Gemini 4 Argon : ce qui change pour les développeurs

L’essentiel en une minute

Gemini 4 Argon est le nouveau modèle phare de Google, ouvert aux développeurs le 13 octobre 2026 dans la Gemini API payante, après deux semaines réservées à des spécialistes de la cybersécurité. Trois faits comptent pour vous : un prix de lancement qui double le 1er décembre, des sorties qui peuvent atteindre un million de tokens selon Google, et des paramètres familiers qui disparaissent.

Cet article sépare les annonces de Google des mesures de tiers, à partir de sources publiques consultées le 16 octobre 2026, sans test maison.

Points clés

• Gemini 4 Argon (identifiant gemini-4-argon) coûte 2 $ par million de tokens en entrée et 10 $ en sortie jusqu’au 30 novembre 2026, puis 4 $ et 20 $, selon la page de tarifs de Google.
• Selon Artificial Analysis, il égale GPT-6 Astra sur son indice d’intelligence (53 points), avec un taux d’hallucination de 15 %, contre 51 % pour GPT-6 Astra et 54 % pour GPT-6.1 Sol.
• Il produit beaucoup de tokens : 62 000 en sortie par tâche contre 27 000 pour GPT-6 Astra, d’après le même organisme.
• La migration demande du travail : temperature et thinking_budget ne servent plus, le cache explicite renvoie une erreur, et Google conseille des délais d’attente HTTP d’au moins 20 minutes.
• Le modèle n’a pas de niveau gratuit dans l’API, et ses limites de débit interactives ne sont pas publiées.

---

Gemini 4 Argon : ce que c’est et le calendrier

Gemini 4 Argon est le modèle de raisonnement phare de Google, sorti en deux temps. Le 30 septembre 2026, Koray Kavukcuoglu, architecte en chef de l’IA chez Google, l’a présenté comme un modèle « pour le code en conditions réelles, le travail intellectuel en entreprise et la cyberdéfense » (notre traduction), d’abord réservé à des cyberdéfenseurs de confiance via le programme Fairwind (blog de Google, 30 septembre 2026).

L’ouverture large a suivi le 13 octobre : Gemini API payante via Google AI Studio et Android Studio, et accès dans AI Studio et Google Antigravity pour les abonnés Google AI Ultra (blog de Google pour les développeurs, 13 octobre 2026). Le même jour, l’application Gemini s’est ouverte aux abonnés Google AI Pro et Ultra (blog de l’application Gemini, 13 octobre 2026), puis Google Cloud le 14 octobre (blog de Google Cloud).

La fiche officielle donne l’essentiel : entrées en texte, image, vidéo, audio et PDF, sortie en texte seulement, et une fenêtre unifiée de 1 048 576 tokens partagée entre entrée et sortie (fiche de Gemini 4 Argon, consultée le 16 octobre 2026). La carte du modèle de Google DeepMind fixe la coupure des connaissances à mars 2026 (carte du modèle, publiée le 13 octobre 2026).

---

À quoi Google le destine

Google vise les tâches longues à plusieurs étapes. Son billet développeurs parle de flux de travail « de longue haleine », « y compris les migrations de code et la recherche de pointe » (notre traduction). Quatre usages reviennent :

• Les migrations de code. Google affirme que des agents Argon convertissent en interne du C et du C++ vers Rust, jusqu’à plus de 800 000 lignes pour le noyau Zircon de Fuchsia (blog de Google). C’est un retour interne, pas un test publié.
• Les sorties très longues. Selon le même billet, la limite de sortie passe à un million de tokens, contre « 64K » auparavant, sans que Google nomme le modèle de référence. Pour repère, la fiche de Gemini 3.1 Pro Preview affiche 65 536 tokens de sortie.
• La cybersécurité défensive. La carte du modèle indique que Google « ne peut pas exclure » qu’Argon atteigne son seuil critique de capacité en cybersécurité, et que des protections ont été appliquées (notre traduction).
• Les agents. La fiche liste l’appel de fonctions, l’exécution de code, l’ancrage dans Google Search et l’utilisation d’ordinateur en préversion.

Si la notion d’agent reste floue, notre article sur les agents IA explique ce que l’appel d’outils implique.

---

Le prix de Gemini 4 Argon : attention au 1er décembre

Le prix de Gemini 4 Argon double le 1er décembre 2026. La page de tarifs de la Gemini API donne deux colonnes, l’une valable jusqu’au 30 novembre, l’autre à partir du 1er décembre (tarifs de la Gemini API, consultés le 16 octobre 2026).

Prix à jour au 16 octobre 2026, en dollars par million de tokens. La page ne mentionne pas les taxes. Trois détails changent une estimation de budget :

• Pas de niveau gratuit. Le guide du modèle précise qu’Argon n’est disponible ni au niveau gratuit, ni avec l’offre Google AI Pro (guide de Gemini 4 Argon, mis à jour le 14 octobre 2026). Pour tester sans budget, voyez nos outils IA gratuits pour développeurs.
• Un cache implicite seulement. La page accompagne la ligne du cache de la mention « cache implicite uniquement (le cache explicite n’est pas pris en charge) » (notre traduction). Le tarif de 0,10 $ vaut donc pour le cache implicite : vous ne pouvez pas créer vous-même un cache.
• Un modèle bavard. Artificial Analysis relève 62 000 tokens de sortie par tâche en moyenne, contre 27 000 pour GPT-6 Astra (Artificial Analysis, 30 septembre 2026). Or la sortie est la ligne la plus chère.

Notre calcul. Une application qui consomme 50 millions de tokens en entrée et 10 millions en sortie par mois paie 100 $ + 100 $ = 200 $ au tarif de lancement, puis 200 $ + 200 $ = 400 $ à partir du 1er décembre. Ce calcul ignore le cache, le traitement par lots et le volume de tokens propre à chaque modèle.

Artificial Analysis a aussi calculé un coût par tâche sur son indice : 1,99 $ pour Argon au tarif de lancement, contre 3,26 $ pour GPT-6 Astra, soit environ 61 % (l’organisme arrondit à 60 %). Il prévoit lui-même 3,98 $ par tâche une fois la promotion terminée, environ 1,2 fois GPT-6 Astra.

Verdict : un budget calculé au tarif d’octobre ne couvre que la moitié du prix par token de décembre. Budgétez au tarif plein dès maintenant.

---

Ce que disent les mesures, et qui les a faites

Sur les tests cités ici, Gemini 4 Argon est annoncé premier ou à égalité en tête, sauf sur le CyberBench de Vals AI, où il est deuxième. Mais ces résultats viennent de trois sources de nature différente : Google, Artificial Analysis et Vals AI. Attention aux noms : GPT-6 Sol et GPT-6.1 Sol sont deux modèles distincts d’OpenAI, et chaque source teste l’un ou l’autre.

Les chiffres de Google. Le billet du 30 septembre revendique 77,9 % sur DeepSWE v1.1, un test d’ingénierie logicielle sur des tâches longues, 91,7 % sur LVBench, qui mesure la compréhension de longues vidéos, et la première place sur AutomationBench, le test de Zapier, avec 51,3 % (blog de Google). La méthode n’y est pas détaillée.

Le chiffre de cybersécurité le plus repris est le 68 % sur CWE-bench v1, à égalité en première place selon Google. Ce test de Collinear AI compte 120 tâches de correction de failles dans des dépôts open source, en six familles de langages. Une tâche n’est réussie que si une vérification automatique confirme que la faille n’est plus exploitable et que le code fonctionne toujours (Artificial Analysis, CWE-Bench-AA, consulté le 16 octobre 2026). Sur cette page, nous n’avons pas trouvé Argon : le 68 % reste un chiffre de Google.

Les mesures d’Artificial Analysis. Au réglage de raisonnement élevé pour Argon, et maximal (« max ») pour les modèles d’OpenAI, Argon obtient 53 à l’indice d’intelligence de cet organisme indépendant, au niveau de GPT-6 Astra et un point devant GPT-6.1 Sol. Son taux d’hallucination au test AA-Omniscience est de 15 %, le plus bas de tous les modèles qui dépassent 45 points à cet indice, contre 51 % pour GPT-6 Astra et 54 % pour GPT-6.1 Sol (Artificial Analysis, 30 septembre 2026). Ces mesures précèdent l’ouverture publique.

Les mesures de Vals AI. Argon est premier sur 41 modèles à l’indice Vals, avec 68,90 %, devant Claude Sonnet 5.5 (67,04 %) et Claude Opus 5.5 (66,97 %). Sur CyberBench, il est deuxième à 77,86 %, juste derrière GPT-6 Sol (et non GPT-6.1 Sol) à 77,98 % (Vals AI, consulté le 16 octobre 2026).

Verdict : deux tiers indépendants placent Argon au sommet ou tout près, avec un net progrès sur les hallucinations. Mesurez sur vos données.

---

Appeler Gemini 4 Argon en Python

L’appel ressemble à celui des modèles Gemini précédents, mais plusieurs paramètres changent. Voici l’exemple minimal publié par Google, avec l’identifiant gemini-4-argon, sans suffixe, et le SDK google-genai en version 2.30.1 ou plus (guide de Gemini 4 Argon, mis à jour le 14 octobre 2026). La dernière version publiée sur PyPI le 16 octobre 2026 est la 2.31.0.

Nous avons adapté la requête, ajouté le délai d’attente de 20 minutes recommandé par Google et limité la sortie à 32 768 tokens. Le client lit la clé d’API dans la variable d’environnement GEMINI_API_KEY, selon la documentation du SDK.

pip install -U "google-genai>=2.30.1"

from google import genai
from google.genai import types

# Lit GEMINI_API_KEY ; délai d'attente de 20 minutes, exprimé en millisecondes
client = genai.Client(http_options=types.HttpOptions(timeout=1_200_000))

response = client.models.generate_content(
    model="gemini-4-argon",
    contents="Écris une fonction Python qui valide un numéro IBAN.",
    config=types.GenerateContentConfig(
        max_output_tokens=32768,  # plafond d'une requête sans flux
        thinking_config=types.ThinkingConfig(thinking_level="medium"),
    ),
)

print(response.text)

Ce qui casse, d’après le même guide :

• Échantillonnage. Retirez temperature, top_p, top_k et candidate_count : ils sont ignorés.
• Réflexion. thinking_budget est remplacé par thinking_level (low, medium ou high, medium par défaut).
• Cache explicite. Les appels à cachedContents ou caches.create renvoient une erreur.
• Signatures de pensée. En conversation, renvoyez l’historique complet, signatures comprises.
• Délais d’attente. Au moins 20 minutes par appel HTTP.

Les sorties longues ont leur mécanique. Une requête en flux renvoie au plus 65 536 tokens, une requête sans flux 32 768 : d’où notre limite, alors que l’exemple de Google demande 65 536. Au-delà du plafond, le SDK enchaîne des suites automatiquement (automatic_continuation, actif par défaut), et max_output_tokens compte à la fois la réflexion et la réponse.

Verdict : prévoyez une vraie migration. Nos guides pour coder plus vite avec l’IA et sur les IDE et éditeurs de code aident à intégrer ces modèles au quotidien.

---

Face à GPT-6 et Claude : prix et contexte

Au tarif de lancement, Gemini 4 Argon est facturé au même prix par token que GPT-6 Sol, GPT-6.1 Sol et Claude Sonnet 5.5 ; au tarif plein, il s’aligne sur Claude Opus 5.5. Prix relevés le 16 octobre 2026 sur les pages de Google, d’OpenAI et d’Anthropic.

Prix par million de tokens, à jour au 16 octobre 2026. GPT-6.1 Sol est un modèle distinct de GPT-6 Sol, au même prix sauf l’entrée en cache (0,10 $ contre 0,20 $). Contextes relevés sur les fiches de GPT-6 Sol, de GPT-6.1 Sol, de GPT-6 Luna et la présentation des modèles d’Anthropic, qui recommande Claude Opus 5.5 pour la plupart des usages.

Trois pièges empêchent de comparer ces lignes telles quelles :

• Le seuil d’OpenAI. Au-delà de 272 000 tokens en entrée, GPT-6 Sol et GPT-6.1 Sol passent à 4 $ et 15 $. Anthropic facture tout le million de tokens au tarif standard pour Opus 5.5 et Sonnet 5.5.
• Le découpage en tokens. La page de tarifs d’Anthropic, consultée le 16 octobre 2026, indique que ses modèles récents produisent environ 30 % de tokens en plus pour un même texte.
• La sortie maximale. C’est la vraie différence d’Argon : Google annonce jusqu’à un million de tokens (Vals AI affiche 262 000), contre 128 000 chez les concurrents.

Voir aussi notre comparatif ChatGPT, Claude et Gemini et les changements de GPT-6 pour les développeurs.

Verdict : à prix par token égal, Argon se distingue par sa longueur de sortie et son faible taux d’hallucination mesuré.

---

Les limites connues

Google documente lui-même une partie des zones d’ombre.

• Des limites de débit non publiées. La page des limites ne donne pas de chiffres interactifs pour Argon et renvoie à AI Studio. Seuls les plafonds du traitement par lots sont listés : de 5 millions de tokens en file au niveau 1 à un milliard au niveau 3 (limites de la Gemini API, consultées le 16 octobre 2026).
• De la lenteur annoncée. La carte du modèle mentionne des hallucinations possibles et « une lenteur ou des délais d’attente occasionnels » (notre traduction).
• Un modèle sensible. Le seuil critique en cybersécurité, non exclu par Google, explique l’accès restreint des deux premières semaines. Côté défense, notre article sur les cyberattaques les plus fréquentes donne le contexte.

Google revendique 0,7 % d’attaques réussies au test d’injection de prompt indirecte de Gray Swan, selon le blog de Google Cloud. C’est un chiffre de l’éditeur. Gardez vos garde-fous : notre guide sur le RAG explique comment ancrer les réponses dans des sources maîtrisées.

---

Faut-il passer à Gemini 4 Argon ? Verdict par profil

Tout dépend de votre usage et de votre budget après le 1er décembre. Notre lecture des sources :

Verdict : Gemini 4 Argon mérite un essai sérieux si vous produisez du code en volume ou si les hallucinations vous coûtent cher. Pour une application simple et économe, rien ne presse.

---

Ce que nous n’avons pas pu vérifier

Trois jours après l’ouverture publique, ces points restent incertains :

• La disponibilité de l’API en France, qu’aucune source officielle consultée ne détaille. Vérifiez depuis votre compte AI Studio.
• La présence dans le mode IA de Google Search, rapportée par Clubic le 14 octobre 2026, mais absente du billet officiel de l’application Gemini.
• La sortie maximale : Google annonce un million de tokens, Vals AI affiche 262 000 tokens, sans explication de l’écart.
• La méthode des tests de Google (DeepSWE, LVBench), non détaillée, et le score de CWE-bench v1, absent de la page d’Artificial Analysis.
• Un surcoût de 10 % pour un point d’accès européen, évoqué par ActuIA le 16 octobre 2026, absent de la page de tarifs de la Gemini API.
• Les taxes, que la page de tarifs ne mentionne pas.
• Le coût par tâche de GPT-6.1 Sol chez Artificial Analysis, dont l’article ne donne qu’un rapport, sans montant.
• La qualité réelle : nous n’avons exécuté aucun test.

---

Questions fréquentes

Quand Gemini 4 Argon est-il sorti ?

Annoncé le 30 septembre 2026, il est ouvert depuis le 13 octobre dans la Gemini API payante, Google AI Studio et Android Studio, selon le blog de Google pour les développeurs.

Combien coûte Gemini 4 Argon dans l’API ?

D’après la page de tarifs de la Gemini API, 2 $ par million de tokens en entrée et 10 $ en sortie jusqu’au 30 novembre 2026, puis 4 $ et 20 $.

Gemini 4 Argon est-il gratuit dans Google AI Studio ?

Non. Le guide de Gemini 4 Argon précise qu’il n’est pas disponible au niveau gratuit. Il faut un compte de facturation actif, ou un abonnement Google AI Ultra pour AI Studio et Antigravity.

Gemini 4 Argon est-il meilleur que GPT-6 ?

Artificial Analysis le place au niveau de GPT-6 Astra, avec beaucoup moins d’hallucinations. Sur le CyberBench de Vals AI, GPT-6 Sol le devance de 0,12 point.

---

À propos de l’auteur

Abdelilah Ourti est ingénieur IA et architecte logiciel. Il conçoit et déploie des applications web et des systèmes d’IA, et publie sur NeurauTech des guides et des comparatifs destinés aux développeurs francophones. Ses autres articles sont réunis sur sa page auteur.

Méthode. Synthèse de recherche fondée exclusivement sur des sources publiques : documentation et billets de Google, mesures d’Artificial Analysis et de Vals AI, pages de tarifs d’OpenAI et d’Anthropic. Les chiffres attribués à Google sont signalés comme tels. Les citations en anglais sont traduites par nos soins. Aucun test n’a été mené, aucun lien n’est affilié et aucune relation commerciale ne lie l’auteur aux éditeurs mentionnés.

Une erreur ou un prix périmé ? Écrivez à [email protected] : l’article sera corrigé et la date de mise à jour modifiée.

Dernière mise à jour : 16 octobre 2026.

Images : Mohammad Rahmani (Unsplash License).