.jpg){kind=link}
Google a présenté Gemini 4 Argon le 30 septembre. Son ambition : faire avancer l'IA dans des travaux qui exigent une longue suite d'essais et de corrections. Le modèle est d'abord déployé auprès de certains partenaires de cybersécurité, avant une ouverture plus large dont la date reste à annoncer.
Mesurer un ralentissement, modifier le programme, tester le résultat, recommencer. C'est le travail que Google décrit pour l'un des projets confiés à Argon, son nouveau modèle d'intelligence artificielle. L'enjeu se situe dans cet enchaînement : poursuivre une tâche à partir des résultats obtenus, jusqu'à produire une amélioration vérifiable.
Dans son annonce de Gemini 4 Argon, Google met en avant le développement logiciel, la recherche juridique et financière, ainsi que la défense informatique. Ces domaines ont un point commun : une réponse isolée suffit rarement à achever le travail. Il faut consulter des informations, agir sur des outils, puis utiliser ce que l'on vient d'apprendre pour décider de la suite. C'est ce rôle que remplissent les agents IA, des systèmes qui associent un modèle à des outils pour exécuter plusieurs étapes.
Un décodeur vidéo comme terrain d'essai
Le cas le plus parlant concerne libgav1, un logiciel de décodage vidéo de Google. Des agents Argon ont travaillé sur une version déjà réécrite en Rust, un langage de programmation. Leur mission portait sur l'optimisation de ce programme.
Selon le récit technique de Google, ils ont remplacé 32 000 lignes de code spécialisé en multipliant les expériences guidées par des mesures de performance. Ils ont aussi étudié ce que produisait le compilateur, l'outil qui transforme le code en instructions exécutables par la machine. L'objectif était de réécrire le programme de façon que ce compilateur puisse lui-même organiser efficacement des calculs en parallèle.
Google rapporte un décodeur 2,7 fois plus rapide que la version Rust de départ, pour une sortie vidéo identique. Le programme se rapproche ainsi de la version optimisée en C++. Le gain annoncé mesure donc la vitesse d'un logiciel précis, après ce travail d'optimisation. Il ne mesure pas la productivité générale des développeurs.
Ce résultat raconte surtout une façon de travailler. Chaque essai apporte une information pour le suivant. La valeur de l'agent tient à sa capacité à exploiter cette succession, au-delà de la première modification proposée. Pour celui qui lui confie le travail, l'objectif devient un résultat mesurable à atteindre, avec des étapes intermédiaires que le système prend en charge.
Google situe ces travaux dans un effort plus large de migration de logiciels vers Rust. L'entreprise précise que les réécritures de systèmes critiques passent par des audits automatisés et humains, des tests et des revues avant leur mise en production. L'agent peut donc effectuer une part croissante du chantier sans être seul à décider que le résultat est bon pour le service.
Un million de tokens pour prolonger le travail
Pour soutenir ces tâches, Google annonce une limite portée de 64 000 à un million de tokens de sortie. Un token est une unité de texte manipulée par le modèle, qui peut correspondre à un mot, à une partie de mot ou à un signe.
Le mot « sortie » est décisif. Ce million décrit la quantité maximale que le modèle peut générer au cours d'une même séquence. Ce n'est pas la taille de sa fenêtre de lecture, autrement dit la quantité de documents ou de messages qu'on peut lui fournir.
Google relie cette extension à la possibilité de poursuivre un raisonnement et une génération sur une plus longue durée. Pour reprendre le cas du décodeur vidéo, l'intérêt recherché est de donner davantage de marge à un travail qui comporte de nombreuses étapes. Un programme à améliorer n'appelle pas nécessairement une longue réponse destinée à l'utilisateur, mais une succession d'opérations et d'examens de leurs résultats.
Cette capacité maximale n'impose pas de produire autant de texte à chaque demande. Dans le projet libgav1, le critère de réussite reste d'ailleurs extérieur à la longueur générée : le décodeur doit aller plus vite en produisant la même vidéo.
Qui peut déjà utiliser Argon ?
Au 1er octobre, Google fait état d'usages internes et de premiers testeurs. Le déploiement annoncé vise aussi un groupe de défenseurs informatiques de confiance, à travers le programme Fairwind de Google DeepMind. Seule une partie des partenaires de ce programme reçoit l'accès à Argon.
Fairwind s'adresse notamment à des organisations chargées de protéger des infrastructures critiques, dans la santé, l'énergie ou les télécommunications. Les participants sont sélectionnés et leur accès est encadré. Cette première ouverture concerne donc un public spécialisé, pas l'ensemble des utilisateurs de Gemini.
Google prévoit ensuite d'ouvrir Argon aux développeurs, aux entreprises et aux particuliers, en commençant par les clients payants de son API, l'interface qui permet d'intégrer le modèle dans un logiciel, et les abonnés Google AI Ultra. Aucune date précise n'est donnée pour cette ouverture.
Le pari d'Argon se comprend dès aujourd'hui à travers le décodeur vidéo : déléguer une série d'essais dont chacun prépare le suivant. Pour les futurs utilisateurs, la question sera moins de savoir combien de pages l'IA peut produire que jusqu'où elle peut faire avancer un travail avant de leur passer le relais.