Le Million De Tokens De Google Cache Quelque Chose
Après sept mois de silence complet, Google vient de sortir sa nouvelle IA. Et la toute première chose qu'ils annoncent, c'est un chiffre qui n'a pas vraiment de sens : un million de tokens générés d'un coup, sans s'arrêter. Sauf qu'il existe un argument mathématique assez solide qui dit que ça ne devrait même pas exister. Alors, exploit réel ou coup de communication ? Pour répondre, il faut regarder les benchmarks, le prix, la stratégie de Google — et ce fameux calcul.
Sept mois de silence, puis Gemini 4 Argon
Déjà à la conférence Google I/O en mai, tout le monde attendait Gemini 3.5 Pro. Résultat : rien. À la place, une pluie de modèles « flash » rapides et pas chers, mais qui ont eu du mal à trouver leur public. D'un côté les modèles phares de la concurrence, de l'autre les alternatives chinoises open source qui cassent les prix. Et sept mois après, Google sort enfin un vrai modèle phare : Gemini 4 Argon.
Les benchmarks : impressionnants, mais à prendre avec des pincettes
Sur le papier, les chiffres sont assez impressionnants. Sur le fameux benchmark de programmation DeepSWE, Argon score 77,9 %, ce qui le placerait au-dessus de tous les autres modèles du marché. Sauf que c'est quand même à prendre avec des pincettes :
- Des exercices défectueux : Epoch AI, un groupe de recherche indépendant, vient de trouver que 23 des 113 exercices de ce benchmark sont défectueux.
- Des solutions publiques : depuis sa sortie en mai, les 113 exercices et leurs solutions sont publics. Concrètement, c'est comme un élève qui aurait récupéré les sujets d'examen avec le corrigé : il n'a pas forcément triché, mais il a pu s'entraîner dessus. Un labo peut très bien étudier ces exercices pendant l'entraînement de son modèle pour qu'il performe dessus (on avait déjà vu les soupçons de triche autour de DeepSWE).
Et ça ne concerne pas que DeepSWE : la grande majorité des benchmarks que Google met en avant sont aussi publics. Plus un modèle sort tard, plus il a eu le temps de les digérer. Ce qui est dingue, c'est que les benchmarks se saturent de plus en plus vite : à peine un test est sorti que les modèles le battent, donc il faut sans arrêt en créer de nouveaux. Il devient très compliqué de mesurer un vrai progrès, et du coup, c'est nous, les utilisateurs, qui devons faire le tri. Cela dit, soyons honnêtes : même avec ces réserves, le bond de Google est réel.
Le vrai problème de Google : l'outil, pas le modèle
La vraie question, c'est de savoir si ça change quelque chose sur le terrain. Et Google a un problème qui n'a rien à voir avec son modèle : quand on parle de code, la majorité des développeurs utilisent encore Claude Code, Codex ou des outils open source. Pour un modèle, ce qui compte, ce n'est pas seulement d'être bon : c'est surtout d'être dans l'outil que les développeurs ouvrent chaque matin. Et Google n'a toujours pas réussi à faire d'Antigravity une vraie option. Les chiffres parlent d'eux-mêmes : plus de 5 millions d'utilisateurs actifs par semaine pour Codex, contre 2,4 millions pour Antigravity. Plus du double.
Le prix : moins cher… pour l'instant
Côté prix, Argon attaque très fort : il est moins cher que les modèles d'Anthropic et d'OpenAI. Mais attention, c'est un tarif de lancement : quand la promo s'arrête, le prix risque de doubler. Et même avec ce prix d'appel, ce n'est pas aussi avantageux qu'il en a l'air :
- L'intelligence pure : Argon est à peu près au niveau de GPT-6 Astra, mais derrière Claude Opus 5.5.
- Le rapport intelligence/prix : sur le graphique qui compare les deux — la frontière de Pareto, c'est-à-dire la ligne des meilleurs compromis possibles —, Argon tombe en dessous de la ligne.
- La verbosité : d'après Artificial Analysis, pour passer le même test, Argon génère 110 millions de tokens, contre 82 millions pour la concurrence. En gros, il parle plus pour dire la même chose, et au final ça peut revenir au même prix, voire plus cher — exactement le piège qu'on décrivait dans notre comparaison GPT-6 vs Claude Opus : le vrai coût se joue sur les tokens.
Résultat, pour l'instant en tout cas : Anthropic et OpenAI gardent une longueur d'avance. Et beaucoup de gens commencent à se dire qu'il y a un énorme problème avec la stratégie de Google. Mais la réponse à tout ça tient en un mot : l'argent.
Pourquoi Google ne subventionne pas comme les autres
Il y a là une lecture économique assez intéressante. Anthropic prépare une introduction en bourse, OpenAI peut-être aussi. Leur intérêt est donc de faire grossir leur base d'utilisateurs le plus vite possible, quitte à proposer des abonnements très généreux. C'est la logique classique de la Silicon Valley, un peu comme une appli de VTC qui t'offre des courses pour conquérir le marché : on sacrifie des marges aujourd'hui pour montrer une croissance énorme avant d'entrer en bourse.
Google, lui, est déjà coté et possède déjà un écosystème gigantesque. Ses incitations ne sont pas les mêmes : il doit aussi réfléchir à la manière de transformer toute cette puissance de calcul en revenu, plutôt que de la brûler pour gagner des abonnés. Et ça colle avec la façon dont Argon est lancé : d'abord réservé aux abonnés Ultra et aux clients API payants, c'est-à-dire là où l'argent rentre déjà.
Et l'échelle est vertigineuse. Lors de sa dernière présentation de résultats, Google a annoncé que son API traite 22 milliards de tokens par minute, soit 6 milliards de plus que le trimestre précédent — plus d'un tiers de croissance en trois mois. Ça fait plus de 11 millions de milliards de tokens par an, rien que sur l'API. Si on ajoute tous les autres canaux de Google, on comprend mieux ce que l'entreprise veut dire quand elle parle de capacité de calcul limitée. Et au final, OpenAI et Anthropic devront eux aussi résoudre ce problème : passer à l'échelle tout en gardant de vraies marges, au lieu de simplement subventionner.
Le million de tokens : exploit ou bluff ?
Reste le fameux chiffre du début. Avant Argon, la limite de génération chez Google était de 64 000 tokens de sortie. Là, on passe à 1 million — de quoi écrire plusieurs romans d'affilée. Ça peut sembler anecdotique, mais c'est énorme, parce que plus une IA écrit longtemps, plus c'est difficile de rester cohérent.
Une IA écrit un mot (un token) à la fois : elle génère un mot, relit ce qu'elle vient d'écrire, génère le suivant, et ainsi de suite. C'est ce qu'on appelle la génération autorégressive, et des chercheurs comme Yann LeCun la critiquent pour cette raison : une petite erreur au début se propage à tout ce qui suit.
Le calcul qui dit que c'est impossible
Voici un exemple volontairement simplifié. Imaginez que l'IA se trompe une fois sur 100 mots. Ça paraît minuscule, mais sur un paragraphe de 100 mots, ça fait déjà une erreur en moyenne. Sur 1 million de mots, ça fait environ 10 000 erreurs.
Pourquoi, en pratique, ça marche (en partie)
Sauf que ça, c'est de la théorie pure. Ce calcul suppose que chaque mot compte autant que les autres et que rien ne vient rattraper une erreur. Or tous les mots ne se valent pas : dans « la capitale de la France est… », le mot suivant est tellement évident que le modèle ne prend aucun risque. Une génération, c'est surtout du pilotage automatique, comme un trajet que vous connaissez par cœur : on ne prend de vraies décisions qu'à quelques carrefours. Et avec les systèmes modernes, le modèle peut en plus s'appuyer sur des outils externes : lancer des tests, récupérer les erreurs, corriger sa trajectoire avant que l'erreur ne contamine tout le reste.
La théorie dit donc que c'est quasi impossible, mais la pratique montre que c'est faisable, à condition d'avoir de quoi se corriger en route. Que Google ait assez confiance pour proposer ça dans un produit commercial ouvre la porte à des tâches très longues : migrer tout un code d'un langage à un autre, ou mener une longue recherche de bout en bout. Au lieu de découper un gros projet en 10 morceaux relancés à la main, on peut en théorie tout confier d'un coup.
Mais restons honnêtes : sur un benchmark de tâches de code qui durent des heures, Argon reste derrière, avec 55 % contre 62 % pour Claude Opus 5.5 et plus de 65 % pour GPT-6 Astra. Pouvoir écrire un million de tokens, c'est une chose ; mieux servir que Claude et GPT, c'en est une autre. Et sur ce point, Google est encore derrière.
Mon avis
Google prouve qu'il est toujours dans la course. Le saut est réel, c'est indéniable, et sa stratégie est plutôt cohérente. Mais Argon n'est ni le plus intelligent, ni le plus efficace, ni le plus utilisé. Donc non, ce n'est absolument pas le « tueur de Claude » ou le « tueur de GPT » qu'on nous vend en ce moment.
La vraie bataille des prochains mois ne se jouera plus sur les résultats des benchmarks — de toute façon de moins en moins fiables — mais sur qui arrive à servir des millions d'utilisateurs sans se ruiner. Et sur ce terrain-là, Google a déjà de très bons arguments : des revenus déjà énormes, une distribution gigantesque, et aucune pression pour grossir à tout prix. Est-ce que tout ça suffira à rattraper Anthropic et OpenAI ? C'est la question à un million de tokens.

🎬 Tu préfères la version vidéo ?
Cet article est tiré de ma vidéo YouTube — clique pour la voir.
Regarder sur YouTube →🛠️ Outils que tu peux tester en lien avec cet article
Une sélection de mes outils testés, pertinents pour aller plus loin.
🛠️ Tu cherches des outils IA testés ?
J'ai testé plus de 20 outils IA en vidéo — résumé, mode d'emploi, mon verdict.
Voir mon annuaire d'outils →



