Google DeepMind lance Gemini 4 Argon et divise par deux le prix de son API

Google DeepMind ouvre l'accès mondial à Gemini 4 Argon, le premier modèle frontière de la famille Gemini 4. Au lancement, l'API bénéficie d'une remise de 50% pour une durée limitée. Le média chinois Jiqizhixin décrit une sortie longtemps retardée : la gamme se faisait attendre plus longtemps que promis. D'après Google, Argon est conçu pour les tâches complexes du monde réel, avant tout le développement logiciel et le travail sur les connaissances en entreprise.

Ce que l'on sait du modèle

Google présente Argon comme le premier modèle d'une nouvelle génération. Le mot « premier » a son importance : il laisse penser que la famille va s'étoffer, comme les versions précédentes de Gemini, où des variantes allégées sont venues s'ajouter au modèle phare. L'annonce initiale ne précise pas la composition exacte de la gamme : il ne s'agit donc que d'une attente.

Le choix de se concentrer sur l'ingénierie logicielle et les connaissances d'entreprise n'a rien d'un hasard. Le codage agentique et le travail sur les documents internes des sociétés génèrent aujourd'hui l'essentiel des revenus du marché des API. C'est sur ces usages que Google affronte Anthropic et OpenAI, et c'est là que les développeurs perçoivent le plus vite les écarts entre modèles.

La remise comme outil d'entrée

Le demi-tarif sur l'API, tant que l'offre court, vise à pousser les équipes à tester le nouveau modèle avant qu'elles ne s'habituent aux solutions des concurrents. La méthode est classique, mais elle fonctionne. Toutefois, le matériel disponible ne mentionne ni le tarif de base par million de tokens, ni la date de fin de l'offre. Il n'existe donc pour l'instant aucune base pour comparer le prix d'Argon à celui de ses concurrents, et il est risqué de bâtir un budget sur un tarif promotionnel.

Le constat vaut aussi pour la qualité. Google affiche un objectif, mais la source ne fournit aucun chiffre au moment de la publication : ni résultats sur des benchmarks de programmation, ni taille de la fenêtre de contexte, ni vitesse de réponse.

Ce que l'on peut déjà retenir :

• Modèle : Gemini 4 Argon, premier modèle frontière de la famille Gemini 4.
• Développeur : Google DeepMind.
• Disponibilité : lancement mondial.
• Prix de l'API : moins 50% pour une durée limitée.
• Cas d'usage annoncés : développement logiciel, travail sur les connaissances en entreprise.
• Non communiqués dans la première annonce : benchmarks, fenêtre de contexte, tarifs de base, durée de l'offre.

Comment aborder les tests

Tant qu'il n'existe pas de mesures indépendantes, mieux vaut s'appuyer sur ses propres tâches. Les équipes qui construisent déjà des agents de codage ou une recherche dans une base de connaissances d'entreprise ont intérêt à faire tourner leurs jeux de tests réels sur Argon et à les comparer avec leur modèle actuel. La bonne métrique n'est pas le prix par token, mais le coût d'une tâche résolue : un modèle plus cher peut revenir moins cher s'il nécessite moins de relances.

Tant que la remise est en vigueur, c'est le bon moment pour une expérimentation à bas coût. Mais le choix d'un modèle pour la production doit se fonder sur le tarif de base, non sur le prix promotionnel. Si vous manipulez des données sensibles, vérifiez au préalable les conditions de traitement et les restrictions régionales prévues dans les offres entreprise de Google. Les caractéristiques techniques détaillées devraient, selon toute apparence, être publiées dans les prochains jours, et le tableau sera alors plus complet.