Google a présenté Gemini 4 Argon, un nouveau grand modèle de langage (LLM) conçu pour accomplir des tâches complexes dans des domaines tels que l'ingénierie logicielle, le droit, la finance et la cybersécurité. Le modèle a été annoncé le 30 septembre 2026 et n'est actuellement accessible qu'à un groupe restreint d'experts en cybersécurité via le programme Fairwind de Google. L'entreprise participe également à une initiative volontaire du gouvernement américain qui permet de tester les modèles avant leur sortie publique. Google prévoit d'élargir progressivement l'accès aux développeurs, aux entreprises et, à terme, au grand public, après avoir affiné ses mesures de sécurité en fonction des retours des premiers utilisateurs. Selon des tests internes, Gemini 4 Argon surpasse plusieurs modèles concurrents sur plusieurs bancs d'essai. Sur DeepSWE v1.1, qui évalue la capacité à réaliser des tâches complexes en ingénierie logicielle, Argon a obtenu un score de 77,9 %, contre 74,2 % pour Claude Opus 5.5 et 74,1 % pour GPT-6 Astra. Il a également obtenu un score de 68 % sur CWE-bench v1, égalant GPT-6 Astra et Grok 4.7 dans la détection et la correction des vulnérabilités de sécurité. Sur AutomationBench, un test d'exécution de bout en bout des tâches professionnelles, Argon a obtenu un score de 51,3 %, contre 41,4 % pour GPT-6 Astra, 40 % pour Claude Opus 5.5 et 31,4 % pour Claude Fable 5.1. Sur LVBench, qui mesure la compréhension de vidéos longues, Argon a atteint un score de 91,7 %, contre 87,5 % pour GPT-6 Astra. La limite de jetons de sortie du modèle a été considérablement augmentée, passant de 64 000 à 1 million, ce qui lui permet de générer des réponses plus complexes en une seule session. Cette fonctionnalité est particulièrement utile pour des tâches telles que les migrations massives de code, l'analyse de documents juridiques et la recherche financière. Google indique que des milliers de ses employés utilisent déjà Argon en interne pour des missions comme l'optimisation d'algorithmes de calcul quantique, l'amélioration de l'efficacité mémoire dans les centres de données ou la réécriture de grandes bases de code en Rust. Le prix initial pour utiliser Gemini 4 Argon via l'API est de 2 dollars par million de jetons d'entrée et de 10 dollars par million de jetons de sortie. Les jetons d'entrée mis en cache bénéficient d'une réduction de 95 %. Google avertit que ce tarif d'introduction pourrait augmenter après une période non spécifiée. Le modèle devrait être disponible pour les clients payants de l'API et les abonnés à Google AI Ultra après la phase initiale de cybersécurité, bien qu'aucune date précise n'ait été annoncée. Google souligne qu'il met en place des mesures de protection renforcées pour prévenir les usages malveillants du modèle, notamment des dispositifs de détection et de prévention des attaques par injection de requêtes, ainsi que de surveillance du raisonnement et des actions du modèle. Pour les experts en cybersécurité de confiance et les équipes internes, une version d'Argon sans ces protections est disponible afin d'exploiter pleinement ses capacités de détection et de correction des vulnérabilités. Malgré ses performances solides dans les bancs d'essai internes, des évaluations indépendantes ont donné des résultats mitigés. Sur l'Intelligence Index d'Artificial Analysis, qui agrège dix tests, Argon a obtenu 52,6 points en configuration « Élevée », contre 57,6 points pour Claude Opus 5.5 et 52,7 points pour GPT-6 Astra. Sur GDPval-AA, qui reproduit des tâches professionnelles issues de 44 métiers, Argon a atteint un score Elo de 1 611, contre 1 542 pour GPT-6 Astra et 1 846 pour Claude Opus 5.5. Google n'a pas encore rendu Gemini 4 Argon accessible à tous les développeurs, entreprises et consommateurs, l'entreprise continuant de tester les mesures de sécurité du modèle et de recueillir les retours des premiers utilisateurs. Les performances du modèle sur des tâches concrètes, notamment en programmation frontale, ont été remises en question par certains employés, qui estiment qu'il pourrait moins bien fonctionner dans des applications pratiques malgré ses bons résultats sur les bancs d'essai. Le modèle a déjà démontré ses capacités dans des applications réelles, comme la détection d'une vulnérabilité critique dans un logiciel médical utilisé par des hôpitaux du monde entier, laquelle était passée inaperçue pour les autres modèles. Google affirme également qu'Argon a été utilisé pour optimiser l'utilisation de la mémoire dans ses centres de données, libérant ainsi plus de 300 téraoctets de mémoire.