Modèles

Gemini 4 Neon arrive dans l'application, et le sélecteur perd deux noms

Google remplace Gemini 4 Argon par un modèle qu'il présente comme proche de Gemini 4 Carbon, pour un coût par tâche plus bas. Voici ce que cela change dans l'application, et ce que les chiffres de Google couvrent vraiment.

Julien MartinJulien Martin
Popularité : 1,500
Trois anneaux néon en orbite autour d'un petit noyau lumineux sur fond bleu profond

Google remplace Gemini 4 Argon par un modèle qu'il présente comme proche de Gemini 4 Carbon, pour un coût par tâche plus bas. Voici ce que cela change dans l'application, et ce que les chiffres de Google couvrent vraiment.

Ce que le Gemini model picker propose désormais

Depuis le 18 novembre, l'application Gemini n'affiche plus la même liste. 9to5Google a relevé la nouvelle composition du Gemini model picker, autrement dit le sélecteur de modèles que voit un abonné payant : Auto, Gemini 4 Hydrogen pour l'aide quotidienne, Gemini 4 Neon pour l'analyse approfondie, et Gemini 4 Carbon pour le code et le travail complexe.

Quatre entrées, quatre usages, une décision à prendre à chaque prompt. Auto choisit à votre place, Hydrogen privilégie la vitesse, Carbon la profondeur, et Neon se glisse entre les deux.

La logique n'a rien de nouveau. Ce qui change, c'est le nom du milieu.

Faut-il pour autant tout basculer sur Neon ? Pas nécessairement, et la suite explique pourquoi.

Gemini 4 Neon remplace Argon, et Gemini 3.1 Pro sort du menu

Deux modèles quittent le sélecteur. Gemini 4 Argon d'abord, que Neon remplace. Gemini 3.1 Pro ensuite, qui n'est plus proposé du tout. Pour qui avait pris l'habitude de l'un ou de l'autre, l'ajustement est immédiat : il faut réapprendre quel modèle appeler pour quel travail.

Un troisième mouvement passe plus discrètement. 3.5 Flash-Lite devient « Auto » pour les abonnés payants, ce qui donne enfin un contenu identifiable à ce réglage automatique.

Une précision qui évite les malentendus : la retraite de Gemini 3.1 Pro concerne l'option dans le sélecteur. Vos conversations, votre historique et vos fichiers restent en place.

Le prix de Gemini 4 Neon : 3 dollars l'entrée, 15 dollars la sortie

Google facture le nouveau modèle à 3 dollars le million de tokens en entrée. L'entrée mise en cache tombe à 0,15 dollar, et la sortie coûte 15 dollars pour un million de tokens. La fenêtre de contexte atteint un million de tokens.

Poste

Tarif par million de tokens

Entrée

3 $

Entrée mise en cache

0,15 $

Sortie

15 $

La ligne du milieu est celle qui compte pour un usage répété. Google présente ces 0,15 dollar comme une remise de 95 % sur l'entrée, ce qui vise les cas où vous renvoyez sans cesse le même document : un cahier des charges, un dossier de presse, un contrat de trente pages.

À l'échelle du token, Neon se place donc sous le haut de gamme de la famille. Le prix ne dit rien de la qualité. Il dit beaucoup, en revanche, de la façon dont Google veut vendre ce modèle : comme l'option par défaut d'un usage professionnel courant.

Où Gemini 4 Neon se situe entre Hydrogen et Carbon

La famille compte maintenant trois niveaux utiles. Carbon reste le modèle lent et coûteux, réservé au travail long et difficile. Hydrogen assure l'aide du quotidien, avec la latence la plus basse. Neon occupe le milieu, et Google affirme qu'il égale ou dépasse Carbon sur la plupart des tâches de code, de raisonnement et d'usage agentique, tout en allant plus vite.

C'est une affirmation de Google. Aucune réexécution indépendante n'a été publiée le jour de l'annonce.

Rien de vérifiable, donc.

Neon dispose de quatre niveaux de réflexion, de quoi échanger de l'intelligence contre du budget sur une même requête. Google le présente aussi comme l'orchestrateur rapide capable de piloter des sous-agents Hydrogen en parallèle dans Google Antigravity.

Les quatre chiffres que Google met en avant

Les résultats publiés par Google DeepMind couvrent plusieurs familles de tests. Quatre suffisent à comprendre la position revendiquée.

Premier chiffre : 61 sur l'Artificial Analysis Intelligence Index, au niveau de réflexion xhigh, soit la troisième place du classement. Cet indice agrège plusieurs épreuves de raisonnement et de connaissance en un score unique, ce qui le rend commode mais grossier.

Deuxième : 70,9 % sur l'indice Vals, où le modèle se classe deuxième et se retrouve sur la frontière de Pareto. En clair, il fait partie des modèles qu'il est rationnel de choisir selon le compromis prix-qualité que vous acceptez.

Troisième : 58,6 sur l'Artificial Analysis Coding Agent Index, en tête du classement, avec 65,2 % sur Terminal-Bench 4.1. Ce dernier mesure des tâches menées en ligne de commande, du type de celles qu'un agent doit enchaîner sans qu'on reprenne la main.

Quatrième : 56,3 % sur AutomationBench, un banc d'essai conçu par Zapier pour des enchaînements d'automatisation, où Google annonce la première place.

Google revendique aussi le premier rang sur le Legal Research Bench et le Tax Agent Bench, 84,0 sur RiemannBench et 71,3 sur HLE-Diamond. Trop de scores pour un seul article. Retenez la tendance : la société place Neon en haut de plusieurs classements d'agents, pas seulement sur des questionnaires à choix unique.

32 % moins cher par tâche que Gemini 4 Carbon, selon Google

L'argument central n'est pas un score, c'est une facture. Selon Google, Neon coûte 32 % de moins par tâche que Carbon au niveau de réflexion high par défaut. Sur les indices Vals et Agent Arena, l'écart annoncé avec les modèles frontière concurrents va de 50 % à 80 % de coût en moins par tâche.

Le chiffre tient même en position défavorable. À xhigh, soit le réglage le plus coûteux de Neon, Google annonce encore 36 % ou plus d'économie par tâche face à des concurrents réglés au maximum.

Ce genre de mesure dépend entièrement du mélange de tâches retenu. Google ne publie pas la composition exacte de son échantillon, et personne n'a reproduit le calcul de l'extérieur.

Les quatre niveaux de réflexion prennent alors tout leur sens. Une équipe peut lancer Neon en high pour la production et redescendre en medium pour les traitements de masse, sans changer de modèle ni renégocier de contrat.

Ce que Gemini AI Pro garde, et ce qui reste invérifié

Le déploiement couvre l'API payante, Google AI Studio, l'offre entreprise via API et menu déroulant, Google Antigravity pour les abonnés Gemini AI Pro et Ultra, et l'application Gemini pour ces deux mêmes abonnements.

L'offre gratuite ne bouge pas. Ce point mérite d'être dit nettement, parce qu'une partie des articles parus depuis laissent entendre le contraire : Neon est un changement de l'expérience payante, pas un cadeau fait à tout le monde.

Trois réserves restent ouvertes. Les meilleurs chiffres viennent de Google ou de partenaires, et un banc d'essai maison a toujours un angle. La variante orientée cybersécurité, avec ses 76 % sur le niveau difficile d'AutoBaxBench, n'est pas distribuée à tout le monde : elle passe par le programme Fairwind, réservé à des défenseurs vérifiés. Enfin, l'affirmation des 32 % de coût en moins par tâche n'a été contrôlée par personne en dehors de Google.

Pour un abonné, la question pratique tient en une phrase. Ouvrez le sélecteur, essayez Neon sur une tâche que vous connaissez bien, et regardez la facture à la fin du mois. Si votre équipe travaille sur des documents en français, l'écart se jouera surtout sur les longs fichiers renvoyés plusieurs fois, là où l'entrée mise en cache travaille pour vous.

Partager cet article

Sources

Actualités liées à l’IA

Une fenêtre de terminal avec une courbe de récompense ascendante et un badge 27B à côté
Modèles

RadixArk double le score Terminal-Bench 4.1 de Qwen3.8-27B

RadixArk publie DaisyRose-27B, un Qwen3.8-27B réentraîné par renforcement sur des tâches d'agents longues. Le gain est net, le score absolu reste bas, et l'argument réel porte sur le coût par point gagné.

Popularité : 1,330
Le contour d'un ordinateur portable avec trois feuilles de couches empilées qui traversent une flèche en boucle
Modèles

Inkling 2 Mini : 24 couches qui en valent 48 sur un portable

Thinking Machines Lab repasse trois fois par les mêmes couches pour faire raisonner un modèle de 27 milliards de paramètres. Le résultat tient sur un portable, à condition d'accepter ce qu'une boucle ne sait pas faire.

Popularité : 1,710
Une longue forme d'onde audio bleu-vert avec une seule barre orange sur fond sombre
Modèles

Rumble-2-Flash : 500 millions de paramètres qui tiennent tête à un modèle géant

Reson8 publie un modèle de reconnaissance vocale de 500 millions de paramètres qui arrive à un dixième de point d'un modèle soixante fois plus gros sur de vrais appels téléphoniques. Reste à savoir ce que vous abandonnez en échange.

Popularité : 560
Un grand cœur de modèle entouré de rayons de raisonnement, à côté d'un cœur rapide plus petit, avec des barres de prix en baisse à droite
Modèles

OpenAI baisse GPT-6.2 Astra de 20 %, sans reprendre la tête partout

OpenAI baisse le tarif de son modèle haut de gamme et laisse celui de Sol intact. Le vrai sujet n'est pas le pourcentage affiché, mais ce que coûte une tâche une fois la facture tombée.

Popularité : 1,900