Gemini 4 Carbon : Google reprend la tête, à moitié prix

Google n'a pas attendu. Gemini 4 Argon avait à peine deux semaines d'existence quand l'annonce de Gemini 4 Carbon est tombée sur le blog officiel, le 28 octobre 2026, avant d'être reprise par la presse spécialisée française le lendemain. Le terme Gemini 4 Carbon a grimpé dans les recherches dans la journée, et pour une fois le bruit n'est pas qu'une affaire de communiqué : le modèle arrive premier d'un classement indépendant, avec une grille tarifaire qui met une pression sérieuse sur OpenAI et Anthropic.

Quinze jours entre deux modèles de pointe

Le rythme en dit long sur l'état de la course. Argon, sorti mi-octobre, plafonnait à 50 points sur l'Artificial Analysis Intelligence Index. Carbon atteint 59. Passer de 50 à 59 en deux semaines sur un indice composite, ce n'est pas un gain d'optimisation à la marge, c'est un changement de génération déguisé en mise à jour de nom.

Google décrit Carbon comme son modèle « le plus puissant à ce jour », avec deux axes revendiqués : les tâches de longue haleine — ces enchaînements d'actions autonomes où les agents s'effondrent habituellement au bout de quelques dizaines d'étapes — et la cybersécurité défensive. Côté caractéristiques techniques, Artificial Analysis liste une fenêtre de contexte d'un million de tokens, des entrées texte, image, audio et vidéo, une sortie texte uniquement.

59 contre 58 : un point d'écart, beaucoup de bruit

Le classement en question vient d'être renouvelé en version 5.0, ce qui complique les comparaisons avec les scores publiés cet été. Voici ce que donne le haut du tableau :

• Gemini 4 Carbon : 59
• Claude Opus 5.5 (Anthropic) : 58
• GPT-6 Astra (OpenAI) : 57
• Gemini 4 Argon : 50

Un point sépare le premier du deuxième. Sur un indice composite qui agrège une dizaine d'épreuves hétérogènes — raisonnement, code, maths, usage d'outils — un point relève du bruit statistique autant que de la performance. Les trois modèles de tête sont, en pratique, dans la même classe. Ce qui les sépare vraiment se joue ailleurs : le prix, la latence, la disponibilité, et ce qu'ils savent faire quand on les laisse travailler seuls pendant une heure.

Le vrai pari : trouver, exploiter, corriger

C'est là que Carbon se distingue nettement. Google met en avant trois résultats sur des bancs d'essai de sécurité, qui correspondent à trois moments distincts du travail d'un chercheur en vulnérabilités :

• SEC-bench Pro (repérer une faille dans du code) : 88,2 %
• ExploitGym (démontrer que la faille est réellement exploitable) : 54,8 %
• CWE-bench (produire un correctif qui tient) : 71,0 %

Le premier chiffre impressionne, le deuxième mérite qu'on s'y arrête. 54,8 % sur la validation d'exploitation, cela veut dire qu'une fois sur deux le modèle n'arrive pas à transformer une faille théorique en preuve concrète. C'est précisément l'étape qui sépare un rapport d'audit bavard d'un rapport qu'un développeur prend au sérieux. Et c'est l'étape la plus sensible, parce qu'un modèle qui écrit des exploits fiables rend service aux deux camps.

Google revendique aussi deux fois moins d'affirmations non fondées qu'Argon, et une baisse de près de 80 % des alertes de désalignement de gravité élevée. Deux chiffres relatifs, sans valeur absolue publiée. « Deux fois moins » qu'un modèle dont on ignore le taux de départ ne dit rien d'exploitable.

Le prix frappe plus fort que le score

Le tarif de lancement : 2 dollars le million de tokens en entrée, 10 dollars en sortie, avec 95 % de remise sur les tokens mis en cache. Puis passage à 4 et 20 dollars une fois la promotion terminée.

À ce niveau, Carbon est annoncé cinq fois moins cher que GPT-6 Astra et deux fois moins cher que Claude Opus 5.5. Pour qui fait tourner un agent qui relit un dépôt de code entier à chaque exécution, la différence ne se mesure pas en centimes : un contexte de 500 000 tokens rechargé cinquante fois dans la journée coûte 50 dollars à 2 dollars le million, 250 à cinq fois ce prix. Multipliez par le nombre d'ingénieurs d'une équipe. C'est ce calcul-là, pas le point d'écart au classement, qui fait basculer des contrats.

La remise de 95 % sur le cache pousse d'ailleurs vers un style d'usage précis : un gros contexte stable qu'on interroge en rafale, plutôt que des requêtes jetables indépendantes.

Fairwind : presque personne n'y a accès

Voilà la nuance que les reprises enthousiastes oublient souvent. Le premier accès à Gemini 4 Carbon passe par le programme Fairwind de Google, réservé à « un sous-ensemble de défenseurs cyber ». Les développeurs et le grand public viendront après, sans calendrier public précis.

Ce filtrage n'est pas une coquetterie commerciale. Un modèle qui décroche 88 % sur la détection de vulnérabilités et qui sait rédiger des correctifs sait aussi, par construction, aider à préparer une attaque. Google choisit donc de servir les équipes de défense d'abord, en espérant créer une avance temporaire côté défenseurs. Le pari est fragile : il tient jusqu'à ce qu'un modèle ouvert atteigne un niveau comparable, et l'écart entre modèles fermés de pointe et modèles à poids ouverts s'est resserré tout au long de 2026.

Ce qu'il faut surveiller dans les prochaines semaines

Trois choses, concrètement.

D'abord les mesures indépendantes sur les épreuves de sécurité. Les scores SEC-bench Pro, ExploitGym et CWE-bench cités viennent de Google. Tant qu'un tiers ne les a pas reproduits, ils valent ce que vaut un chiffre publié par le vendeur.

Ensuite l'élargissement de l'accès. Un modèle enfermé dans un programme sur invitation ne change rien pour l'écosystème. S'il arrive dans l'API générale au tarif promotionnel, la pression sur les prix d'OpenAI et d'Anthropic devient immédiate.

Enfin la réponse d'en face. Anthropic est à un point, OpenAI à deux. Le schéma de 2026 est connu : chaque reprise de tête tient quelques semaines. Ce qui a changé cette année, c'est la vitesse — quinze jours entre Argon et Carbon — et le fait que la bataille se déplace du raisonnement pur vers des terrains vérifiables, le code et la sécurité, où un score se traduit en gain de temps mesurable.

Pour les équipes qui construisent avec ces modèles, la leçon pratique n'a pas bougé : écrire son code sans se coller à un fournisseur, garder les prompts portables, et refaire ses propres mesures sur ses propres tâches. Le classement général d'un index composite ne dit rien de votre cas d'usage. Le dollar par million de tokens, lui, finit toujours sur la facture.