Gemini 4 Argon est le nouveau modèle phare de Google DeepMind, et le plus simple pour le comprendre est de voir où il gagne et où il perd. La fiche technique, passée en revue par une vidéo de Two Minute Papers, décrit un grand modèle creux à mélange d'experts, conçu de zéro et non affiné à partir d'un Gemini plus ancien, qui lit texte, images, audio et vidéo et produit du texte, avec jusqu'à 1M de tokens de contexte combiné. Google le destine au génie logiciel, au travail juridique et financier et à la cyberdéfense.
Le résultat juridique se détache. Sur le Legal Agent Benchmark de Harvey, Argon obtient 19,6 %, contre 3,8 à 6,7 % pour GPT-6 Astra, Claude Fable 5.1 et Claude Opus 5.5. Le chiffre absolu est faible, signe de la difficulté du test ; tous les modèles en échouent la plus grande partie. Les longs documents sont un autre point fort, Argon figurant près du sommet sur des tests de contexte long comme GraphWalks. La programmation par agents est son point faible : sur Terminal-Bench 4.0, qui évalue des agents travaillant en ligne de commande, Argon atteint 57,4 % contre 66,4 % pour Opus 5.5.
Notre test d'Argon apporte un contexte absent des documents de lancement. L'évaluation indépendante d'Artificial Analysis le place à égalité avec GPT-6 Astra et derrière Opus 5.5 au global, relève un faible taux d'hallucinations et mesure un démarrage lent, d'environ 45,6 secondes avant le premier token. Le prix de l'API est un tarif de lancement de 2 dollars par million de tokens d'entrée et 10 par million de sortie jusqu'au 30 novembre 2026, puis 4 et 20. Pour qui choisit entre modèles de pointe, la tendance plaide pour Argon sur les longs contrats, les dossiers réglementaires et les rapports de recherche, et pour Claude ou GPT pour les agents de programmation en terminal.
La partie qui mérite plus d'attention que le tableau des scores est le volet sécurité. Au titre de son Frontier Safety Framework, Google dit ne pas pouvoir exclure qu'Argon ait atteint le niveau de capacité critique pour le risque d'information biologique ou pour la cyberattaque, et avoir construit des argumentaires de sûreté selon lesquels le risque résiduel reste sous ces niveaux. Il en dit autant d'un seuil de dissimulation et de conscience situationnelle, qui touche à la capacité d'un modèle à échapper à la supervision. Ce sont les évaluations de Google sur son propre modèle.
Les réserves habituelles s'appliquent. La plupart des chiffres de lancement ont été obtenus au niveau de réflexion le plus élevé d'Argon, alors que le modèle standard démarre plus bas, et les comparaisons portent sur des tests choisis par Google. Des utilisateurs, dans les commentaires de la vidéo, décrivent un modèle qui remplit très vite sa fenêtre de contexte et qu'il est difficile de diriger, des anecdotes plutôt que des preuves. L'avance juridique est assez nette pour compter ; reste à voir si elle résiste à des évaluations juridiques indépendantes.