Le 30 septembre 2026, Google a officialisé Gemini 4 Argon, premier modèle de la série Gemini 4, qualifié par l'entreprise de modèle « frontière » le plus capable produit à ce jour. Le lancement n'est pourtant pas un déploiement classique : l'accès est d'abord réservé à un groupe restreint de « défenseurs cyber de confiance », via un programme baptisé Fairwind, pendant que Google participe au processus volontaire d'évaluation préalable du gouvernement américain. Les entreprises et le grand public devront attendre, sans date annoncée, Google précisant seulement que l'ouverture commencera par les clients payants de l'API et les abonnés Google AI Ultra.
Un lancement en deux temps, calqué sur ses rivaux
Google n'invente pas ce schéma de diffusion graduelle. Selon Le Figaro, le groupe « emboîte ainsi le pas à ses rivaux Anthropic et OpenAI, qui ont eux aussi commencé, cette année, à réserver leurs derniers modèles à un cercle restreint de partenaires de confiance, en raison de leur capacité à repérer des failles informatiques susceptibles d'être exploitées par des acteurs malveillants ». Autrement dit, ce n'est plus la puissance brute d'un modèle qui détermine seule sa mise sur le marché, mais sa capacité à identifier des vulnérabilités logicielles, une compétence qui peut aussi bien servir la défense que l'attaque.
Sur X, le PDG d'Alphabet Sundar Pichai a résumé l'équilibre recherché : « We're going to make it available as soon as we can and as safely as we can » (« Nous allons le rendre disponible aussi vite que possible et aussi sûrement que possible »), selon des propos rapportés par le Times of India. Tulsee Doshi, responsable produit des modèles Gemini chez Google, a précisé à CNBC la logique du choix : « Starting this rollout in this way gives us more confidence, but also enables us to put a model that is trained and strong in cyber defense in the hands of defenders as soon as possible » (« Démarrer ce déploiement de cette façon nous donne davantage confiance, tout en nous permettant de mettre un modèle entraîné et puissant en défense cyber dans les mains des défenseurs aussi vite que possible »).
Pourquoi un modèle d'IA devient un instrument sous contrôle
Des capacités de détection qui dépassent les modèles précédents
Gemini 4 Argon est explicitement entraîné pour la cybersécurité défensive : il peut, selon Google, « trouver, valider et corriger de manière autonome des vulnérabilités logicielles critiques ». Sur CWE-bench v1, référentiel qui évalue la capacité à corriger des failles de sécurité, Argon obtient un score de 68 %, ex æquo avec le modèle d'OpenAI cité par le Times of India sous le nom GPT-6 Astra. Sur le référentiel interne de Google couvrant vingt langages de programmation, Argon aurait mis au jour un éventail de failles plus large que son prédécesseur 3.8 Flash Cyber. L'entreprise de sécurité Wiz, qui utilise déjà le modèle dans le cadre de son programme gratuit « Scan for Good » dédié à la protection d'infrastructures publiques critiques, affirme avoir détecté grâce à Argon une vulnérabilité critique exposant des données personnelles sensibles dans un logiciel médical utilisé par des hôpitaux dans le monde, un risque que les modèles frontières précédents n'avaient pas identifié.
Un modèle livré sans garde-fous aux partenaires de confiance
Point notable : pour les défenseurs du programme Fairwind et ses propres équipes internes, Google prévoit de livrer une version d'Argon dépourvue des garde-fous liés à la cybersécurité, afin que ces utilisateurs puissent exploiter pleinement ses capacités de détection de failles. C'est précisément ce double usage, défensif pour les uns, potentiellement offensif si le modèle tombait dans d'autres mains, qui justifie selon Google une diffusion progressive. L'entreprise indique renforcer quatre axes de sécurité avant l'ouverture au public : la lutte contre les usages malveillants (cyberattaques et risques chimiques, biologiques, radiologiques et nucléaires), la résistance aux attaques par injection de requêtes, la surveillance du raisonnement du modèle pour détecter tout écart par rapport à l'intention de l'utilisateur, et le durcissement des environnements de test à haut risque.
Des performances documentées, à comparer avec prudence
Google met en avant plusieurs scores sur des bancs d'essai tiers. Le Times of India, citant des comparatifs avec les modèles concurrents, détaille treize victoires d'Argon sur dix-huit référentiels face aux modèles d'OpenAI et d'Anthropic. Ces chiffres doivent être lus comme des résultats de bancs d'essai spécifiques, et non comme une hiérarchie absolue entre modèles.
| Référentiel | Gemini 4 Argon | Autre modèle cité |
|---|---|---|
| DeepSWE v1.1 (ingénierie logicielle longue durée) | 77,9 % | Claude Opus 5.5 : 74,2 % ; GPT-6 Astra : 74,1 % |
| Harvey's Legal Agent Benchmark (recherche et rédaction juridique) | 19,6 % | GPT-6 Astra : 5,4 % |
| Vals Index (finance, codage, droit, fiscalité pondérés par le PIB américain) | 68,9 % | non précisé pour les concurrents |
| CWE-bench v1 (correction de vulnérabilités) | 68 % (ex æquo) | GPT-6 Astra : 68 % |
| Gray Swan IPI (résistance à l'injection de requêtes, taux de réussite des attaques) | 0,7 % | Claude Opus 5.5 : 1 % ; GPT-6 Astra : 8,5 % |
| FrontierSWE v2 | 55 % | GPT-6 Astra : 65,5 % |
| AutomationBench (Zapier, exécution de tâches métiers) | 51,3 % (1er rang) | non précisé |
| LVBench (compréhension de vidéos longues) | 91,7 % | non précisé |
Google indique aussi avoir porté la limite de tokens générés en une seule fois de 64 000 à un million, afin de permettre au modèle de raisonner plus longtemps sur des tâches complexes. En interne, des agents fondés sur Argon ont analysé la télémétrie des centres de données de l'entreprise pour libérer plus de 300 tébioctets de mémoire, avec une économie totale estimée entre 500 tébioctets et 1 pétaoctet. D'autres agents migrent du code C et C++ vers Rust, notamment plus de 800 000 lignes du noyau Zircon de Fuchsia, et ont réécrit 32 000 lignes de code SIMD dans le décodeur vidéo libgav1, obtenant une exécution 2,7 fois plus rapide à rendu identique, sous réserve d'audits automatiques et manuels avant tout déploiement en production.
Washington encadre, l'Europe n'est pas mentionnée
Le calendrier n'est pas anodin : l'annonce de Gemini 4 Argon intervient un jour après que Sundar Pichai a signé, à la Maison Blanche, un accord volontaire sur la sûreté de l'IA avec le président Donald Trump et d'autres dirigeants du secteur, selon CNBC. Google indique être « activement engagé dans le processus volontaire d'accès préalable du gouvernement américain » pendant la phase Fairwind. Aucune des sources disponibles ne mentionne un dispositif équivalent, ni un engagement de calendrier, pour l'Union européenne. Pour un DSI français, cela signifie que l'accès à un modèle frontière de cette catégorie dépend, dans un premier temps, d'un cadre de gouvernance américain dont les modalités d'extension à l'Europe ne sont pas précisées.
Le choix de Google fait écho à un mouvement plus large. Toujours selon Le Figaro, Anthropic a averti ses investisseurs, dans le prospectus de son introduction en Bourse prévue à l'automne, que ses modèles les plus avancés pourraient manifester des comportements visant à assurer leur propre survie. Ce climat alimente une tendance de fond : les laboratoires traitent désormais leurs modèles les plus capables comme des actifs sensibles, avec des accès filtrés, des surveillances de raisonnement et des environnements de test isolés, plutôt que comme de simples mises à jour produit.
Ce que cela change pour les équipes informatiques francophones
Pour une direction des systèmes d'information en France, trois conséquences se dégagent. D'abord, l'absence de date : Google ne s'engage que sur un ordre de priorité (défenseurs cyber, puis clients payants de l'API et abonnés Google AI Ultra, puis développeurs, entreprises et grand public), sans horizon temporel. Ensuite, la tarification annoncée est exprimée en dollars américains, pour une utilisation via API : 2 dollars par million de tokens en entrée et 10 dollars par million de tokens en sortie en tarif introductif, avant un passage à 4 dollars et 20 dollars une fois cette période expirée, avec une remise de 95 % sur les tokens d'entrée mis en cache. Aucune indication n'est donnée sur une éventuelle disponibilité régionale différenciée ou sur un cadre contractuel européen. Enfin, la logique d'accès filtré pourrait se reproduire à chaque nouvelle génération de modèle frontière, rendant incertaine la planification de projets qui reposeraient sur l'usage anticipé d'un modèle encore non disponible.
Face à cette incertitude sur les modèles de pointe eux-mêmes, certaines entreprises françaises cherchent plutôt à sécuriser l'accès à un ensemble de modèles déjà disponibles, quitte à ne pas disposer du tout dernier modèle frontière le jour de son annonce. C'est le positionnement de plateformes comme Moon AI, éditée par Stellarr Studio SAS, qui propose plus de soixante-dix modèles, dont des familles GPT, Claude, Gemini, Mistral, DeepSeek, Llama, Grok et Qwen, au sein d'un abonnement unique facturé en euros TTC. Ce type d'offre ne change rien au calendrier de diffusion décidé par Google pour Gemini 4 Argon, mais il illustre une stratégie alternative : mutualiser l'accès à de nombreux modèles existants plutôt que de dépendre du rythme d'ouverture d'un seul fournisseur sur son modèle le plus récent.
Questions fréquentes
Qu'est-ce que le programme Fairwind de Google ?
Fairwind est le nom du programme par lequel Google donne un accès anticipé à Gemini 4 Argon à un groupe restreint de défenseurs en cybersécurité de confiance. L'entreprise de sécurité Wiz l'utilise par exemple dans le cadre de son initiative « Scan for Good », dédiée à la protection gratuite d'infrastructures publiques critiques. Les participants reçoivent une version du modèle sans les garde-fous cyber habituels, afin d'exploiter pleinement ses capacités de détection de vulnérabilités.
Quand Gemini 4 Argon sera-t-il accessible aux entreprises en France ?
Google n'a communiqué aucune date. L'entreprise indique seulement que l'ouverture suivra un ordre de priorité : défenseurs cyber du programme Fairwind, puis clients payants de l'API et abonnés Google AI Ultra, avant une extension aux développeurs, aux entreprises et au grand public. Aucune information spécifique à l'Europe ou à la France n'a été communiquée.
Pourquoi Google limite-t-il l'accès à un modèle aussi avancé ?
Google justifie cette prudence par les capacités défensives et potentiellement offensives du modèle en matière de détection de failles informatiques. L'entreprise indique renforcer quatre axes avant une diffusion plus large : la prévention des usages malveillants (cyberattaques, risques chimiques, biologiques, radiologiques et nucléaires), la résistance aux attaques par injection de requêtes, la surveillance du raisonnement du modèle pour détecter les écarts par rapport à l'intention de l'utilisateur, et le durcissement des environnements de test à haut risque.
Existe-t-il des alternatives pour accéder à plusieurs modèles d'IA sous un même abonnement ?
Des plateformes françaises comme Moon AI, éditée par Stellarr Studio SAS, regroupent plus de soixante-dix modèles (GPT, Claude, Gemini, Mistral, DeepSeek, Llama, Grok, Qwen, ainsi qu'un modèle maison) sous un abonnement unique facturé en euros TTC, avec une offre gratuite sans carte bancaire. Ce type d'offre ne donne pas nécessairement accès aux tout derniers modèles frontières restreints comme Gemini 4 Argon, mais permet de mutualiser l'accès à un large catalogue de modèles déjà disponibles.