Google déploie de nouveaux modèles Gemini Flash, mais le Pro se fait toujours attendre

Google a lancé trois nouveaux modèles d'IA aujourd'hui : Gemini 3.6 Flash, 3.5 Flash-Lite et 3.5 Flash Cyber. Ce n'était pas ce que la plupart des gens attendaient.

Après avoir dévoilé Gemini 3.5 Flash à Google I/O 2026 en mai et promis une version Pro dans un délai d'un mois, Google a discrètement manqué son propre délai. Gemini 3.5 Pro a été retenu parce qu'il n'atteignait pas les objectifs internes, selon Bloomberg, notamment sur les tâches de codage. Une tentative de correction fin juin en mettant à jour les données d'entraînement—les ensembles de données massifs à partir desquels un modèle apprend—a produit des résultats décevants. L'action Alphabet a chuté d'environ 4,4% suite à ce rapport, effaçant environ 200 milliards de dollars de capitalisation boursière en une seule séance.

Le dernier modèle de niveau Pro que Google a livré était le successeur de Gemini 3, Gemini 3.1 Pro, en février dernier.

La série Flash est la gamme de modèles optimisés pour la vitesse de Google—rapides, rentables et conçus pour les agents IA, qui sont des programmes fonctionnant de manière semi-autonome pour gérer des tâches comme la gestion de documents, le traitement de pipelines de données ou la navigation sur le web sans qu'un humain ne clique à chaque étape. Les modèles Pro sont les gros porteurs : plus lents, plus chers et conçus pour un raisonnement complexe où la puissance brute prime sur la vitesse.

Ce que fait chaque modèle d'IA—et à qui il s'adresse

Gemini 3.6 Flash est la principale version. Il utilise 17% de jetons de sortie en moins—les jetons étant l'unité de base que l'IA traite, environ les trois quarts d'un mot—que 3.5 Flash, selon l'Artificial Analysis Index. C'est aussi moins cher : 1,50 $ par million de jetons d'entrée et 7,50 $ par million de jetons de sortie, contre 9 $ pour la sortie de 3.5 Flash. Pour les entreprises qui exécutent des agents à grande échelle, cette différence s'accumule rapidement.

Sur les benchmarks—des tests standardisés qui notent l'IA par pourcentage de tâches correctement accomplies—3.6 Flash a atteint 49% sur DeepSWE v1.1, qui teste l'ingénierie logicielle à long horizon comme la construction et le débogage de bases de code complètes, contre 37% pour 3.5 Flash. Sur MLE-Bench, un test d'ingénierie de l'apprentissage automatique, il a obtenu 63,9% contre 49,7%. Il a dominé le classement sur OSWorld-Verified—un test où l'IA prend le contrôle d'un écran d'ordinateur pour accomplir des tâches réelles—à 83,0%, devant Claude Sonnet 5 (81,2%) et GPT-5.6 Luna (72,6%).

Les rivaux de la même catégorie mènent toujours ailleurs : GPT-5.6 Luna obtient 67 % sur DeepSWE et 84,7 % sur Terminal-Bench 2.1, qui teste le codage terminal agentique. Claude Sonnet 5 domine le travail de connaissance sur GDPval-AA v2 — un benchmark noté sur une échelle de classement Elo comme aux échecs, où des nombres plus élevés signifient de meilleures performances dans des tâches réelles — à 1607 contre 1421 pour 3.6 Flash.

Nous avons essayé le modèle pour le codage et les résultats étaient… décevants, c'est le moins qu'on puisse dire.
Notre simple test de codage s'est terminé par un fichier inutilisable. Le HTML n'était pas correctement formaté et les éléments n'étaient pas rendus correctement. Les tentatives ultérieures de coder en mode "vibe" pour résoudre les problèmes n'ont pas abouti.

Nous avons demandé à Deepseek de transformer le premier modèle en quelque chose de jouable en corrigeant simplement les bugs. Il a identifié 11 bugs et implémenté 8 correctifs clés, ce qui a donné un jeu décent.

Les petites modifications de Deepseek ont corrigé le jeu, ce qui signifie que la pensée fondamentale de Gemini était correcte, mais les détails et les inexactitudes ont rendu le résultat inutilisable. Préparez-vous à de longues sessions de codage d'ambiance avec un modèle bon marché mais peu performant si vous prétendez utiliser le modèle pour cela.

Le deuxième modèle publié par Google, Gemini 3.5 Flash-Lite, est conçu uniquement pour le volume : 350 jetons de sortie par seconde à 0,30 $/million d'entrée et 2,50 $/million de sortie. Il est destiné aux pipelines à haut débit—pensez au traitement de documents à grande échelle ou aux systèmes de recherche agentiques—et surpasse l'ancien 3 Flash sur des tâches de codage clés, notamment Terminal-Bench 2.1 (54 % contre 31 %), tout en étant nettement moins cher.

Il pourrait également être un excellent compacteur de session (analyser les longues sessions et extraire les éléments clés pour que votre agent ne s'effondre pas sous le bruit) pour ceux qui dépendent de Hermes et Openclaw.

Le troisième modèle, Gemini 3.5 Flash Cyber, ne sera pas disponible publiquement. Google le réserve aux gouvernements et aux partenaires agréés qui doivent trouver et corriger les vulnérabilités logicielles—une capacité à double usage que l'entreprise n'est pas à l'aise de diffuser largement.

Pendant ce temps, l'équipe DeepMind de Google est déjà passée à autre chose. Google a confirmé dans l'annonce officielle qu'elle a commencé « notre phase de pré-entraînement la plus ambitieuse à ce jour, pour Gemini 4 », et l'équipe en fait déjà la promotion.

Le pré-entraînement est la phase fondamentale où un modèle apprend à partir de vastes ensembles de données avant le début de l'ajustement fin spécifique à la tâche—ce qui signifie que Gemini 4 est en cours de construction, et non planifié.

Les versions 3.6 Flash et 3.5 Flash-Lite sont toutes deux disponibles aujourd'hui dans l'application Gemini, dans Google AI Studio et via l'API. Gemini 3.5 Pro sera livré, selon Google, "dès qu'il sera prêt", quel que soit le moment.