fr.wedoany.com Rapport : Google a publié son nouveau modèle phare Gemini 3.7 Flash, plaçant la programmation, les flux de travail des agents et le travail cognitif au cœur de cette mise à niveau, tout en réduisant temporairement de moitié le prix de son API. À seulement trois semaines de la sortie de Gemini 3.6 Flash, ce cycle de vie produit exceptionnellement court est attribué par Google aux retours des développeurs et aux améliorations algorithmiques. Pour les développeurs d'entreprise, c'est surtout la combinaison d'une intelligence accrue et d'une baisse des coûts d'inférence qui retient l'attention : jusqu'au 31 décembre 2026, le prix d'entrée des tokens de Gemini 3.7 Flash est de 0,75 $ par million, et celui des tokens de sortie de 3,75 $ par million.
À partir du 1er janvier 2027, les prix passeront à 1,50 $ par million de tokens d'entrée et 7,50 $ par million de tokens de sortie ; le coût du cache contextuel passera également de 0,075 $ à 0,15 $ par million de tokens pendant la période de lancement. Cela signifie que la remise n'est que temporaire, mais elle laisse aux équipes déployant des agents de programmation et des agents métier à grande échelle quelques mois pour évaluer si ce que Google appelle « moins de nouvelles tentatives et de supervision humaine » peut se traduire par des coûts d'exploitation totaux plus faibles.
Google qualifie Gemini 3.7 Flash de « modèle phare le plus intelligent à ce jour pour la programmation et les agents », soulignant que le modèle s'adapte mieux face aux obstacles, clarifie les intentions si nécessaire et suit les instructions avec une plus grande fidélité. Dans les scénarios d'agents de programmation d'entreprise, un modèle capable de réduire les modifications inutiles, de se remettre des erreurs et d'exécuter plus fiablement des plans en plusieurs étapes peut directement diminuer la fréquence des interventions humaines ; les agents métier opérant sur plusieurs documents et applications en bénéficient également. Par rapport à Gemini 3.6 Flash, conçu pour réduire les étapes de raisonnement, les tours de dialogue et les appels d'outils, la version 3.7 Flash consacre davantage d'efforts à la planification multi-étapes et aux appels d'outils, visant une exécution plus rigoureuse et moins de nouvelles tentatives. Google DeepMind indique que le modèle a progressé en débogage et en résolution de problèmes, générant des mises en page web et des applications plus utiles avec moins d'invites, et améliorant le raisonnement et la précision dans les flux de travail métier réels.
Les benchmarks de programmation montrent une amélioration nette. Sur FrontierCode 1.1 Main, qui mesure la qualité du code en production, Gemini 3.7 Flash obtient 43,6 %, contre 34,4 % pour Gemini 3.6 Flash, et légèrement au-dessus des 42,7 % rapportés par Google pour Claude Sonnet 5 et des 41,3 % pour GPT-5.6 Terra. Sur l'évaluation d'ingénierie logicielle à long terme DeepSWE v1.1, la 3.7 Flash atteint 65,3 %, contre 49,0 % pour la génération précédente, tandis que GPT-5.6 Terra mène avec 69,6 %. En développement web, Gemini 3.7 Flash obtient un score Elo de 1588 sur Code Arena, contre 1538 pour la 3.6 Flash, 1541 pour Claude Sonnet 5 et 1523 pour GPT-5.6 Terra ; Google affirme que le nouveau modèle génère des mises en page plus utiles et des applications complètes avec moins d'invites, tout en suivant plus fidèlement les captures d'écran, images et systèmes de design de référence.
Les résultats des benchmarks plus larges présentent un tableau plus nuancé, ce qui offre une référence pratique pour les entreprises choisissant en fonction de leurs charges de travail spécifiques. Gemini 3.7 Flash obtient 85,8 % sur Terminal-bench 2.1, en dessous des 87,4 % de GPT-5.6 Terra ; Terra conserve également son avance sur Terminal-bench 3.0 et OSWorld-2.0. Claude Sonnet 5 mène sur les tâches multimodales de bureau et de système d'exploitation de l'Agent's Last Exam avec un taux de réussite de 33,3 %, contre 26,3 % pour Gemini 3.7 Flash. En d'autres termes, les données de Google elles-mêmes ne montrent pas que la 3.7 Flash remplace entièrement des concurrents plus chers, mais plutôt que le modèle est plus compétitif sur les charges de travail de programmation et d'agents, tout en étant positionné sur une gamme de prix inférieure.
Les performances dans les flux de travail d'entreprise constituent une dimension de test plus concrète. Sur AutomationBench, qui mesure l'automatisation des flux de travail d'entreprise, Gemini 3.7 Flash obtient 30,4 %, nettement au-dessus des 17,0 % de la 3.6 Flash ; dans le tableau de Google, Claude Sonnet 5 atteint 10,7 % et GPT-5.6 Terra 23,6 %. Sur GDP.PDF, qui évalue la compréhension de PDF complexes, le modèle atteint 34,0 %, contre 22,0 % pour la 3.6 Flash, 28,0 % pour Claude Sonnet 5 et 24,7 % pour GPT-5.6 Terra. Cette combinaison de capacités est cruciale pour les agents d'entreprise, car les déploiements réels impliquent souvent une chaîne complète : interpréter de longs rapports, identifier les informations pertinentes, appeler des outils, mettre à jour des systèmes et générer des documents pour examen humain. La fiabilité de cette chaîne est plus déterminante que les scores de raisonnement isolés.
Google concrétise cette approche avec Gemini Spark. Les abonnés à Google AI Pro et Ultra peuvent utiliser la 3.7 Flash dans leur agent IA personnel Spark, améliorant le travail cognitif et l'utilisation d'outils dans les applications Google Workspace, notamment des flux de travail comme la consolidation de fichiers, la rédaction d'e-mails et la mise à jour de documents d'état. Les entreprises peuvent également accéder au modèle via Gemini Enterprise Agent Platform et l'application Gemini Enterprise.
Le prix de lancement est perçu comme une tentative marquée de s'intégrer dans les flux de travail d'entreprise. À titre de comparaison, le prix standard de l'API de Gemini 3.6 Flash est de 1,50 $ par million de tokens d'entrée et 7,50 $ par million de tokens de sortie ; Claude Sonnet 5 est à 2 $ et 10 $, et GPT-5.6 Terra à 2 $ et 12 $. Pour les agents autonomes, une seule requête utilisateur peut déclencher une longue série d'appels de modèle, de tokens de raisonnement et d'interactions avec des outils ; un modèle au coût par token plus faible mais avec nettement plus de nouvelles tentatives n'est pas nécessairement moins cher. Google combine un prix de lancement plus bas avec ce qu'il appelle une amélioration de la précision au premier passage ; si ces avantages se confirment en production, ils pourraient modifier substantiellement les coûts d'exploitation des agents de programmation ou de traitement documentaire à grande échelle. L'indicateur que les équipes d'entreprise devraient finalement suivre n'est pas le prix isolé par million de tokens, mais le coût par tâche réussie.
La sortie de Gemini 3.7 Flash intervient alors que des discussions évoquent une possible perte d'avantage de Google à la pointe de l'IA. Google n'a pas encore publié Gemini 3.5 Pro — un modèle présenté en mai comme devant sortir le mois suivant, puis repoussé en juillet à des tests en cours avec des partenaires ; l'annonce de jeudi n'a fourni aucun calendrier supplémentaire. Le dernier modèle Pro généraliste publié par Google reste donc Gemini 3.1 Pro, sorti en février. Ce modèle avait été rapporté comme ayant manqué son calendrier prévu pour ne pas avoir atteint les objectifs internes, notamment en programmation, et Google a commencé à entraîner ce qu'il appelle son Gemini 4 « le plus ambitieux ».
Cette série de retards coïncide avec l'annonce par Google d'un remaniement majeur de sa direction IA. Demis Hassabis, cofondateur de Google DeepMind et lauréat du prix Nobel, devient président du département et scientifique en chef d'Alphabet, abandonnant la gestion quotidienne ; l'ancien directeur technique de DeepMind, Koray Kavukcuoglu, dirige désormais le département en tant que vice-président senior, rapportant directement au directeur général Sundar Pichai. Kavukcuoglu supervise le développement des modèles Gemini, la recherche de pointe, l'application Gemini et les équipes de développeurs, regroupant toute la chaîne de produits Gemini sous un dirigeant davantage orienté produit. Le scientifique en chef Jeff Dean, les coresponsables de Gemini Oriol Vinyals, Quoc Le et Sanjay Ghemawat ont quitté l'entreprise pour fonder la startup de recherche Discovery Loop ; auparavant, Noam Shazeer, coresponsable de Gemini, avait rejoint OpenAI, et le lauréat du prix Nobel et scientifique d'AlphaFold, John Jumper, avait rejoint Anthropic. Reuters avait précédemment rapporté que le ralentissement des sorties et les lacunes en programmation étaient attribués à des divergences internes, à une allocation limitée des ressources de calcul et à la bureaucratie de Google.
Les interprétations externes divergent. SemiAnalysis estime que Google privilégie de plus en plus son activité très rentable d'infrastructure cloud pour les entreprises d'IA (y compris les concurrents de Gemini), plutôt que de maintenir ses propres modèles à la pointe ; l'analyse affirme également que Google aurait en réalité annulé la 3.5 Pro, mais Google ne l'a pas confirmé et continue d'indiquer que le modèle est reporté. The Verge offre un jugement plus prudent : les départs et les reports de modèles sont certes sérieux, mais Google conserve un avantage considérable grâce à la recherche, Workspace, Android, le cloud computing, les puces IA sur mesure et la distribution grand public ; l'application Gemini dépasse les 950 millions d'utilisateurs actifs mensuels, et sa portée ne dépend pas entièrement du modèle le mieux classé. L'indice global d'intelligence des modèles d'Artificial Analysis attribue à Claude Opus 5 un score de 63 ; Google rapporte pour Gemini 3.7 Flash un score de 56, en progression par rapport aux 52 de la 3.6 Flash. Les premiers résultats de préférence humaine sur Arena placent la 3.7 Flash en 9e position, et en 8e pour le développement web.
Les développeurs peuvent accéder à Gemini 3.7 Flash via Google AI Studio, l'API Gemini dans Android Studio et l'environnement Antigravity de Google ; les entreprises peuvent le déployer via Gemini Enterprise Agent Platform et Gemini Enterprise, et les abonnés Google AI Pro ou Ultra peuvent l'utiliser via Spark dans les pays pris en charge. Google a également mis à jour ses mesures de sécurité, couvrant les risques chimiques, biologiques, radiologiques et nucléaires ainsi que les abus par cyberattaque.
Le passage rapide de Gemini 3.6 Flash à 3.7 Flash montre que les améliorations algorithmiques peuvent entrer en production sans attendre une nouvelle génération phare. Pour les développeurs, ce rythme impose aussi des exigences opérationnelles : avant de remplacer un déploiement, les équipes de production doivent toujours évaluer la nouvelle version sur leur propre base de code, leurs invites, leur architecture d'outils et leurs modes de défaillance. Les données de Google montrent des améliorations notables du modèle en programmation de niveau production, développement web, compréhension documentaire et automatisation des flux de travail, sans pour autant revendiquer une supériorité globale. Avec son prix de lancement, Google parie en réalité que les développeurs valoriseront un modèle « suffisamment compétitif par rapport aux systèmes plus chers, et suffisamment abordable pour être exécuté en boucle ». La question de savoir si cet avantage perdurera après le retour aux prix pleins en janvier 2027 dépendra de la fiabilité de la 3.7 Flash dans les tâches réelles, et non de son classement.
