Lancement de Gemini 3.6 Flash, suscitant les moqueries sur le compromis entre économie de tokens et intelligence

Si vous utilisez Gemini depuis l’année dernière, la blague populaire la plus récente est la suivante : c’est comme regarder son propre frère développer progressivement la maladie d’Alzheimer. Normalement, lorsqu’une entreprise lance un nouveau modèle, celui-ci devrait servir à réfuter ce genre de plaisanteries. Mais juste après que Google a présenté trois nouveaux modèles, au lieu de retirer cette affirmation, les internautes ont ri encore plus fort, donnant l’impression que « ils ne vous croyaient pas, et pourtant vous vous êtes avéré être le plus décevant ». Ces trois modèles sont 3.6 Flash, 3.5 Flash-Lite et 3.5 Flash Cyber pour la cybersécurité. Le ton du blog officiel reste familier : plus efficace, plus intelligent, conçu pour les agents IA à grande échelle, sans perdre un seul battement. Cependant, l’expérience réelle est radicalement différente.

Commençons par le modèle phare 3.6 Flash. Il s’agit d’une mise à mineure de la version 3.5 Flash présentée lors de la conférence I/O de mai, et le positionnement officiel en fait un modèle de travail. Le principal argument de vente de cette génération est l’économie de tokens : selon les données de l’indice Artificial Analysis, 3.6 Flash utilise 17 % de tokens de sortie en moins que 3.5 Flash, et jusqu’à 65 % de moins dans les scénarios DeepSWE. Lors de l’exécution de tâches multi-étapes, le nombre d’étapes de raisonnement et d’appels d’outils est également réduit. Le prix a effectivement baissé, à 1,5 $ par million de tokens d’entrée et 7,5 $ par million de tokens de sortie, tandis que le prix de sortie de la version précédente 3.5 Flash était de 9 $. Cela réduit directement le coût à 7,5 $, rendant le modèle plus rapide et plus rentable, avec une réduction significative du coût d’une tâche d’agent unique.

Dans les tests de référence, la capacité de codage était un point focal, avec DeepSWE passant de 37 % à 49 %. L’affirmation officielle indique qu’il y a moins de modifications de code inutiles, des boucles d’exécution plus courtes et un code généré plus proche des exigences de production ; le MLE Bench pour la recherche en apprentissage automatique a connu une augmentation plus significative, passant de 49,7 % à 63,9 % ; OSWorld-Verified pour les opérations informatiques est passé de 78,4 % à 83 %, et les opérations informatiques sont devenues un outil intégré dans l’API Gemini et l’édition entreprise, prêtes à l’emploi. Une mise à jour mineure mais pratique est que la date de coupure des connaissances a enfin été repoussée de janvier 2025 à mars 2026, sortant enfin de l’ancien calendrier. En matière de sécurité, l’affirmation officielle indique que 3.6 Flash dispose d’une protection de sécurité de pointe améliorée, se concentrant sur deux types d’abus : les attaques chimiques, biologiques, radiologiques, nucléaires et cybernétiques, avec une résistance accrue au contournement des règles, tout en essayant de ne pas nuire aux besoins normaux et en minimisant les rejets inutiles.

L’étape inférieure est 3.5 Flash-Lite, qui se concentre sur la vitesse et l’abordabilité, ciblant les tâches à haut débit et à faible latence, telles que la recherche par agent et le traitement de documents. C’est le modèle le plus rapide de la série 3.5, capable de générer 350 tokens par seconde selon les mesures d’Artificial Analysis. Le prix est extrêmement bas, à 0,3 $ pour l’entrée et 2,5 $ pour la sortie par million de tokens, avec une qualité nettement supérieure à celle de 3.1 Flash-Lite publié en mars. Il permet d’ajuster le niveau de raisonnement, où les tâches de bas niveau peuvent s’exécuter au niveau le plus bas pour la vitesse et l’efficacité, et lorsqu’il s’agit de sous-tâches complexes nécessitant plusieurs étapes, il peut ajuster le niveau de réflexion vers le haut. Les opérations informatiques ont également été intégrées comme outil intégré.

Améliorations significatives : Terminal-Bench2.1 pour le codage et les tâches d’agent est passé de 31 % à 54 %, GDM-MRCR v2 pour le contexte long est passé de 60,1 % à 72,2 %, et GDPval-AA v2 pour l’exécution de tâches réelles est passé de 642 à 1140. Fait le plus intéressant, ce modèle de gamme inférieure a en fait surpassé son homologue de gamme supérieure 3Flash dans de nombreuses tâches d’agent et de codage, telles que SWE-Bench Pro (54,2 % contre 49,6 %) et OSWorld-Verified (74,0 % contre 65,1 %), ce qui signifie que les tâches autrefois gérées par 3Flash disposent désormais d’une alternative plus rapide et plus puissante. L’officiel a fourni plusieurs cas d’utilisation, notamment l’extraction des caractéristiques des produits à partir de données massives de commerce électronique, agissant comme un assistant pour 3.6 Flash pour générer 25 concepts de conception web à la fois, la traduction et le résumé par lots de reçus, et le jeu et l’itération pour créer des jeux. Les clients Ashler, Palo Alto Networks et Ramp ont également salué sa vitesse, son intelligence et son rapport qualité-prix.

Le dernier, 3.5 Flash Cyber, adopte une approche différente, spécifiquement conçu pour trouver et corriger les vulnérabilités de sécurité dans le code. La logique de Google est astucieuse : la vitesse de l’IA pour trouver des vulnérabilités a déjà dépassé la vitesse des systèmes existants pour les corriger, entraînant l’accumulation de davantage de vulnérabilités. Au lieu de cela, ils utilisent le modèle Flash abordable et efficace pour les corriger par lots. Ce modèle a été affiné à partir de 3.5 Flash et associé à leur propre outil CodeMender, où plusieurs agents Flash Cyber travaillent ensemble avant de synthétiser un rapport. Sur la référence CyberGym bien connue dans l’industrie, il a atteint des niveaux de première catégorie et utilisé moins de tokens par rapport aux modèles plus grands. Cependant, ce modèle n’est actuellement pas disponible, la recherche de vulnérabilités étant une épée à double tranchant. Google a suivi les pas d’Anthropic en adoptant un récit de sécurité, le verrouillant étroitement et ne proposant qu’un accès limité à des partenaires de confiance pour des tests internes. L’objectif est de donner aux défenseurs de première ligne le temps de corriger les vulnérabilités avant qu’elles ne soient exploitées, tout en empêchant les personnes de l’utiliser à mauvais escient.

À ce stade, vous vous demandez peut-être : où est le véritable modèle phare, 3.5Pro ? Selon l’explication officielle, il est encore testé avec des partenaires et sera lancé une fois prêt. Cependant, l’histoire derrière cette affirmation pourrait ne pas être aussi fluide. Selon les rapports de Bloomberg et d’autres sources, la capacité de génération de code de 3.5Pro n’a jamais répondu aux attentes internes. Google a mis à jour ses données d’entraînement à nouveau fin juin pour combler les lacunes en matière de codage, mais les résultats ne se sont toujours pas améliorés. Il existe même des rumeurs selon lesquelles Google a complètement abandonné le plan d’entraînement initial et a recommencé depuis zéro. Parallèlement, le porte-parole de Google AI, Logan Kilpatrick, a ouvertement sauté 3.5Pro dans ses déclarations publiques, déplaçant l’attention vers Gemini4, affirmant que le pré-entraînement le plus vaste et le plus ambitieux de Gemini4 a déjà commencé, avec des progrès excitants. Compte tenu du contexte du retard du modèle phare, cela ressemble quelque peu à une distraction ou à une promesse visant à prolonger l’illusion.

En ne regardant que les modèles Flash publiés aujourd’hui, les internautes ne les achètent pas pleinement. L’agence d’évaluation tierce Artificial Analysis a déclaré que les deux nouveaux modèles ont effectivement réduit de moitié le temps par tâche et amélioré l’efficacité des tokens, avec une augmentation de 11 points de l’indice d’intelligence de Flash-Lite. Cependant, le niveau d’intelligence de 3.6 Flash par rapport à 3.5 Flash est resté fondamentalement inchangé. Le prix n’a pas assez baissé pour ignorer l’écart de capacités, ni les capacités n’ont assez augmenté pour justifier le coût. Sur la plateforme X, certains utilisateurs ont critiqué le fait que 3.6 Flash a obtenu exactement le même score que 3.5 Flash sur Artificial Analysis, et qu’il est inférieur à des concurrents tels que Meta Spark1.1, GLM-5.2, 5.6Luna, Sonnet5, Grok4.5, 5.6Terra, le qualifiant simplement de terrible.

L’utilisateur Angel a abordé la question sous l’angle du rapport qualité-prix, soulignant que le coût d’utilisation de 3.6 Flash est supérieur à celui de GPT-5.6Sol moyen, mais que son niveau d’intelligence est inférieur, créant une combinaison embarrassante. Après tout, la base de la série Flash est le rapport qualité-prix, mais il est désormais souligné que sa valeur est inférieure à celle des concurrents, ce qui équivaut à se saborder. En comparaison, Tibo d’OpenAI s’est également exprimé récemment, déclarant qu’en raison du nombre d’utilisateurs actifs hebdomadaires atteignant 10 millions, les utilisateurs payants de Codex et ChatGPT Work ont reçu une nouvelle série de réinitialisations de quotas. Ce contraste et cette disparité, les gens se souviennent-ils encore de Google Gemini3 au bord du lac ?

Les testeurs du monde réel ont également attisé les flammes. L’utilisateur Balder a directement critiqué, affirmant que les performances de ces trois modèles sont pires que celles de l’ancien 3.5 Flash, avec des problèmes incluant, sans s’y limiter, des erreurs de décodage de base, des choix de mots chinois étranges, une mauvaise qualité d’image et de vidéo, une inadéquation avec les instructions, des limitations sévères, des confusions de mémoire fréquentes et des appels d’outils incorrects. Il a même avancé une théorie du complot, suggérant que Google a fait cela pour libérer de la puissance de calcul afin de la vendre à Anthropic, sarcastiquement affirmant que c’est ce que Pichai veut : Cloud First. L’utilisateur de X Conor Dart a effectué un test de jeu généré par IA en utilisant Antigravity, le propre outil de Google, ce qui a donné des textures de bois pires et un marbre qui semblait presque similaire mais ne pouvait toujours pas être utilisé. Il l’a directement qualifié d’échec supplémentaire, affirmant qu’il préférerait attendre Gemini3.5 ou 3.6Pro.

D’un côté, les comptes officiels mettent en avant une efficacité accrue, des prix moins chers et moins de tokens. De l’autre côté, la plupart des internautes ont donné des commentaires négatifs, accompagnés d’une série de mauvaises nouvelles derrière les modèles, telles que le retard du modèle phare, le départ des talents de haut niveau et la diminution de la valeur marchande. Il est difficile de ne pas se demander si Google a vraiment fait une erreur dans sa trajectoire technologique, en se concentrant trop sur l’économie de coûts et en oubliant d’améliorer l’intelligence, en ne s’appuyant que sur quelques modèles Flash pour stabiliser la situation. Quoi qu’il en soit, le pré-entraînement de Gemini4 a déjà commencé. Si cette tentative échoue également, la plaisanterie sur la maladie d’Alzheimer pourrait vraiment devenir une prophétie.