Google dévoile Gemini 4 Argon, un modèle IA capable de détecter et corriger des vulnérabilités logicielles critiques, mais restreint son accès pour des raisons de sécurité.

Le géant technologique a annoncé le 30 septembre dernier le lancement de Gemini 4 Argon, premier modèle de sa nouvelle génération Gemini 4. Cette version est initialement réservée aux défenseurs de la cybersécurité et aux équipes internes de Google, dans le cadre du programme Fairwind. Ce programme permet à des gouvernements sélectionnés et partenaires de confiance d’accéder aux modèles avancés de cybersécurité de Google.

Un modèle performant, mais sous haute surveillance

Selon les benchmarks internes de Google, Argon obtient un score impressionnant de 77,9 % sur DeepSWE v1.1, un test évaluant les tâches d’ingénierie logicielle. Ce score dépasse ceux de ses concurrents directs : 74,2 % pour Claude Opus 5.5 d’Anthropic et 74,1 % pour GPT-6 Astra d’OpenAI. Sur CWE-bench v1, qui mesure la capacité des modèles à identifier et corriger les vulnérabilités logicielles, Argon atteint 68 %, égalant le score de GPT-6 Astra. Ces résultats, bien que prometteurs, restent à confirmer par des tests indépendants.

L’un des atouts majeurs d’Argon est sa capacité à générer jusqu’à 1 million de tokens en une seule réponse, contre seulement 64 000 pour les modèles précédents. Cette capacité permet au modèle de gérer des tâches complexes sans nécessiter de rappels répétés.

Déploiement progressif pour des raisons de sécurité

Google justifie cette restriction d’accès par les risques potentiels liés aux capacités avancées d’Argon en matière de cybersécurité. Le modèle est capable d’identifier et de corriger des vulnérabilités avec un minimum d’intervention humaine, ce qui soulève à la fois des enjeux défensifs et des risques de sécurité si ces capacités étaient largement diffusées.

Le déploiement d’Argon se fera donc en plusieurs phases, avec un accès prioritaire accordé aux défenseurs de la cybersécurité via le programme Fairwind. Les développeurs, entreprises et consommateurs pourront y accéder ultérieurement, une fois que Google aura recueilli suffisamment de retours et renforcé les garde-fous nécessaires.

Utilisations internes déjà concrètes

Argon est déjà utilisé en interne par des milliers d’employés de Google pour diverses tâches, notamment le codage et la recherche. Parmi ses applications, on trouve la migration de codebases en C et C++ vers Rust. Les agents Argon travaillent sur des projets allant de quelques dizaines de milliers à plus de 800 000 lignes de code, comme le noyau Zircon du système d’exploitation Fuchsia. Ces migrations font l’objet d’audits automatisés et manuels, ainsi que de tests d’émulation avant leur déploiement.

Google utilise également Argon pour analyser les données de performance des centres de données et identifier des optimisations mémoire. Les modifications apportées devraient libérer plus de 300 tebibytes de mémoire une fois pleinement déployées, avec des économies estimées entre 500 tebibytes et 1 pebibyte. Les chercheurs en informatique quantique de Google utilisent aussi Argon pour optimiser des algorithmes, avec des résultats prometteurs : le modèle a battu un baseline publié pour une tâche d’informatique quantique de 40 % en quelques minutes seulement.

Un modèle coûteux, mais compétitif

Google a annoncé un prix d’introduction de 2 dollars par million de tokens en entrée et 10 dollars par million de tokens en sortie. Après la période promotionnelle, les tarifs passeront à 4 dollars par million de tokens en entrée et 20 dollars par million de tokens en sortie. Les tokens en cache bénéficieront d’une réduction de 95 % sur le prix des tokens en entrée.

Ce lancement intervient dans un contexte de forte concurrence entre Google, OpenAI et Anthropic pour le développement de modèles IA toujours plus performants dans les domaines du codage, de la cybersécurité, de la recherche et des applications entreprises. Pour l’instant, les benchmarks de Google restent les seules mesures de performance publiquement disponibles pour Argon. L’accès élargi permettra à des utilisateurs et chercheurs indépendants de tester le modèle sur un éventail plus large de tâches.