# Gemini 4 Argon : le modèle IA de Google pour code et cyber

> Gemini 4 Argon est le nouveau modèle de Google DeepMind pour le code, la finance, le droit et la cyberdéfense, avec 1 million de tokens en sortie.

- Type : actu de l'IA
- Famille : Modèles · Modèle IA généraliste
- Habitat : Cloud Google · accès restreint
- Niveau : intermédiaire
- Source : https://deepmind.google/blog/gemini-4-argon-our-next-era-of-frontier-intelligence/
- Publié le : 2 octobre 2026
- Page : https://geekus.fr/projets/gemini-4-argon/

Gemini 4 Argon est le nouveau modèle d'intelligence artificielle de Google DeepMind, annoncé le 30 septembre 2026. Il vise le développement logiciel, le travail de connaissance (droit, finance) et la cyberdéfense, et sa limite de sortie passe à 1 million de tokens. Pour l'instant, seul un groupe restreint de défenseurs de confiance y a accès.

## En bref

- Gemini 4 Argon a été annoncé par Google DeepMind le 30 septembre 2026.
- La limite de sortie passe de 64K à 1 million de tokens.
- Accès limité aux défenseurs de confiance du programme Fairwind, sans date d'ouverture générale.
- Tarif d'introduction : 2 dollars en entrée et 10 dollars en sortie par million de tokens.
- Les tests indépendants le placent au niveau de ses concurrents, avec une consommation de tokens plus élevée.

## Gemini 4 Argon, le nouveau modèle de Google DeepMind

Google DeepMind présente Gemini 4 Argon comme son nouveau modèle de pointe, conçu pour tenir un raisonnement approfondi sur des tâches longues et complexes. L'annonce met en avant trois terrains : l'ingénierie logicielle réelle, le travail de connaissance en entreprise (juridique, financier) et la défense en cybersécurité.

Le modèle accepte du texte, des images, de la vidéo et de l'audio en entrée, mais ne produit que du texte, selon The Decoder. Google indique l'utiliser déjà en interne : des milliers de ses employés s'en servent pour le code, la recherche et la rédaction.

## Une limite de sortie portée à 1 million de tokens

Le changement le plus visible concerne la longueur des réponses. La limite de **tokens de sortie** passe de 64K à 1 million. Selon Google, un modèle qui peut générer des centaines de milliers de tokens en une seule trajectoire raisonne plus en profondeur et résout des problèmes difficiles en une seule fois.

La fenêtre d'entrée reste à 1 million de tokens, précise The Decoder. Pour éviter les interruptions sur les longues réponses, la presse spécialisée signale aussi une fonction de l'API Gemini, « Long Decode Continuation », qui met en pause une réponse longue et la reprend par des requêtes suivantes.

## Ce que Gemini 4 Argon annonce pour le code et le travail en entreprise

Google cite plusieurs usages internes. Des agents Argon migrent du code C/C++ vers Rust : de quelques dizaines de milliers de lignes pour des bibliothèques comme re2 et libgav1, jusqu'à plus de 800K lignes pour le noyau Zircon de Fuchsia. Ces réécritures passent par des audits automatiques et manuels avant toute mise en production.

Pour libgav1, le décodeur vidéo open source de Google, les agents ont remplacé le code SIMD d'un portage Rust existant par du Rust sûr que le compilateur peut vectoriser seul. Le résultat serait un décodeur vidéo à mémoire sûre, 2,7 fois plus rapide que ce portage, avec une sortie vidéo identique. Autres exemples cités : une optimisation d'algorithmes quantiques qui aurait battu de 40 % la référence publiée en quelques minutes, et des optimisations mémoire libérant plus de 300 TiB dans les centres de données de Google.

- DeepSWE v1.1 (ingénierie logicielle) : 77,9 %, contre 74,3 % pour GPT-6 Astra, 74,2 % pour Claude Opus 5.5 et 67,4 % pour Fable 5.1, d'après Next.
- AutomationBench de Zapier : 51,3 %, première place selon Google.
- LVBench (compréhension de vidéos longues) : 91,7 %.
- Vals Index : première place, avec 68,9 % selon The Decoder.

## Gemini 4 Argon et la cybersécurité

Google affirme avoir entraîné le modèle pour la défense : il saurait trouver, valider et corriger de façon autonome des failles critiques. Sur CWE-bench v1, qui mesure la correction de vulnérabilités, Argon obtient 68 % et partage la première place. Google dit aussi qu'il a révélé des failles sur du code couvrant 20 langages de programmation.

Wiz l'utilise dans son initiative Scan for Good, qui protège gratuitement des infrastructures publiques critiques. Le modèle y aurait repéré une faille exposant des données personnelles dans des logiciels de santé utilisés par des hôpitaux dans le monde, que des modèles précédents avaient manquée. Ars Technica note que Google n'a donné aucun détail sur ce cas.

## Accès et prix de Gemini 4 Argon

Gemini 4 Argon est déployé auprès de défenseurs de confiance via le programme Fairwind. Ces défenseurs et les équipes internes de Google le reçoivent sans garde-fous cyber. Google participe aussi au processus volontaire du gouvernement américain d'accès avant publication. L'ouverture aux développeurs, aux entreprises et au grand public viendra « dès que possible », en commençant par les clients payants de l'API et les abonnés Google AI Ultra, sans date.

Le tarif d'introduction est de 2 dollars par million de tokens en entrée et 10 dollars en sortie, avec 95 % de réduction sur les tokens d'entrée mis en cache. Next et The Decoder indiquent que le tarif passera ensuite à 4 et 20 dollars ; Google n'a pas précisé quand la promotion se termine.

## Garde-fous annoncés et limites relevées par les tests

Avant l'ouverture large, Google dit renforcer ses protections sur quatre axes : refus des requêtes malveillantes (cyberattaques, risques chimiques, biologiques, radiologiques et nucléaires), résistance aux injections de prompt indirectes, surveillance du raisonnement et des actions du modèle pour l'arrêter si besoin, et durcissement des environnements de test isolés.

Côté évaluations indépendantes, Artificial Analysis lui donne 53 points sur son indice d'intelligence, à égalité avec GPT-6 Astra et Claude Fable 5.1, derrière Claude Opus 5.5 (58). Le modèle produit en moyenne 62 000 tokens de sortie par tâche, contre 27 000 pour GPT-6 Astra : le prix par token plus bas ne garantit donc pas un coût par tâche plus bas. Ces résultats viennent de tests préliminaires, et les performances en usage réel restent à vérifier.

## Quelques repères

- **Token** : Un token est un petit morceau de texte (mot, partie de mot, signe) que le modèle lit ou produit. Les limites de longueur et la facturation des modèles de langage se comptent généralement en tokens.
- **Benchmark** : Un benchmark est un test standardisé qui sert à comparer les performances de plusieurs modèles sur une même série de tâches. Ses résultats dépendent de la manière dont le test est construit et passé.
- **Injection de prompt indirecte** : C'est une attaque où des instructions malveillantes sont cachées dans un contenu que le modèle lit, comme un document ou une page web, pour détourner son comportement.

## Questions fréquentes

### Peut-on utiliser Gemini 4 Argon dès maintenant ?

Non, pas pour le grand public. Gemini 4 Argon est déployé auprès de défenseurs de confiance via le programme Fairwind, puis viendront les clients payants de l'API et les abonnés Google AI Ultra, sans date précise.

### Combien coûte Gemini 4 Argon ?

Le tarif d'introduction est de 2 dollars par million de tokens en entrée et 10 dollars en sortie, avec 95 % de réduction sur les tokens d'entrée en cache. Selon Next et The Decoder, il passera ensuite à 4 et 20 dollars, à une date non précisée.

### Quelle est la limite de sortie de Gemini 4 Argon ?

La limite de sortie est de 1 million de tokens, contre 64K auparavant. La fenêtre d'entrée reste à 1 million de tokens, selon The Decoder.

### Que peut faire Gemini 4 Argon en cybersécurité ?

Selon Google, Gemini 4 Argon peut trouver, valider et corriger de façon autonome des failles critiques. Il obtient 68 % sur CWE-bench v1, qui mesure la correction de vulnérabilités.

## À retenir

Gemini 4 Argon porte la limite de sortie à 1 million de tokens et vise le code, le travail en entreprise et la cyberdéfense, avec un accès pour l'instant réservé aux défenseurs de confiance. Les chiffres les plus favorables viennent de Google, tandis que les tests indépendants le situent au niveau de ses concurrents, avec une consommation de tokens plus élevée.

Sources :

- [Google DeepMind](https://deepmind.google/blog/gemini-4-argon-our-next-era-of-frontier-intelligence/) (annonce officielle)

Mots-clés : gemini, google deepmind, llm, cybersécurité, code, modèle frontier

---

Fiche publiée par Geekus : https://geekus.fr/projets/gemini-4-argon/
