Gemini 4 Argon vise le code et la cybersécurité avec accès limité

Google a dévoilé Gemini 4 Argon, un modèle d’IA de pointe pensé pour des tâches complexes et longues en code, en travail d’entreprise et en cybersécurité. L’accès démarre de façon restreinte via le Fairwind Program, car les capacités autonomes du système peuvent aider les défenseurs mais aussi servir à des usages offensifs. À ce stade, la société ne donne pas de date ferme de mise à disposition générale.

Un modèle taillé pour les tâches longues, pas pour la démonstration de vitrine

Gemini 4 Argon, présenté comme un frontier model, doit gérer des séquences de travail difficiles à enchaîner pour des systèmes plus classiques. Google dit qu’il peut identifier, valider puis corriger des vulnérabilités logicielles de manière autonome, ce qui le place sur un terrain où la vitesse compte autant que la précision. Tulsee Doshi, responsable produit de Gemini, a résumé l’enjeu ainsi : « We really believe that a model of this caliber and this level of frontier performance is meaningfully important for defenders, ».

Le lancement suit une logique désormais familière chez les grands acteurs de l’IA : accès limité d’abord, élargissement plus tard. OpenAI et Anthropic ont déjà adopté des sorties restreintes pour des modèles avancés, afin de réduire le risque d’usage malveillant. Google suit la même ligne, avec une nuance de taille : le modèle est d’abord confié à des partenaires cybersécurité jugés fiables, sans les garde-fous cyber standards du déploiement grand public.

Cybersécurité : l’usage défensif passe en premier

Dans le cadre du Fairwind Program, le partenaire Wiz a déjà utilisé Argon dans son initiative Scan for Good pour auditer des infrastructures publiques. Selon Google, des tests préliminaires ont permis de découvrir une faille jusque-là non détectée dans un logiciel hospitalier, exposant des données personnelles sensibles. La société affirme aussi que le modèle a repéré des vulnérabilités ignorées par des systèmes de pointe précédents.

Cette orientation n’est pas anecdotique. Les modèles capables d’automatiser la recherche de failles peuvent accélérer la défense, mais ils réduisent aussi le temps nécessaire à un attaquant pour industrialiser ses propres techniques. D’où les revues de sécurité préalables et l’intégration au processus volontaire de prépublication de l’administration Trump, que Google a rejoint selon ses indications.

Google mise aussi sur ses propres chantiers internes

En interne, Argon sert déjà à des usages bien plus larges que la cybersécurité. Google dit que ses équipes l’ont mobilisé pour la gestion de mémoire de centres de données, avec plus de 300 tebibytes de mémoire libérés. D’autres groupes l’ont utilisé pour migrer des bases de code héritées en C et C++ vers Rust, un langage plus sûr en mémoire. Les chercheurs en informatique quantique de l’entreprise s’en sont aussi servis pour améliorer l’efficacité d’un algorithme, au-dessus de références publiées de 40%.

Le modèle gagne également en souffle. Google a porté sa capacité de sortie à 1 million de tokens, contre 64 000 auparavant. Pour rappel, un token est une unité de texte que le modèle lit ou génère ; cette hausse facilite les longues bases de code, les gros dossiers documentaires et les workflows d’analyse étendus. C’est le genre de détail qui change la vie des équipes qui aiment ouvrir des tickets, pas des diapositives.

Des résultats solides, mais pas uniformément dominants

Sur les évaluations citées par Google, Argon arrive en tête du Vals Index pour la performance en entreprise, se classe premier sur AutomationBench et partage la première place sur CWE-bench en cybersécurité avec un score de 68%. En revanche, la documentation indique qu’il reste derrière certains concurrents sur deux des quatre benchmarks de code mentionnés. Le tableau est donc plus nuancé qu’un simple classement victorieux.

Le prix commercial annoncé débute à 2 dollars par million de tokens d’entrée et 10 dollars par million de tokens de sortie, avec une remise de 95% sur le contexte mis en cache. Ce positionnement le place clairement sur un usage professionnel. La disponibilité complète est attendue plus tard pour les clients API payants et les abonnés Google AI Ultra, une fois les revues de sécurité terminées.

Ce que ce lancement dit de la bataille des modèles avancés

Gemini 4 Argon montre surtout que la concurrence se déplace vers des modèles capables d’exécuter des tâches de bout en bout, pas seulement de répondre joliment à une question. Dans ce contexte, la sécurité devient un argument produit autant qu’une contrainte réglementaire. Google cherche à prouver qu’un modèle plus autonome peut rester utilisable sans devenir imprudent, ce qui n’est pas exactement une promenade de santé pour les équipes de conformité.

Le dossier arrive aussi après plusieurs mois de retard et de remaniements internes chez Google DeepMind, où des candidats Gemini 3.5 Pro ont été abandonnés faute de gains jugés suffisants. En clair, l’entreprise tente de reprendre de l’élan avec un modèle plus ambitieux, mais elle le fait sous surveillance serrée. Le marché, lui, regardera surtout deux choses : la qualité réelle des gains et le temps qu’il faudra pour les rendre disponibles à grande échelle.