Gemini 4 Argon : Google ouvre un million de jetons de sortie et vise les agents de cybersécurité

Le 30 septembre 2026, Google DeepMind a présenté Gemini 4 Argon, un modèle dont la nouveauté la plus visible n’est pas un score de benchmark mais une fenêtre de sortie portée à un million de jetons. Google positionne par ailleurs le modèle en priorité sur la cybersécurité, avec un programme d’accès nommé Fairwind.

Ce qui change vraiment

Le point important est ailleurs que dans le chiffre : Google présente Argon comme un état de l’art sur l’ingénierie logicielle à long horizon dans le monde réel — c’est-à-dire des tâches où le modèle doit enchaîner des centaines d’étapes, comprendre un dépôt de code entier et livrer un résultat cohérent, plutôt que répondre à une question isolée.

C’est le genre de capacité qui compte pour un agent, pas pour un chatbot. Un agent doit maintenir un objectif sur une session longue ; plus la fenêtre de sortie est large, moins il se débrouille en s’arrêtant en cours de route.

L’angle cybersécurité

Google ne cache pas la destination prioritaire : le modèle est d’abord destiné aux défenseurs cyber, via le Fairwind Program. L’entreprise revendique un niveau de performance sur ce segment qui justifie un accès encadré plutôt qu’un accès général.

C’est cohérent avec ce que Gemini Robotics fait déjà dans un registre voisin : la même famille de modèles qui sait manipuler un environnement sait analyser un système d’information. La compétence « raisonnement long sur un système complexe » est la même ; seul le domaine change.

Pour la version de Google orientée robotique, voir notre analyse de Gemini Robotics 2. Pour comprendre ce que recouvre réellement le terme « agent », notre explication des agents IA.

L’accès : soyons précis

Google indique un déploiement auprès des développeurs, des entreprises et des consommateurs « aussi tôt que possible », en commençant par les clients d’API payants et les abonnés Google AI Ultra. Concrètement, au 30 septembre, il ne s’agit pas d’une fonctionnalité ouverte à tous.

C’est une nuance importante, et elle est fréquemment perdue dans la reprise de l’annonce : un modèle dont la fenêtre de sortie est annoncée à un million de jetons n’est pas nécessairement accessible aujourd’hui par un particulier, ni même par une équipe produit ordinaire.

Ce que Google ne dit pas

Soyons honnêtes sur les limites de l’information disponible :

• Aucune évaluation indépendante n’est publiée sur les performances annoncées ;
• les comparaisons avec GPT-6 Astra sont des déclarations de Google (citées par TechCrunch), et non un benchmark contradictoire ;
• la durée de la période d’introduction des tarifs n’est pas précisée, alors que c’est elle qui détermine le coût réel pour une équipe ;
• le contenu du programme Fairwind — sélection, critères, nombre de bénéficiaires — n’est pas détaillé.

Pourquoi c’est important

Le mouvement de fond n’est pas le nombre de jetons. C’est que la compétition se déplace de la longueur de contexte vers la longueur d’action. Pendant des années, les entreprises de l’IA se sont mesurées sur la quantité de texte qu’un modèle pouvait avaler. Ce qui compte maintenant, c’est la quantité de travail qu’un agent peut mener à bout sans supervision. Argon, comme les annonces d’agents autonomes chez OpenAI la même semaine, vont dans cette direction.

Pour la lecture de la concurrence côté modèles, notre comparatif des modèles d’IA.