Google révèle que Gemini 4 Argon, son dernier modèle LLM accessible au public, peut gérer l'intégralité du cycle d'entraînement robotique : création d'environnements de simulation, génération de 4500 exercices, annotation des performances et optimisation, faisant passer les robots de 50% à 75-80% de taux de réussite.
Google prend une longueur d'avance considérable en robotique en unifiant toute la chaîne de développement dans un seul modèle grand public, là où les concurrents utilisent des modèles spécialisés séparés. Le temps de réalisation des tâches passe de 30 à 20 secondes en moyenne. Google met à disposition des chercheurs tous les outils de cette chaîne, reproduisant sa stratégie habituelle de contrôle d'un écosystème complet pour dominer un marché.
D’après la vidéo
⚙ Comment ça marche
Argon crée d'abord un jumeau numérique de la scène réelle, génère 4500 exercices d'entraînement dans des environnements simulés variés, puis annote et note les performances du robot virtuel pour l'optimiser avant de transférer ce cerveau entraîné dans le robot physique. Le modèle peut aussi partir de vidéos d'humains filmés avec une caméra pour créer ces environnements.
💬 Ce qu’en pense l’auteur
L'auteur considère que Google vient de prendre la main sur l'ensemble du marché de la robotique future avec cette approche unifiée, et s'interroge sur la capacité des États-Unis à rattraper la Chine actuellement en tête dans ce domaine grâce à cette avancée.
✅ À faire
Google a publié tous les applicatifs d'entraînement et environnements virtuels à disposition des chercheurs pour qu'ils manipulent et améliorent le système, reproduisant sa stratégie d'ouverture pour accélérer l'innovation et dominer le marché.
Démo avecGemini 4 Argon
« Google vient de nous dire que le domaine qu'on a loupé autour de Arcon, c'est la robotique »
Le modèle devient accessible au grand public après une phase limitée. Les utilisateurs peuvent vérifier sa disponibilité dans leur interface Gemini. Cela marque l'extension géographique d'un modèle de nouvelle génération.
Démo avecGemini 4 Argon
Outil à testerGemini 4 Argon (Google)payant
Modèle d'IA de Google accessible via l'application et le site Gemini
Pourquoi il semble prometteur : Déploiement mondial incluant l'Europe, disponible maintenant pour tous les utilisateurs
Modèle frontière annoncé fin septembre 2026 puis déployé le 13 octobre 2026 : utilisable dans l'app Gemini et le Mode IA uniquement avec un abonnement Google AI Pro ou Ultra, et via le palier payant de l'API Gemini / AI Studio pour les développeurs.
« Gemini 4 Argon dont je vous parlais très récemment, je vous en ai parlé plusieurs fois. Il est en cours de déploiement là à l'heure où je tourne cette vidéo, le 14 octobre, il est 1240, il est en cours de déploiement pour tout le monde y compris en Europe »
Meta lance deux modèles d'intelligence artificielle Wonder et Wonderful qui se positionnent au niveau des modèles frontières comme Claude Opus 5 et GPT-4, avec Wonder disponible en API à 4$/million de tokens en entrée.
Meta rejoint le cercle des modèles de pointe (OpenAI, Anthropic, Google) avec un positionnement distinct : intégrer ces modèles dans son écosystème de super-intelligence personnelle plutôt que vendre des outils génériques. Seul Wonder est disponible en API pour développeurs, Wonderful reste inaccessible au public. La tarification s'aligne sur les concurrents frontières.
D’après la vidéo
💬 Ce qu’en pense l’auteur
L'auteur ne s'attendait pas à voir Meta rejoindre aussi rapidement le podium des modèles frontières et considère que cela change la donne du marché qui était jusqu'alors limité à OpenAI, Anthropic et Google.
Démo avecGemini 4 Argon
Outil à testerMuse Wonder / Muse Wonder Full (Meta Superintelligence Labs)payant
Modèle d'IA frontière conçu pour l'intégration dans des assistants personnels et capable de coder des applications complètes
Pourquoi il semble prometteur : Se positionne au niveau des meilleurs modèles mondiaux sur les benchmarks, particulièrement fort en agentique et en code, avec une fenêtre de contexte large et des capacités de mémoire active
Muse Wonder s'utilise via la Meta Model API (4 $/20 $ par million de tokens) ou Muse Code, tandis que la version Full n'est accessible que par abonnement Muse Code allant jusqu'à 200 $/mois : à ce jour les scores publiés proviennent des tests internes de Meta et attendent une validation indépendante.
À essayer selon l’auteur
L'auteur est surpris par la performance inattendue de Meta qui réussit à rejoindre le podium, mais note que le modèle reste aligné sur la stratégie de super-intelligence personnelle de Meta, connectée à l'écosystème de l'entreprise et donc aux données utilisateurs.
Plusieurs milliers d'employés de Google utilisent déjà le modèle Gemini 4 Carbone pour entraîner les futurs modèles de façon récursive, un modèle plus puissant servant à en créer un encore plus puissant.
Google emploie déjà en interne un modèle très avancé (Carbone) pour accélérer le développement de ses prochaines générations d'IA. Cette approche d'entraînement récursif pourrait créer une escalade rapide des capacités. Aucune date de sortie publique n'est donnée pour Carbone.
D’après la vidéo
⚙ Comment ça marche
Le modèle Carbone sert à entraîner de façon récursive des modèles plus puissants, qui eux-mêmes serviront à en entraîner d'autres encore plus puissants.
💬 Ce qu’en pense l’auteur
L'auteur trouve cette escalade récursive incroyable et estime que Google est pleinement engagé dans cette dynamique d'accélération qui ne devrait pas ralentir.
« il y a déjà plusieurs milliers de salariés de Google qui bossent avec une pour entraîner les futurs modèles et faire tout un tas d'autres choses. Et ce modèle, ce n'est pas Argon, c'est carbone. »
Google développe au moins trois modèles dans la gamme Gemini 4 (Argon, Barium et Carbone), dont Argon est actuellement testé par des experts en cybersécurité avant sa sortie publique.
Google prépare plusieurs modèles de sa gamme Gemini 4, suggérant une stratégie de déploiement progressif avec des modèles de puissance croissante. L'information provient d'indiscrétions de Business Insider et reste non confirmée officiellement. La sortie d'Argon est attendue dans les prochaines semaines, mais le calendrier des autres modèles n'est pas connu.
D’après la vidéo
⚙ Comment ça marche
Barium serait une déclinaison ou amélioration dont l'entraînement a donné Argon. Carbone est déjà utilisé par plusieurs milliers de salariés Google pour entraîner les futurs modèles de façon potentiellement récursive.
💬 Ce qu’en pense l’auteur
L'auteur estime que si Argon se mesure à Opus 5, Carbone aurait un niveau équivalent voire supérieur à Opus 5.5, ce qui permettrait à Google de revenir sur le podium aux côtés d'OpenAI et Anthropic.
⚠ Ses réserves
L'auteur exprime des doutes sur la capacité d'Argon à égaler vraiment Opus 5.5 d'Anthropic, qu'il trouve vraiment merveilleux. Les informations proviennent d'indiscrétions et non de sources officielles.
Démo avecGemini 4 Argon
« Argon, barium et carbone. C'est au moins trois modèles qui sont en préparation chez Google Gemini dans cette version Gemini 4. »
Google développe au moins trois modèles Gemini 4 : Argon (annoncé), Barium et Carbone, ce dernier étant utilisé en interne par des milliers d'employés Google et considéré comme supérieur à Claude Opus 3.5.
Google aurait plusieurs coups d'avance avec des modèles non encore publics. Carbone serait utilisé par des milliers d'employés Google pour du codage, de la recherche et de la rédaction, suggérant une stratégie de déploiement échelonné et une amélioration récursive des modèles.
D’après la vidéo
⚙ Comment ça marche
Carbone est déployé sur Jetski, l'infrastructure interne des développeurs Google, et serait utilisé pour entraîner les modèles suivants dans une logique d'amélioration récursive.
⚠ Ses réserves
L'amélioration récursive (des modèles IA qui entraînent d'autres modèles) pose des questions de contrôle et de sécurité, personne ne contrôlant le modèle avant qu'il n'existe.
« il y a un autre modèle qui vient d'être dévoilé non officiellement et tout à fait officieusement, c'est le fameux le fameux carbone. Carbone, c'est un modèle qui est donc pas Argon et qui se retrouve sur Jetski »
Google annonce la disparition des Gems dans Gemini à partir de novembre 2026, remplacés automatiquement par des Skills qui fonctionnent différemment, étant appelés dynamiquement par le modèle plutôt que comme des prompts enregistrés.
Les utilisateurs qui ont créé des Gems les verront migrés automatiquement en Skills, mais le fonctionnement change radicalement : un Skill n'est plus un prompt fixe mais une capacité que l'IA peut invoquer ou combiner à sa discrétion. Certains Gems mal conçus risquent de ne pas fonctionner correctement après migration. OpenAI supprimera également les GPTs en décembre 2026 ou janvier 2027, marquant la fin d'une époque au profit d'agents plus autonomes.
D’après la vidéo
⚙ Comment ça marche
Un Gem ou GPT est un prompt enregistré avec des documents de référence. Un Skill est une instruction que le modèle peut invoquer dynamiquement, combiner avec d'autres Skills ou avec sa base de connaissances, selon son raisonnement agentique. Le Skill est monté dans le cloud autour du modèle, pas dans un système de fichiers local.
💬 Ce qu’en pense l’auteur
L'auteur demande aux utilisateurs d'arrêter de parler de Gems et GPTs, qu'il considère comme obsolètes, et de passer aux Skills qui correspondent à l'ère des modèles agentiques et capables de raisonnement.
✅ À faire
L'auteur conseille de se former aux Skills plutôt que de continuer à utiliser Gems ou GPTs, et de comprendre que c'est le harness (modèle + capacités agentiques + Skills) qui fait la différence aujourd'hui.
Démo avecGeminiClaudeChatGPT
« Google remplace les gems par les skids dans Gemini et modifie progressivement les conditions d'accès. C'est la petite news qui date de la semaine dernière et c'est officiel. Nous avons une date euh non à partir de novembre 2026. »
Le modèle Argon de Google passe d'une fenêtre de contexte de 64000 tokens à 1 million de tokens, permettant de gérer des projets complexes et de reprendre là où il s'est arrêté.
Cette augmentation permet de traiter des documents beaucoup plus longs ou des projets complexes en une seule passe, sans découpage. Le modèle peut également reprendre là où il s'est arrêté sur des dossiers compliqués. Cela concerne particulièrement les développeurs et les tâches de migration lourde, déjà utilisées en interne chez Google.
D’après la vidéo
⚙ Comment ça marche
Le modèle gère 1 million de tokens en contexte, peut prendre en charge des projets complexes sans s'arrêter, et sait reprendre là où il en était même sur des dossiers extrêmement compliqués.
Démo avecArgon
« On est passé de 64000 tokens à 1 million de tokens avec un modèle qui est capable de faire des tâches très longues, de prendre en charge des projets complexes, de pas s'arrêter »
« ils ont cherché d'abord une cuve, que ça a pas été si simple. Il y a tout un tout un tas, je trouve ça très intéressant. Ils ont cherché une cuve, ils ont pas trouvé parce qu'il y a des batteries au lithium et il fallait donc »
« on est au-dessus avec Gini 4 Argon. Tout le monde est pas d'accord puisque quand on va voir du côté de artificial analysis. son propre index. Il classe le argon avec une couleur un peu cheloue ici »
Google annonce Argon, son nouveau modèle d'intelligence artificielle qui revient sur le podium des leaders face à OpenAI et Anthropic, d'abord disponible en API puis dans les abonnements les plus élevés.
Google repositionne sa gamme Gemini face à la concurrence d'OpenAI et Anthropic qui sortaient des modèles chaque semaine. Le déploiement sera progressif : d'abord en API via AI Studio pour tests, puis dans les abonnements premium. Cela concerne les utilisateurs de modèles d'IA pour des tâches de développement, migration et projets complexes.
D’après la vidéo
⚙ Comment ça marche
Argon est d'abord testé par des partenaires professionnels du cyber pour évaluer s'il peut faire des actions dangereuses, selon le même processus que Mythos. Il sera disponible d'abord en API dans AI Studio avant d'arriver dans les abonnements premium.
💬 Ce qu’en pense l’auteur
L'auteur constate qu'Argon permet à Google de revenir dans la course et semble vraiment capable sur les benchmarks, même s'il faudra tester en conditions réelles pour vérifier si cela correspond aux usages.
✅ À faire
L'auteur invite à attendre et tester le modèle en conditions réelles car les benchmarks ne suffisent pas à valider la correspondance aux usages concrets.
⚠ Ses réserves
Argon a un faible taux de réponses dangereuses mais pas zéro, ce qui justifie la phase de tests avant déploiement. Le prix promotionnel de 10 dollars par million de tokens doublera quelques semaines après pour atteindre 20 dollars.
Démo avecArgonGeminiAI Studio
Outil à testerGemini 4 Argonpayant
Modèle d'intelligence artificielle de Google pour des tâches de développement, migration et projets complexes nécessitant de longs contextes
Pourquoi il semble prometteur : Contexte étendu à 1 million de tokens, capacité à gérer des tâches très longues et complexes, reprise là où il s'est arrêté, scores élevés sur les benchmarks juste derrière Anthropic, tarif compétitif à 20 dollars par million de tokens
Modèle non accessible au grand public au moment de l'annonce : réservé aux organisations du programme Fairwind, puis prévu pour l'API payante et l'abonnement Google AI Ultra, donc inutile d'espérer l'essayer gratuitement dans l'app Gemini pour l'instant.
À essayer selon l’auteur
L'auteur considère qu'Argon permet à Google de revenir dans la course face à OpenAI et Anthropic avec des capacités prometteuses, mais recommande d'attendre de le tester en conditions réelles pour vérifier si les performances correspondent aux usages concrets, au-delà des benchmarks.
Google déploie Gemini 4 Argon d'abord via le programme Fairwind avec des partenaires de confiance et un examen gouvernemental américain en cours, en raison de ses capacités cyber avancées.
Cette approche prudente rappelle le déploiement d'autres modèles puissants et vise à éviter les dérives agentiques. Le modèle affiche un taux de réponse aux requêtes malveillantes de 0,7%, ce qui n'exclut pas totalement les failles. Un partenariat avec WiZ assure la vérification des systèmes.
D’après la vidéo
⚙ Comment ça marche
Le modèle est d'abord distribué à des partenaires experts en cybersécurité via Fairwind, avec une surveillance gouvernementale américaine et des benchmarks montrant un faible taux de succès (0,7%) pour les tentatives d'attaques malveillantes.
Démo avecGemini 4 ArgonFairwindWiZ
« pour l'instant ce modèle sera disponible dans le cadre du programme Fair Wind. Donc donné à des partenaires de confiance qui sont des spécialistes et des experts dans le monde du cyber »
Gemini 4 Argon était disponible depuis plusieurs semaines sur LMSYS Arena sous le nom de Gemini Flash pour tests à l'aveugle avant son annonce officielle par Google.
Cette stratégie permet à Google de collecter des retours utilisateurs réels avant la sortie officielle, tout en maintenant le secret sur les capacités du modèle. Cela confirme que les tests Arena reflètent déjà les performances d'Argon.
D’après la vidéo
⚙ Comment ça marche
Sur LMSYS Arena, les utilisateurs testent deux réponses générées par des modèles anonymes et choisissent leur préférée, permettant à Google de faire évaluer Argon sans révéler son identité.
Démo avecGemini 4 Argon
« Ça veut dire qu'il est disponible en fait puisquon on l'a testé sans le savoir. Oui, sans le savoir. Ça fait de semaines déjà qu'on sait qu'il y a un nouveau modèle bizarre que Jemini a appelé Flash pour nous le faire tester à l'aveugle »
Argon crée d'abord un jumeau numérique de la scène réelle, génère 4500 exercices d'entraînement dans des environnements simulés variés, puis annote et note les performances du robot virtuel pour l'optimiser avant de transférer ce cerveau entraîné dans le robot physique. Le modèle peut aussi partir de vidéos d'humains filmés avec une caméra pour créer ces environnements.