Google a présenté Gemini 4 Argon le 30 septembre 2026 en réservant son accès initial à des cyberdéfenseurs sélectionnés par le programme Fairwind. Le modèle affiche des progrès sur plusieurs évaluations de génie logiciel, de travail agentique et de cybersécurité, mais une partie importante des résultats reste calculée ou publiée par Google. L’annonce révèle surtout une nouvelle étape dans la gouvernance des modèles de frontière : les capacités les plus sensibles peuvent être distribuées selon l’identité, la mission et les garanties de l’utilisateur, avant une ouverture plus large.
Google organise un lancement en deux temps
Gemini 4 Argon est le nouveau modèle de frontière de Google DeepMind. L’entreprise le destine aux tâches longues de génie logiciel, aux workflows professionnels dans des domaines comme le droit ou la finance, à l’analyse multimodale et à la cyberdéfense. Le lancement ne correspond toutefois pas à une disponibilité générale. La première version est distribuée à un ensemble de cyberdéfenseurs admis au programme Fairwind, pendant que Google poursuit ses évaluations et renforce ses garde-fous.[1][3]
Cette restriction est présentée comme temporaire. Google prévoit une ouverture ultérieure aux développeurs, aux entreprises et aux particuliers, en commençant par les clients payants de l’API et les abonnés Google AI Ultra. L’entreprise ne donne pas encore de calendrier précis. Le titre de l’annonce ne doit donc pas être interprété comme la création d’un modèle définitivement inaccessible au public, mais comme un déploiement progressif dont la première phase privilégie des organisations de cyberdéfense vérifiées.[1][8]
Le prix annoncé constitue déjà un indice de son positionnement. Pendant une période introductive dont la date de fin n’est pas précisée, l’API doit coûter 2 dollars par million de tokens en entrée et 10 dollars en sortie, avec une réduction de 95 % pour les entrées mises en cache. Google indique ensuite un tarif de 4 dollars en entrée et 20 dollars en sortie. Ces montants ne suffisent pas à estimer le coût d’un agent, car une mission longue peut multiplier les appels, les outils, les vérifications et les sorties intermédiaires.[1]
Cette annonce prolonge la stratégie inaugurée avec Gemini 3.8 Flash Cyber, déjà réservé aux défenseurs admis dans Fairwind. La différence est importante : Flash Cyber était une variante spécialisée et économique, alors qu’Argon est présenté comme un modèle généraliste de frontière. L’accès différencié n’est donc pas nouveau en lui-même. Il change d’échelle en s’appliquant au modèle le plus avancé de Google, capable d’intervenir dans plusieurs domaines professionnels au-delà de la sécurité du code.[10]
La nouveauté associe endurance agentique et capacités générales
Google met particulièrement en avant la capacité d’Argon à maintenir une trajectoire de travail pendant un grand nombre d’étapes. Un agent de code peut explorer un dépôt, modifier plusieurs fichiers, exécuter des tests, analyser les erreurs puis reprendre son travail. Un agent de recherche peut combiner des documents, des tableaux et des données visuelles avant de produire une synthèse. La performance ne se réduit donc plus à une réponse isolée : elle dépend de la capacité à poursuivre un objectif, à utiliser des outils et à corriger les étapes intermédiaires.
L’annonce porte la limite de sortie jusqu’à un million de tokens, contre 64 000 auparavant. Il s’agit d’une limite de génération, à ne pas confondre avec la seule fenêtre de contexte. Cette capacité peut soutenir des trajectoires très longues, mais elle augmente aussi la durée, le coût et la surface d’erreur. Une sortie plus volumineuse ne garantit ni la pertinence de chaque étape, ni la cohérence globale, ni la réussite de la mission. Elle donne surtout davantage de latitude au système pour raisonner, agir et réviser.[1]
Google rapporte plusieurs usages internes. Des agents Argon auraient contribué à des migrations de bases de code C et C++ vers Rust, jusqu’au noyau Zircon de Fuchsia qui dépasse 800 000 lignes. D’autres agents auraient identifié des optimisations libérant plus de 300 Tio de mémoire dans les centres de données de l’entreprise, avec un potentiel estimé entre 500 Tio et 1 Pio. Ces exemples montrent la nature des tâches visées, mais restent des études de cas publiées par le fournisseur et ne constituent pas des évaluations indépendantes.[1]
Référentiel technologique
L’accès contrôlé repose sur l’identité, les permissions et la traçabilité
Fairwind ne fonctionne pas comme une simple liste d’attente commerciale. Google affirme travailler avec plus de 650 partenaires dans le monde, mais précise qu’un ensemble seulement obtient l’accès exclusif à Gemini 4 Argon. Le programme privilégie les autorités publiques de cybersécurité, les opérateurs d’infrastructures critiques, les plateformes technologiques essentielles et certains laboratoires académiques consacrés à l’évaluation défensive.[3]
Les organisations candidates font l’objet d’une vérification portant notamment sur leur historique de sécurité et leurs pratiques éthiques. Une fois admises, elles ne peuvent attribuer l’accès qu’à leurs équipes internes de cybersécurité, de réponse aux incidents ou de tests d’intrusion. Elles doivent appliquer une authentification individuelle, une authentification multifacteur résistante au phishing, des contrôles d’accès et un suivi de l’utilisation. Le partage, la revente et la redistribution du modèle sont interdits.[3]
Les tâches à double usage ne sont pas toutes exclues. Fairwind autorise la simulation de menace, la rétro-ingénierie et l’analyse de logiciels malveillants lorsqu’elles sont menées dans un cadre défensif ou académique autorisé. La création malveillante de logiciels nuisibles reste interdite. Google indique également qu’un accès direct au modèle géré dans Gemini Enterprise peut prendre en charge une politique de conservation nulle des données, un point important pour les organisations manipulant du code ou des incidents sensibles.[3]
Ce dispositif transforme l’accès en composante de sécurité. L’identité de l’organisation, le rôle de l’utilisateur, la finalité déclarée, les outils disponibles et les traces d’activité deviennent aussi importants que les refus produits par le modèle. Cette architecture peut réduire certains abus, mais elle ne les supprime pas. Un compte légitime peut être compromis, une personne autorisée peut dépasser son mandat et une organisation admise peut appliquer des contrôles insuffisants. L’admission doit donc être comprise comme le début d’une gouvernance continue, et non comme une certification définitive.
Pourquoi ce choix compte au-delà de la cybersécurité
Dans la sécurité informatique, la vitesse joue un rôle particulier. Une vulnérabilité inconnue crée une course entre sa découverte, sa correction et son exploitation. En accordant une avance aux défenseurs, Google cherche à permettre aux organisations responsables de sécuriser les systèmes avant que des capacités comparables ne se diffusent davantage. Argon peut être utilisé seul ou avec CodeMender, l’agent de Google destiné à organiser la recherche et la correction de vulnérabilités.[3][4]
Google indique que Wiz utilise déjà Argon dans l’initiative Scan for Good. Le modèle aurait identifié une vulnérabilité critique exposant des informations personnelles dans un logiciel de santé utilisé par des hôpitaux. L’exemple illustre le bénéfice potentiel d’une recherche automatisée suivie d’une coordination avec les responsables du système. Il ne renseigne toutefois pas sur le nombre total de cibles examinées, le volume de faux positifs ni le travail humain nécessaire à la validation et à la remédiation.[1]
Le modèle d’accès soulève aussi une question d’équité. Les gouvernements, grandes plateformes et opérateurs critiques disposent plus facilement des équipes, procédures et budgets nécessaires pour satisfaire les critères de Fairwind. Les petites collectivités, les hôpitaux locaux, les associations ou les éditeurs modestes peuvent pourtant être particulièrement exposés. Google propose à ces acteurs CodeMender avec des modèles publics et d’autres produits de sécurité, mais ils ne bénéficient pas nécessairement du même niveau de capacité.[3]
La décision de distribuer une capacité devient ainsi une forme de gouvernance privée. Le fournisseur définit les critères d’admission, les usages permis, les organisations prioritaires et le moment de l’ouverture. Cette souplesse peut permettre une réaction plus rapide qu’une réglementation formelle. Elle concentre également un pouvoir important chez l’entreprise qui développe le modèle. La transparence sur les critères, les refus, les révocations et les incidents devient alors indispensable pour évaluer la légitimité du dispositif.
Ce que les résultats permettent réellement d’affirmer
Les résultats publiés montrent une progression mesurable sur plusieurs tâches. Ils ne démontrent pas une supériorité générale. Le document d’évaluation de Google précise que les scores Argon sont obtenus avec le réglage de raisonnement le plus élevé, sauf indication contraire. La plupart correspondent à un seul essai, tandis que les petits benchmarks sont moyennés sur plusieurs passages. Les chiffres des modèles concurrents proviennent généralement de leurs fournisseurs et ne reposent donc pas toujours sur un protocole strictement identique.[2]
DeepSWE v1.1 est un benchmark exigeant composé de 113 tâches originales couvrant 91 dépôts et cinq langages. Ses problèmes sont écrits spécifiquement pour l’évaluation et ne sont pas intégrés aux dépôts publics, ce qui réduit le risque de mémorisation de correctifs connus. Le score de 77,9 % d’Argon est néanmoins calculé par Google avec son propre dispositif. Le classement public consulté ne présentait pas encore nécessairement la même valeur, ce qui invite à attendre une intégration officielle et des reproductions comparables.[2][9]
Les résultats cyber demandent la même prudence. CWE-bench v1 constitue la mesure la plus directement comparable, puisqu’elle provient du classement public du benchmark. Argon y atteint 68 %, à égalité avec GPT-6 Astra et Grok 4.7 dans le tableau publié. Les gains sur la découverte de vulnérabilités réelles et le test d’intrusion de Wiz sont plus difficiles à reproduire, car les ensembles sont internes et les environnements complets ne sont pas publics.[2][4]
L’absence d’une fiche de modèle complète limite enfin l’interprétation. Au 4 octobre 2026, le catalogue public des model cards de Google DeepMind listait Gemini 3.8 Flash mais pas encore Gemini 4 Argon. Le document d’évaluation fournit des détails utiles sur les benchmarks, mais beaucoup moins d’informations sur les données, les limites connues, les évaluations de sécurité détaillées ou les conditions de distribution. Une publication complémentaire serait nécessaire pour apprécier la portée réelle du modèle.
Contrôler l’accès ne suffit pas à gouverner le risque
Google affirme renforcer quatre familles de protections avant l’ouverture générale : la prévention des usages nuisibles, la résistance aux injections indirectes, la détection des comportements mal alignés et le durcissement des environnements d’exécution. L’entreprise indique utiliser des équipes de test internes et externes, ainsi qu’un système capable de surveiller le raisonnement et les actions d’Argon afin d’arrêter une exécution lorsque celle-ci dépasse l’intention de l’utilisateur. Cette démarche s’inscrit dans le Frontier Safety Framework, qui distingue des niveaux de capacités suivies et critiques afin d’adapter les évaluations et les mesures de réduction des risques.[1][5]
Ces mécanismes répondent à des risques réels. Un agent qui analyse une page Web, un ticket ou un dépôt peut rencontrer une instruction malveillante dissimulée dans les données. Un modèle autorisé à lancer des outils peut ensuite transformer une mauvaise interprétation en action. La sécurité dépend donc de plusieurs couches : isolation de l’environnement, moindre privilège, séparation des rôles, approbation des opérations critiques, journalisation et possibilité de révoquer rapidement les droits.
La surveillance du raisonnement pose cependant ses propres questions. Google ne publie pas encore assez d’éléments pour savoir quelles informations sont enregistrées, comment les alertes sont évaluées, combien de faux positifs sont produits ou comment une organisation peut contester une interruption. La transparence opérationnelle ne doit pas exposer les mécanismes au point de faciliter leur contournement, mais elle doit permettre aux utilisateurs autorisés et aux autorités compétentes d’évaluer leur efficacité.
Aux États-Unis, Google indique participer au processus volontaire d’accès préalable du gouvernement. Le décret présidentiel du 2 juin 2026 demande la création d’un cadre permettant aux développeurs de fournir un accès sécurisé à certains modèles de frontière jusqu’à trente jours avant leur diffusion à d’autres partenaires de confiance. Le texte précise qu’il ne crée pas de licence gouvernementale obligatoire ni de procédure d’autorisation préalable. Il s’agit donc d’un mécanisme volontaire de coopération, pas d’une homologation publique de Gemini 4 Argon.[6]
Dans l’Union européenne, les obligations relatives aux modèles d’IA à usage général sont applicables depuis le 2 août 2025. Elles portent notamment sur la documentation technique, le droit d’auteur et la publication d’un résumé des contenus d’entraînement. Les modèles présentant un risque systémique sont soumis à des exigences supplémentaires de notification, d’évaluation, de réduction des risques, de signalement des incidents et de cybersécurité. Les informations publiques disponibles ne permettent pas, à elles seules, de conclure au statut juridique précis d’Argon, notamment parce que Google ne communique pas les ressources d’entraînement nécessaires à cette qualification.[7]
Un dernier enjeu concerne l’empreinte matérielle. Une sortie pouvant atteindre un million de tokens et des trajectoires longues impliquent potentiellement davantage de calcul. Google ne publie pas dans les documents consultés de consommation énergétique ou d’empreinte carbone par mission. Il serait donc prématuré de chiffrer l’impact environnemental d’Argon. Les organisations devraient néanmoins mesurer le coût complet d’une tâche, limiter les boucles improductives et réserver les niveaux d’effort élevés aux problèmes qui le justifient.
Ce qu’il faudra observer maintenant
La première question sera celle de la reproduction indépendante. Les scores de génie logiciel, de travail professionnel et de cybersécurité devront être confirmés avec des harnais comparables, des budgets documentés et des mesures de variance. Pour les correctifs de sécurité, il faudra examiner la correction de la cause racine, les régressions, les faux positifs et la robustesse face à des variantes de la vulnérabilité.
La deuxième question concernera l’ouverture progressive. Il faudra vérifier si la version proposée aux clients API et aux abonnés Google AI Ultra possède les mêmes capacités que celle distribuée sans garde-fous cyber aux partenaires Fairwind. Les différences entre modèles, politiques de refus et outils accessibles devront être explicites. Sans cette transparence, le nom unique Gemini 4 Argon pourrait masquer plusieurs niveaux de capacité difficiles à comparer.
La troisième question portera sur la gouvernance de Fairwind. Le nombre de partenaires ne suffit pas à juger le programme. Les indicateurs importants seront les critères d’admission, les délais de traitement, les audits, les incidents, les révocations et l’accès effectif des organisations moins dotées. Un avantage défensif n’a de valeur collective que s’il contribue à protéger les infrastructures essentielles sans créer une dépendance excessive à un petit nombre de fournisseurs.
Gemini 4 Argon représente donc à la fois un progrès technologique mesurable dans les protocoles publiés et une extension de l’accès contrôlé aux modèles de frontière. Les preuves disponibles ne permettent pas encore d’établir une supériorité générale ni une sécurité démontrée dans tous les environnements. L’évolution la plus durable pourrait être institutionnelle : à mesure que les capacités deviennent plus sensibles, la question centrale ne sera plus seulement ce qu’un modèle peut faire, mais qui peut l’utiliser, avec quels droits, quelles obligations et quel contrôle extérieur.
Pour aller plus loin
Pour approfondir la distribution des capacités sensibles, la gouvernance des agents et la transformation de la cyberdéfense, découvrez ces analyses complémentaires du blog aivancity.
Sources
[1] Google. (30 septembre 2026). Introducing Gemini 4 Argon. Consulter la source
[2] Google DeepMind. (Octobre 2026). Gemini 4 Argon Model evaluation: approach, methodology and results. Consulter le rapport
[3] Google DeepMind. Fairwind Program. Consulté le 4 octobre 2026. Consulter la source
[4] Google DeepMind. Gemini 4 Argon with cybersecurity defense capabilities. Consulté le 4 octobre 2026. Consulter la source
[5] Google DeepMind. (17 avril 2026). Strengthening our Frontier Safety Framework. Consulter la source
[6] Maison-Blanche. (2 juin 2026). Promoting Advanced Artificial Intelligence Innovation and Security. Consulter la source
[7] Commission européenne. General-purpose AI obligations under the AI Act. Consulté le 4 octobre 2026. Consulter la source
[8] Peters, J. (30 septembre 2026). Google announces Gemini 4 and says only trusted cyber defenders can have it right now. The Verge. Consulter l’article
[9] Huang, W. et al. (Juillet 2026). DeepSWE: Measuring Frontier Coding Agents on Original, Long-Horizon Engineering Tasks. Consulter l’étude
[10] Google. (2 septembre 2026). Introducing Gemini 3.8 Flash and 3.8 Flash Cyber. Consulter la source