidéo longue) | 91,7 % | 87,5 % | 83,7 % |
| Cybersécurité | CWE-bench v1 | 68,0 % | 68,0 % | 67,0 % |
Un domaine où Argon se démarque clairement
Trois résultats ressortent particulièrement. Sur le benchmark « Harvey's Legal Agent », qui évalue un travail juridique réel plutôt que des questions de culture générale, Argon affiche un score de 19,6 % contre 5,4 % et 3,8 % pour ses concurrents. Il s'agit là d'un niveau à part, et non d'une simple avance. Sur GraphWalks, qui évalue la capacité de raisonnement à partir de données réparties sur des centaines de milliers de tokens, le score d’Argon (84,2 %) face à 71,8 % et 66,8 % constitue la preuve la plus évidente que le contexte unifié d’un million de tokens est réellement efficace. Et sur AutomationBench, qui évalue les tâches métier en plusieurs étapes, Argon devance ses deux concurrents d’environ dix points.
En matière de codage agentique, le domaine dans lequel Google souhaite le plus s'imposer, l'avance est réelle mais mince : 77,9 % pour DeepSWE v1.1 contre 74,1 % et 74,2 %. Google communique également des résultats internes, notamment le remplacement de 32 000 lignes de code SIMD écrites à la main dans son décodeur vidéo libgav1 par une version « memory-safe » qui s'exécute 2,7 fois plus vite.
Là où il reste à la traîne
Selon les propres termes de Google, Argon « n'a pas besoin d'un balayage complet », ce qui est une façon franche de dire qu'il n'en a pas obtenu un. Sur FrontierSWE v2, Argon obtient un score de 55,0 % contre 65,5 % pour GPT-6 Astra. Sur Terminal-Bench Science, il est devancé par Astra (57,6 % contre 68,1 %), et sur Terminal-Bench 4.0, il est devancé par Claude Opus 5.5 (57,4 % contre 66,4 %). Sur PostTrainBench, Opus 5.5 mène avec 49,3 % contre 45,3 %. La tendance est constante : plus la tâche d’ingénierie est longue et axée sur les terminaux, plus les deux autres modèles conservent leur avantage.
En résumé, on ne peut donc pas dire que « Google l'emporte ». En réalité, Argon est aujourd'hui le meilleur modèle pour les documents longs, les domaines juridiques et financiers ainsi que pour les tâches d'automatisation ; il est compétitif pour le codage courant, mais reste à la traîne pour les tâches logicielles pratiques les plus complexes.
Argon n'a pas besoin d'un remaniement complet. Le choix du modèle dépend toujours de la charge de travail.
— Google DeepMind, à propos du lancement de Gemini 4 par Argon
Prix : l'élément qui fera bouger le marché
Les tarifs de lancement s'élèvent à 2 $ par million de jetons d'entrée et à 10 $ par million de jetons de sortie, avec un tarif de 0,10 $ pour les données d'entrée mises en cache. Cela représente un cinquième du prix affiché pour GPT-6 Astra (10 $ / 50 $) et la moitié de celui de Claude Opus 5.5 (4 $ / 20 $). Google a indiqué que ces tarifs doubleraient pour passer à 4 $ / 20 $ après le 30 novembre, ce qui les maintiendrait tout de même au même niveau que ceux d’Opus et bien en dessous de ceux d’Astra.
Pour quiconque exploite des agents à grande échelle, ce prix importe davantage qu’une avance de deux points par rapport à un indice de référence. Un modèle à peu près aussi performant et cinq fois moins cher change la donne quant aux charges de travail qu’il est rentable d’automatiser.
Google est-il de retour dans la course ?
Oui, et pour la première fois depuis l’époque de Gemini 2.5, Argon revient en tant que leader plutôt que simple suiveur. Treize leaderships sur dix-huit, une fenêtre contextuelle que personne d’autre n’égale, et une politique tarifaire agressive font d’Argon le choix par défaut pour une grande partie des tâches d’entreprise. Ce n’est toutefois pas le choix évident pour l’ingénierie logicielle de pointe, domaine dans lequel OpenAI et Anthropic détiennent toujours les meilleurs résultats aux benchmarks.
Chez Alokknight Technologies, notre façon de procéder reste inchangée, quel que soit le lancement : nous attribuons chaque tâche au modèle qui s'avère, de manière mesurable, le plus performant et le moins coûteux, et nous refaisons cette comparaison à chaque nouvelle version comme celle-ci. Argon vient tout juste de transférer une grande partie des tâches liées à la gestion documentaire, aux affaires juridiques, aux finances et à l'automatisation vers le côté « Google » de ce tableau.