Gemini 4 Argon passe au grand public : Google revient dans la course, mais les benchmarks méritent d'être lus en entier

Depuis le 13 octobre 2026, Gemini 4 Argon n'est plus réservé aux seuls experts en cybersécurité qui bénéficiaient du programme Fairwind depuis fin septembre. Google l'a ouvert à tous les développeurs de l'API payante, aux abonnés AI Pro et AI Ultra dans l'application Gemini, dans Antigravity et dans AI Studio. Ce déploiement intervient dans un marché où OpenAI et Anthropic ont pris de l'avance, et où Google n'avait pas lancé de modèle frontier grand public depuis plusieurs mois. La question n'est pas tant de savoir si Argon est bon, mais de comprendre dans quelles conditions il l'est.

97,5%, mais dans quelles conditions

La statistique la plus relayée depuis le lancement : 97,5% sur ARC-AGI-3. Ce benchmark, publié par ARC Prize, est aujourd'hui l'étalon le plus cité pour mesurer les capacités de raisonnement général des modèles d'IA. Google DeepMind en fait le premier argument de sa communication : Argon devient ainsi le deuxième laboratoire, après OpenAI avec GPT-6 Astra (99,9%), à franchir le seuil de 95%, selon ARC Prize.

Ce score a été obtenu avec le "Provider Adapter Harness", une configuration qui autorise des fonctionnalités avancées spécifiques au fournisseur : raisonnement persistant entre les tours et compaction de contexte. Google a utilisé ses propres outils pour optimiser son modèle sur son propre benchmark. La même méthodologie avait déclenché une controverse en juillet 2026, quand OpenAI avait revendiqué un score record pour GPT-5.6 Sol grâce à deux paramètres API supplémentaires, avant que des tiers ne constatent que le modèle tombait à 7,8% dans l'environnement standard.

Pour Argon, l'écart est saisissant mais moins extrême. En mode d'évaluation standard, qui limite les notes inter-tours à de simples annotations et n'autorise aucune fonctionnalité vendor, le score chute à 49,8% pour un coût de 5 800 dollars par passage, rapporte The Decoder. Sur les 25 jeux publics d'ARC-AGI-3, Argon a néanmoins réalisé quelque chose de mesurable : il a nécessité 62% d'actions en moins que la référence humaine, un résultat identique à celui de GPT-6 Astra.

Une place dans le peloton, mais pas en tête

Sur des évaluations tierces, le tableau est plus nuancé. BenchLM, agrégateur de benchmarks indépendant, classe Argon en septième position mondiale sur 224 modèles évalués, avec un score de 80,96/100. Selon TechTimes, le modèle arrive à égalité avec GPT-6 Astra sur l'indice d'intelligence tiers, mais reste en retrait face à Claude Sonnet 5.5 et Claude Opus 5.5 d'Anthropic. Epoch AI, organisation de recherche sur l'évolution de l'IA, identifie deux zones de faiblesse persistantes : les mathématiques avancées et le génie logiciel, deux domaines où Anthropic et OpenAI tiennent leur avance.

Ce n'est pas anecdotique pour les entreprises qui choisissent un modèle d'API. Coder, raisonner sur des bases de code complexes ou résoudre des problèmes d'optimisation sont précisément les tâches pour lesquelles les équipes techniques paient un fournisseur. Les 97,5% sur ARC-AGI-3 font un bon titre, mais les entreprises qui évaluent un modèle pour la production regardent d'abord SWE-bench et les benchmarks de raisonnement mathématique, pas les jeux d'action généraux.

Une tarification qui vise l'entreprise

Argon entre dans le marché avec un positionnement clairement professionnel. À 2 dollars le million de tokens en entrée et 10 dollars en sortie, selon les données publiées au lancement, il se situe dans la fourchette haute des modèles frontier. Cela vise directement les budgets d'intégration d'entreprise, pas les expérimentateurs individuels.

La structure d'accès reflète la même logique. L'API payante est ouverte aux développeurs, mais le modèle n'est accessible qu'aux abonnés AI Pro et AI Ultra dans l'application grand public, ainsi que dans Google Antigravity et AI Studio. Autant dire qu'Argon n'est pas là pour conquérir des parts sur le marché des utilisateurs gratuits, déjà orienté vers Flash-Lite depuis le 9 octobre, comme nous le rapportions lors du passage au payant. La stratégie de Google est cohérente : réserver ses meilleurs modèles aux segments à forte valeur ajoutée.

Ce que cela change pour les développeurs

Pour les équipes tech qui évaluent leurs fournisseurs IA, l'arrivée d'Argon en accès général est une bonne nouvelle au sens strict : la concurrence élargit le choix et fait pression sur les prix. Un modèle frontier disponible chez Google complète un écosystème qui comptait déjà Claude Opus et Sonnet 5.5 chez Anthropic, et GPT-6 Astra chez OpenAI. Pour les entreprises qui construisent des agents IA, disposer d'un troisième fournisseur solide réduit aussi le risque de dépendance à un seul acteur.

Cela dit, le message de Google mérite d'être lu avec la même prudence que lors de chaque lancement de modèle dans cette industrie. Les benchmarks mesurent ce qu'ils mesurent, et la méthode compte autant que le chiffre. Pour les tâches de raisonnement général et de cybersécurité, où les résultats en mode Provider Harness sont plus pertinents, Argon est clairement compétitif. Pour le code et les maths, la question reste ouverte.

La vraie mesure sera celle des développeurs qui vont intégrer l'API ces prochaines semaines et publier leurs propres résultats. C'est généralement là que les modèles livrent leur vérité opérationnelle, loin des conditions optimisées du lancement. La course aux capacités frontier se joue moins dans les communiqués de presse que dans les intégrations en production.