Gemini 4 Carbon : Google sort son modèle le plus fort, mais la porte reste fermée

Deux semaines. C'est le temps qui sépare Gemini 4 Argon de son grand frère, Gemini 4 Carbon, annoncé par Google DeepMind le 28 octobre. Le rythme des sorties devient presque comique. Mais le vrai sujet n'est pas la vitesse : c'est que ce modèle, présenté comme le plus puissant de Google, n'est pas disponible pour tout le monde. Et ça change la façon dont on prépare ses projets.

L'essentiel en trois lignes

Carbon prend la première place d'un classement reconnu, mais d'un souffle.
Ses points forts : la cybersécurité et les tâches très longues.
Accès limité à des défenseurs cyber, sans date pour le grand public.

Ce qui se passe concrètement

Numéro un, mais de justesse

Selon le blog officiel de Google, Carbon affiche des résultats de pointe en cybersécurité et sur les tâches de longue durée (les « long-horizon », c'est-à-dire les missions qui demandent de longues séries d'étapes). Côté classement, il prend la tête de l'Artificial Analysis Intelligence Index v5.0, un classement qui compare les modèles sur un ensemble d'épreuves. Officechai détaille les scores :

Modèle	Score à l'Intelligence Index v5.0
Gemini 4 Carbon	59
Claude Opus 5.5	58
GPT-6 Astra	57

Un point d'avance, donc. On est plus près du photo-finish que de la démonstration de force. Sur les 15 benchmarks (des tests standardisés) publiés par Google, Carbon est en tête sur 11. Il est en revanche nettement battu sur OSWorld-2.1 par Opus 5.5, et sur FrontierSWE 2 par GPT-6 Astra. Il n'est pas meilleur partout, et ces chiffres viennent de Google, sans vérification indépendante complète.

La cybersécurité, grande spécialité

C'est là que Google met le plus en avant son nouveau modèle. Les scores annoncés, mesurés sans garde-fous (c'est-à-dire sans les limites de sécurité qui bloquent certains usages) :

88,2 % sur SEC-bench Pro, qui mesure la détection de vulnérabilités ;
54,8 % sur ExploitGym, qui mesure l'exploitation de ces failles ;
71,0 % sur CWE-bench, qui mesure la correction.

En interne, Carbon fait plus du double d'Argon pour générer du code sécurisé. L'équipe Chrome rapporte aussi des correctifs de bien meilleure qualité, plus de 10 fois, que ceux d'un grand modèle d'un autre laboratoire. Comme toujours, ce sont des mesures maison : à prendre avec une pincée de sel.

L'endurance, l'argument discret

Google indique que ses équipes ont vu le modèle tourner pendant plusieurs jours sur des tâches complexes en plusieurs étapes. Il persiste malgré les impasses, par exemple pour trouver la cause de bugs subtils et les corriger dans de grandes bases de code. Moins spectaculaire qu'un score, mais potentiellement plus utile au quotidien.

Qui peut l'utiliser ?

Presque personne, pour l'instant. Comme le précise Unite.AI, le déploiement se fait par étapes :

Cette semaine, un sous-ensemble de défenseurs cyber.
Ensuite, d'autres partenaires de confiance via le programme Fairwind.
Enfin, développeurs, entreprises et consommateurs « dès que possible », sans date annoncée.

Le tarif d'introduction annoncé est de 2 $ par million de jetons en entrée et 10 $ en sortie, avec des jetons en cache à -95 %. Un jeton, c'est un petit morceau de texte que le modèle lit ou écrit. Le cache, lui, permet de payer beaucoup moins cher ce que le modèle a déjà lu. Le tarif est identique à celui d'Argon, qui reste le modèle Gemini ouvert à tous aujourd'hui. Pour le détail des benchmarks cyber, Blockchain.News reprend aussi les chiffres annoncés.

Notre point de vue

Le plus intéressant n'est pas le score de 59. C'est le mode d'emploi. Carbon confirme que les modèles aux fortes capacités offensives sortent désormais en accès gradué : on les confie d'abord à ceux qui défendent, puis on élargit. Un modèle qui sait détecter des failles sait aussi, en théorie, les exploiter. Le score de 54,8 % sur ExploitGym n'est pas anodin. Prudence compréhensible, donc, même si elle complique la vie de ceux qui attendent.

Pour une agence comme TRAIVIS, cela se traduit en trois réflexes :

Continuer à s'appuyer sur Argon. C'est le modèle disponible, au même tarif. Inutile de bâtir sur un accès qu'on n'a pas.
Garder la porte ouverte. Concevoir les solutions pour qu'on puisse passer à Carbon quand l'API ouvrira, sans tout refaire.
Tester avant de s'enthousiasmer. L'endurance sur les tâches longues est la promesse la plus séduisante pour nos agents autonomes et nos workflows n8n complexes. Elle devra être validée sur nos cas d'usage réels, pas sur des benchmarks.

Il y a aussi une piste côté audit et correction de code dans les livrables produits avec Cursor ou Windsurf. Là encore, on attendra de voir avant de promettre quoi que ce soit.

Un mot sur ce qu'on a laissé de côté

Deux autres sujets de la journée étaient moins décisifs pour notre métier : le lancement par Anthropic de rapports de suivi des dépenses IA en entreprise, et le projet d'OpenAI d'acheter des puces TPU de Google, rapporté par The Information via Reuters et non confirmé à ce stade.

Pour conclure

Un modèle très fort, mais derrière une porte fermée : êtes-vous prêts à construire sur ce que vous n'avez pas encore le droit d'utiliser ? Dites-nous comment vous gérez ces accès à deux vitesses.