Gemini 3.7 Flash gagne en précision et casse les prix

Google a lancé Gemini 3.7 Flash, une nouvelle version de son modèle Flash disponible via API et outils entreprise, trois semaines seulement après Gemini 3.6 Flash. Selon les documents publiés, il ne s’agit pas d’un nouveau préentraînement, mais d’un affinage fondé sur des améliorations algorithmiques. Le message est clair : rendre les agents IA plus utiles, sans faire grimper la facture. Et ce point compte autant que les scores de benchmark.

Un modèle pensé pour les usages qui consomment du temps et des jetons

Gemini 3.7 Flash accepte du texte, des images, de l’audio et de la vidéo, avec une fenêtre de contexte d’un million de tokens et jusqu’à 64 000 tokens en sortie. Autrement dit, il peut traiter de gros dossiers, suivre des échanges longs et produire des réponses étendues. Google met aussi en avant des paramètres de “thinking” configurables, qui permettent d’arbitrer entre qualité, coût et latence.

Sur le papier, les gains les plus nets concernent le développement logiciel, le travail documentaire et la génération d’interfaces web. Google le présente comme son modèle Flash le plus capable pour le code et les agents IA, un positionnement qui vise autant les startups que les équipes produit en entreprise. Les usages visés sont très concrets : agents de codage longue durée, automatisation de back-office, extraction de données depuis des PDF, ou encore génération d’UI à partir de maquettes.

Le vrai choc, c’est le prix

La grille tarifaire est l’argument le plus agressif du lancement. Gemini 3.7 Flash est annoncé à 0,75 dollar par million de tokens en entrée et 3,75 dollars par million en sortie, soit deux fois moins que le tarif d’origine de 3.6 Flash à son lancement. Google précise que ce prix promotionnel vaut jusqu’au 31 décembre 2026, puis passera à 1,50 dollar et 7,50 dollars à partir du 1er janvier 2027. Pour des agents qui tournent en continu, la différence devient vite très tangible. Le calcul, lui, ne porte pas de costume trois pièces.

Dans la table comparative de Google, Claude Sonnet 5 est affiché à 2,00 dollars et 10,00 dollars, tandis que GPT-5.6 Terra est donné à 2,00 dollars et 12,00 dollars. En mix 80/20 entre entrée et sortie, Gemini 3.7 Flash revient à environ 1,35 dollar par million de tokens aujourd’hui, contre 3,60 dollars pour Sonnet 5 et 4,00 dollars pour GPT-5.6 Terra. C’est ce rapport coût-performance qui devrait peser dans les arbitrages d’achat, plus que la simple victoire sur un benchmark isolé.

Des gains nets sur le code, plus mitigés ailleurs

Les benchmarks internes de Google montrent une progression marquée sur le code. Sur FrontierCode 1.1 Main, Gemini 3.7 Flash atteint 43,6 %, contre 34,4 % pour 3.6 Flash. Sur DeepSWE v1.1, il monte à 65,3 %. Sur WebDev Arena, il obtient un score Elo de 1 588, contre 1 538 dans la comparaison publiée par Google.

Les tâches documentaires suivent la même trajectoire. GDP.pdf passe de 22,0 % à 34,0 %, tandis qu’AutomationBench grimpe de 17,0 % à 30,4 %, devant Claude Sonnet 5 à 10,7 % et GPT-5.6 Terra à 23,6 %. Sur la récupération de long contexte, GDM-MRCR v2 à 128 000 tokens atteint 97,0 %. En revanche, tout n’avance pas dans le même sens : CharXiv Reasoning recule légèrement, à 84,5 % sans outils contre 85,2 % pour 3.6 Flash.

Qui peut l’utiliser, et qui reste dehors ?

Gemini 3.7 Flash est proposé uniquement via API et surfaces hébergées : Gemini API, Google AI Studio, Google Antigravity, Android Studio, Gemini Enterprise Agent Platform, Gemini Enterprise app, ainsi que Gemini Spark pour les abonnés Google AI Pro et Ultra. Il n’existe pas de poids ouverts, donc pas de déploiement autonome ni de mode air-gap. Cela peut convenir aux équipes qui veulent aller vite, mais pas aux organisations qui exigent l’hébergement sur site ou la résidence stricte des données.

Google cible surtout les startups, les structures de taille intermédiaire et les entreprises régulées via Gemini Enterprise. Les secteurs mis en avant dans ses propres évaluations incluent le juridique, les services financiers, les biosciences et les opérations d’entreprise. Les scores cités reposent notamment sur Harvey LAB-AA, GDP.pdf et AutomationBench, ce qui confirme une orientation très “travail de bureau”, au sens le plus large du terme.