Le modèle phare de Google Gemini 4 Argon arrive cette semaine aux entreprises clientes, comblant ainsi l'écart entre son lancement très médiatisé et sa disponibilité réelle en production. Benzinga a signalé que Google sous-cotait les prix de plusieurs concurrents en matière d'IA à mesure qu'Argon arrive pour les projets d'entreprise, tandis que GitLab, Android Studio et d'autres fournisseurs de plates-formes ont annoncé des intégrations construites autour de la fenêtre contextuelle d'un million de jetons du modèle et de ses capacités d'agent de longue durée.

Le déploiement en entreprise fait suite au lancement mondial du modèle le 13 octobre, lorsque Google a positionné Argon comme sa nouvelle série frontière, remplaçant la classe Gemini Pro. Pour plus de contexte sur cette histoire, consultez notre tendances IA.

Prix de lancement agressifs

Le tarif de lancement d'Argon est de 2 $ par million de jetons d'entrée et de 10 $ par million de jetons de sortie, avec des entrées en cache réduites de 95 %. Après la fenêtre promotionnelle, les prix s'élèvent à 4 $ par million de jetons d'entrée et à 20 $ par million de jetons de sortie, selon la répartition des prix de The Decoder.

Les remises sont substantielles par rapport aux concurrents. GPT-6 Astra d'OpenAI et Claude Fable 5.1 d'Anthropic coûtent tous deux 10 $ par million de jetons d'entrée et 50 $ par million de jetons de sortie, tandis que Claude Opus 5.5 d'Anthropic se situe à 4 $ et 20 $ – le même que le tarif régulier d'Argon. Forbes a qualifié le prix de lancement de stratégie de délai : Argon achète l'adoption maintenant, avant l'expiration de la remise.

Il y a un piège pour les consommateurs. Dans le cadre de la nouvelle structure par niveaux de Google, les utilisateurs Gemini gratuits et les abonnés Plus payants n'ont désormais accès qu'aux modèles Flash les plus faibles. Argon est réservé aux abonnés AI Pro et AI Ultra dans l'application Gemini, le mode AI de Google Search et l'environnement de développement Antigravity.

Benchmarks : Fort, pas dominant

Google revendique la première place de l'indice Vals, mais les classements indépendants racontent une histoire plus contestée. The Decoder rapporte qu'Argon est toujours derrière Claude Opus 5.5 d'Anthropic dans le classement général indépendant, et Startup Fortune a noté que le modèle à égalité à la troisième place sur un benchmark que Google a aidé à construire — un détail qui a attiré l'attention étant donné le rôle de Google dans la construction de l'évaluation.

Google a partagé les numéros d'ingénierie internes lors du lancement, bien qu'ils soient auto-déclarés. Les ingénieurs utilisant Argon ont augmenté de plus de 35 % les soumissions de code pilotées par des agents, indique la société, tandis que les restaurations de code ont diminué de près d'un tiers. Dans l'affirmation la plus frappante, Google affirme qu'Argon a aidé l'équipe Chromium à réaliser une refactorisation architecturale de centaines de fichiers dans la base de code de 40 millions de lignes – un travail qui aurait auparavant pris des mois – en quelques semaines.

Google a également cité un résultat à plus petite échelle de son kit de développement d'agent open source : un agent piloté par Argon et laissé fonctionner de manière autonome pendant la nuit a trouvé des optimisations qui ont réduit le temps de préparation des sessions de 40 %. Et le modèle a reçu des éloges spécialisés : un benchmark DualEntry a révélé qu'Argon était le modèle d'IA le plus précis et le plus cohérent en matière de travail comptable, une affirmation de niche mais commercialement pertinente pour les acheteurs d'entreprise que Google courtise cette semaine.

Google serait déjà en train de tester en interne un successeur nommé "Carbon", dont les performances de codage constituent l'amélioration principale.

L'ambition robotique

Le discours le plus différencié a eu lieu le 15 octobre, lorsque Google a présenté Argon comme un modèle unique pour l'ensemble du pipeline robotique : contrôler des robots physiques, générer des environnements de formation 3D interactifs et évaluer les données de formation.

Dans la démo de Google avec un robot Boston Dynamics Spot, Argon a construit une réplique virtuelle d'une poubelle, a laissé le robot s'entraîner à se tenir en équilibre sur trois jambes et à lancer des canettes de soda dans une simulation MuJoCo, puis a ensuite tenté la tâche sur du matériel réel. Deux agents IA supplémentaires ont vérifié le positionnement du pied et de la pince avant chaque chute.

C’est dans la boucle de génération de données que les chiffres deviennent intéressants. À partir d'une seule photographie d'une table avec des accessoires de fête, Argon a généré 77 tâches et plus de 4 500 épisodes de formation pour un modèle de contrôle. Lors des tests sur le vrai robot, le taux de réussite est passé de 56 à 75 pour cent et le temps d'exécution a chuté de 35 à 24 secondes, selon The Decoder.

Google considère cela comme une étape vers « l’AGI physique » – un modèle capable de percevoir l’espace, d’écrire du code de contrôle, d’interpréter la physique de la vidéo et de simuler les résultats. La société prend soin de noter que les démos nécessitent toujours une incitation humaine détaillée, mais le modèle de formation axée sur la simulation avec vérification dans le monde réel est en train de devenir le modèle de Google pour l'IA incarnée.

Les intégrations débarquent cette semaine

L’écosystème des développeurs a évolué rapidement. GitLab a annoncé la prise en charge d'Argon destinée au travail agent de longue durée entre les référentiels. Android Studio a adopté la fenêtre contextuelle d'un million de jetons du modèle pour l'analyse d'une grande base de code. Channel Insider a rapporté que Google élargissait l'accès des entreprises grâce à son programme de projets d'IA, rendant le modèle disponible dans les outils adjacents à Workspace.

Pour les acheteurs professionnels évaluant Argon par rapport à la gamme GPT-6 Astra et Claude d'Anthropic, le calcul se divise en trois manières. En ce qui concerne le prix, le tarif promotionnel d'Argon est de loin le coût par jeton le plus bas parmi les niveaux frontières. En termes de capacités brutes, les classements indépendants privilégient toujours le modèle haut de gamme d'Anthropic. En ce qui concerne le verrouillage, Google intègre Argon dans Gemini for Workspace, le mode IA de Google Search et Antigravity – un avantage de distribution qu'aucun de ses concurrents ne peut égaler, mais qui renforce également la dépendance à l'égard de la pile de Google.

Le timing compte aussi. Meta a lancé son modèle Muse Wonder Full Frontier juste un jour avant les débuts mondiaux d'Argon, et a publié le Muse Spark Open à poids ouverts le même jour que ce déploiement en entreprise. Le marché des modèles frontières compte désormais trois acteurs de prix agressifs – Google, OpenAI et Anthropic – ainsi que Meta en concurrence du côté ouvert. Pour les acheteurs, le levier de négociation a rarement été meilleur.

---

Restez à la Pointe de l'IA

Les dernières actualités, analyses et percées en IA — au même endroit.

Lire plus d'actualités IA →