Gemini 4 Argon a livré des débuts qui ont pris Google lui-même au dépourvu : 72 heures après sa mise en ligne, près de 25 trillions de tokens traités, soit une consommation 3 fois supérieure à celle de son prédécesseur Gemini 3.0 sur la même période. Même Google, pourtant richement doté, a dû activer à nouveau la limitation de capacité face au déluge d'appels soudain. Dans la dernière interview du podcast technologique Sources, le PDG de Google Sundar Pichai est revenu sur les détails de ce lancement et a pour la première fois mis à plat les points les plus déroutants de ces derniers mois — que s'est-il passé avec le Gemini 3.5 Pro évoqué lors de la conférence I/O, pourquoi un remaniement soudain au sommet de DeepMind, et à quoi ressemblera le prochain modèle.
La disparition du 3.5 Pro a une réponse d'une franchise un peu inattendue : il a été volontairement sacrifié par l'équipe pour prendre d'assaut les hauteurs des capacités de programmation des agents. Au milieu de l'année, en entraînant la série 3.5, Google a constaté un déficit manifeste du modèle en Agentic Coding. L'équipe a jugé que plutôt que d'imposer de force un Pro plus volumineux, la voie la plus rapide pour combler cette lacune était d'itérer à haute fréquence avec une version Flash plus petite et plus efficace. En environ trois mois, ils ont ainsi enchaîné les sauts successifs du 3.5 au 3.6, 3.7 et 3.8 Flash. Lorsque cette approche a été validée et qu'il s'est agi de la transposer au Pro, le pré-entraînement de Gemini 4.0 Argon était déjà discrètement achevé.
Dans un environnement où la puissance de calcul est limitée, lancer un 3.5 Pro à la durée de vie très courte n'était manifestement pas rentable ; l'équipe a donc injecté directement dans la phase de post-entraînement d'Argon tout le savoir-faire technique validé par Flash. Ce choix tranché a permis à Argon de franchir un palier sur les tâches de longue durée : lors de tests externes, il a terminé seul Minecraft en plus d'une journée et avec moins de 2000 dollars de puissance de calcul ; en interne chez Google, il a déjà été pointé vers le code source de Chromium, qui compte des millions de lignes de code. Quant au modèle Carbon évoqué par les rumeurs, Pichai a précisé qu'il ne s'agissait que du nom de code des itérations frontières internes, et non d'un produit indépendant ; l'équipe travaille actuellement à la distillation d'Argon pour développer une version légère aux capacités proches et au coût moindre, destinée à être proposée à un plus grand nombre d'utilisateurs.
Plus révélateur encore est le changement de la méthode de recherche elle-même. Pichai a annoncé que Google est déjà entré en interne dans la phase d'auto-amélioration récursive (RSI) : les modèles ne sont plus seulement des objets entraînés, ils participent directement à la proposition de recettes d'entraînement et évaluent automatiquement le prochain point de contrôle. Il s'est instauré une collaboration saine entre chercheurs et modèles, tout le continuum se déplaçant en silence. Pichai lui-même est devenu un bénéficiaire de ce nouveau processus — chaque jour, il exécute un agent qui synthétise les progrès des 24 heures écoulées en matière de pré-entraînement, d'entraînement intermédiaire, de post-entraînement et de groupes de données, ce qui lui fait gagner environ une heure de mise à niveau d'information ; et grâce à un agent connecté aux données de télémétrie, il surveille en temps réel l'efficacité de calcul des différents départements. Pichai estime que 2027 sera l'âge d'or de la productivité, et que dans les 12 mois à venir, la pénétration de la RSI apportera une accélération continue.
Le séisme chez DeepMind a lui aussi reçu, dans cette interview, sa première explication officielle. Jeff Dean, ingénieur légendaire au service de Google depuis exactement 27 ans, quitte l'entreprise pour fonder Discovery Loop et entamer une nouvelle phase d'exploration de sa vie ; Demis Hassabis se retire au poste de scientifique en chef et président, concentrant son énergie sur les orientations incarnées par Isomorphic Labs : IA pharmaceutique, sciences de la vie et robotique appliquée ; Koray Kavukcuoglu, présent chez DeepMind depuis plus de dix ans, prend la tête du pipeline de développement des modèles — il avait déjà déménagé dans la baie de San Francisco il y a 18 mois pour promouvoir l'intégration inter-départements. L'explication centrale de Pichai est très directe : le développement de modèles frontières est devenu un projet d'ingénierie à très grande échelle qui engloutit toute l'énergie, de la préparation des données à la planification de la puissance de calcul, en passant par l'évolution des algorithmes et la coordination de la collaboration entre équipes humaines et agents modèles, à un rythme tel qu'il faut un responsable dédié qui y consacre toute son énergie. L'application Gemini étant née au sein même de DeepMind, le couplage profond des deux entités était déjà la norme ; ce remaniement revient surtout à marquer formellement comme étape une fusion déjà accomplie.
La confiance qui sous-tend les investissements agressifs s'écrit à l'envers du livre de comptes. Cet été, Google a enregistré son premier cash-flow libre négatif depuis son introduction en bourse, tout en relevant à nouveau ses prévisions de dépenses en capital pour 2027, et a déjà commencé à planifier ses réserves foncières et électriques pour 2028 et 2029. Pichai a fait un calcul temporel : les cycles préalables des puces internes et des centres de données sont extrêmement longs, et le niveau de capacité de calcul que le marché évalue aujourd'hui avec une information parfaite est en réalité le résultat de décisions prises il y a deux ans — et il y a un an à la même époque, l'explosion de la programmation par agents n'avait même pas encore eu lieu. Il a souligné que les infrastructures IA d'aujourd'hui n'ont rien à voir avec la bulle des fibres noires inutilisées d'autrefois : toute la puissance de calcul est réellement consommée — les signaux de demande côté consommateur et côté entreprises, le carnet de contrats à long terme du cloud, ainsi que les percées de la recherche fondamentale constituent ensemble sa certitude. Il a même dévoilé dans l'interview que, selon les benchmarks internes et les courbes d'évolution, le prochain Gemini 5.0 sera bien plus puissant que l'actuel 4.0 Argon.
Sur l'architecture produit, Google est en train d'effacer la frontière entre les agents côté entreprises et côté consommateurs. Pichai a révélé que les Gemini Agents, qu'ils soient B2B ou B2C, fonctionnent sur le même modèle, le même framework d'exécution et le même runtime ; la seule différence réside dans le contexte injecté, professionnel ou personnel. Le côté entreprises, qui alloue automatiquement une micro-machine virtuelle isolée à chaque tâche pour garantir un fonctionnement sécurisé 7×24 heures, transfère progressivement cette conception vers le côté consommateurs ; les modes « conversation » et « tâches » existants de Gemini seront également fusionnés en un champ de saisie unique. Quant à une éventuelle fusion entre Search et Gemini, sa réponse est : inutile de fusionner de force deux produits ; laisser la couche d'agents fonctionnant dans le cloud, en ligne 24 heures sur 24, partager naturellement le contexte utilisateur permet de poursuivre les tâches sans interruption entre Search, l'application Gemini et Gmail. Au niveau sous-jacent de l'interaction Web, Browser Use — qui manipule l'interface comme un humain — coexistera durablement avec les protocoles natifs tels que MCP et UCP : d'un côté un standard universel élégant, de l'autre un cheminement progressif où l'utilisateur garde toujours le contrôle.
Le pas le plus audacieux reste l'espace. Le premier pilote du « Project Suncatcher », mené par Google avec Planet Labs et SpaceX, a déjà été lancé ; Pichai a déclaré que les puces devraient encore fonctionner normalement en orbite et qu'il pourra bientôt saluer ces TPU spatiaux. Vu du premier principe, l'orbite héliosynchrone peut fournir une énergie ininterrompue 24 heures sur 24 et 7 jours sur 7 — soit justement une issue en dehors de la contrainte physique que finiront par rencontrer le foncier et l'électricité terrestres. Il a établi un parallèle avec le lancement de Waymo à l'époque — ceux qui s'envolaient alors vers le désert pour voir le DARPA Autonomous Challenge auraient du mal à imaginer l'état actuel de la conduite autonome, et 10 à 20 ans suffisent pour transformer des premiers pas en jalons stupéfiants. Il a aussi inscrit l'informatique quantique dans un futur tangible : ces dix dernières années, l'équipe a atteint voire dépassé régulièrement ses jalons internes, et il voit concrètement des applications commerciales concrètes et passionnantes émerger d'ici 5 ans — tout comme le cloud Google fournit aujourd'hui de la puissance de calcul TPU, dans cinq ans il négociera des contrats de déploiement quantique.
Pour descendre vers un niveau de détail plus concret, Waymo vient de franchir le cap des 50 万 courses payantes par semaine, et au cours des 12 prochains mois, sa priorité sera de s'étendre aux marchés internationaux, à davantage de conditions météorologiques et à l'ensemble des scénarios d'autoroute, tout en maintenant son standard de sécurité de 95 % d'accidents graves en moins que la conduite traditionnelle ; cette année, 10 nouvelles villes seront mises en service. De son côté, Wing prévoit d'élargir considérablement son programme de livraison par drones en 2027, tant en ampleur qu'en gamme de produits, le rendant accessible à environ 4000 万 foyers américains. Sur le plan réglementaire, Pichai plaide pour une norme nationale unifiée plutôt que des règles fragmentées d'un État à l'autre, et estime que le secteur devrait établir, à l'image du monde financier, des lignes directrices claires et des audits indépendants — même si, pour l'heure, il ne s'agit que de tests volontairement soumis au gouvernement américain, la tendance a déjà radicalement changé par rapport à il y a un an. Et concernant la décision la plus cruciale, celle de l'allocation de la puissance de calcul, il trace une ligne rouge : toutes les décisions se prennent strictement avec une intervention humaine (Human-in-the-loop), les modèles ne fournissant que des éléments d'entrée — Google optimisait déjà, il y a cinq ans, la consommation énergétique de ses centres de données grâce à l'IA, mais le jour où l'on confiera le pouvoir de vie ou de mort aux modèles, l'humanité aura déjà depuis longtemps passé à la couche de problèmes suivante.