Gemini 4 Argon, le nouveau modèle haut de gamme de Google, est ouvert à toutes les entreprises depuis le 13 octobre 2026 : Gemini API, AI Studio, Antigravity, abonnements Gemini Enterprise éligibles et application Gemini. Il est facturé 2 $ par million de tokens en entrée et 10 $ en sortie jusqu'au 30 novembre, puis le double à partir du 1er décembre. Selon Google, il prend la tête sur les dossiers juridiques et financiers longs et sur les migrations de code, mais il reste derrière Claude Opus 5.5 sur les agents qui travaillent en terminal et sur l'indice général d'Artificial Analysis.
Pour une PME ou une ETI, la décision tient en une phrase. Si vous traitez de gros dossiers documentaires, juridiques ou financiers, c'est le moment de tester Argon sur vos vrais cas, au tarif de lancement, et de trancher avant le doublement du 1er décembre. Pour le reste, rien n'oblige à changer de modèle.
En résumé
- ✓ Disponible depuis le 13 octobre 2026 pour tous, après deux semaines réservées aux équipes de cyberdéfense.
- ✓ 2 $ / 10 $ par million de tokens jusqu'au 30 novembre, puis 4 $ / 20 $, le prix de Claude Opus 5.5.
- ✓ En tête sur le juridique, la finance et la migration de code dans les tests publiés par Google et par Vals AI.
- ✓ Derrière Opus 5.5 sur les agents en terminal et sur l'indice indépendant d'Artificial Analysis.
- ✓ Fenêtre de test idéale : sept semaines au tarif réduit pour mesurer le coût par tâche sur vos dossiers.
Gemini 4 : date de sortie et disponibilité d'Argon
Google a annoncé Gemini 4 Argon le 30 septembre 2026, avec un accès d'abord limité aux équipes de cyberdéfense approuvées dans le cadre du programme Fairwind. L'ouverture générale date du 13 octobre 2026. C'est le premier modèle de la génération Gemini 4, qui succède à la famille Gemini 3 lancée en novembre 2025.
Le modèle est accessible par plusieurs portes, selon l'annonce de Google pour les développeurs et le compte rendu de VentureBeat.
- Pour intégrer Argon dans un outil ou une automatisation. Gemini API en offre payante, Google AI Studio, Firebase AI Logic et Android Studio.
- Pour les équipes de développement. Antigravity, l'environnement de développement à base d'agents de Google.
- Pour les collaborateurs. Les abonnements Gemini Enterprise éligibles, l'application Gemini (formules Pro et Ultra) et le mode IA de la recherche Google.
| Caractéristique | Gemini 4 Argon |
|---|---|
| Annonce / ouverture générale | 30 septembre 2026 / 13 octobre 2026 |
| Prix jusqu'au 30 novembre 2026 | 2 $ / 10 $ par million de tokens |
| Prix à partir du 1er décembre 2026 | 4 $ / 20 $ par million de tokens |
| Entrée en cache | 95 % de remise (0,10 $ par million au tarif de lancement) |
| Contexte | 1 048 576 tokens, partagés entre entrée et sortie |
| Sortie maximale | 65 536 tokens par défaut, jusqu'à 1 million en décodage long en arrière-plan |
| Hébergement en Europe (Vertex AI) | Non précisé dans l'annonce, à confirmer avec Google Cloud |
Le dernier point compte pour beaucoup d'entreprises françaises. Google propose sur Vertex AI une résidence des données dans plusieurs régions européennes, mais chaque modèle y arrive à son rythme. Au jour de la sortie, la disponibilité d'Argon dans une région européenne n'est pas confirmée. Si vos dossiers contiennent des données personnelles ou sensibles, vérifiez ce point avant tout test sur données réelles, et lisez notre article sur l'usage pro de Google AI Studio et le RGPD : AI Studio n'est pas l'endroit pour tester sur des données clients.
Gemini 4 prix : combien coûte une tâche avant et après le 1er décembre ?
Jusqu'au 30 novembre 2026, Argon coûte 2 $ par million de tokens en entrée et 10 $ en sortie. Au 1er décembre, le tarif double, à 4 $ / 20 $, soit exactement le prix de Claude Opus 5.5. Le tarif de lancement n'est donc pas un prix durable, c'est une fenêtre de test à prix réduit.
Le point fort de la grille, c'est le cache. Les tokens d'entrée déjà en cache bénéficient de 95 % de remise, soit 0,10 $ par million au tarif de lancement et 0,20 $ ensuite. Pour un usage où l'on pose plusieurs questions sur le même dossier, c'est ce chiffre qui fait la facture, pas le prix affiché.
Un exemple chiffré sur un dossier documentaire
Prenons l'analyse d'un dossier de contrats et d'annexes de quelques centaines de pages. On suppose 400 000 tokens lus et 8 000 tokens écrits pour une première synthèse, puis des questions de suivi sur le même dossier, avec le dossier en cache. Ce sont des hypothèses d'illustration, hors éventuels frais de stockage du cache à vérifier sur la grille Google.
| Opération | Tarif de lancement | À partir du 1er décembre |
|---|---|---|
| Première synthèse (400 000 lus, 8 000 écrits) | 0,88 $ | 1,76 $ |
| Question de suivi, dossier en cache | 0,12 $ | 0,24 $ |
| 200 dossiers par mois, 10 questions chacun | 416 $ | 832 $ |
À ce volume, le doublement se chiffre en centaines de dollars par mois. C'est réel, mais souvent petit face au temps gagné ou perdu sur la relecture des résultats, et face au coût de l'intégration, comme le montre notre guide sur le coût d'un projet IA en PME. Le bon indicateur reste le coût par tâche réussie : un modèle moins cher qui rate un dossier sur cinq coûte plus cher en relecture qu'il n'économise en tokens.
Attention aussi à la comparaison avec les autres éditeurs. Chacun découpe le texte en tokens à sa façon, et un même dossier ne pèse pas le même nombre de tokens chez Google, Anthropic ou OpenAI. Seul un test sur vos documents donne le vrai écart.
Où Gemini 4 Argon gagne-t-il, et où ne gagne-t-il pas ?
Argon prend la tête sur le travail de connaissance (juridique, finance) et sur la migration de code, mais il est en retrait sur les agents qui travaillent en ligne de commande et sur l'indice général indépendant. Les chiffres ci-dessous viennent de sources différentes, ce qui compte pour les lire.
| Test | Publié par | Argon | Opus 5.5 | GPT-6 Astra |
|---|---|---|---|---|
| Harvey Legal Agent (agent juridique) | 19,6 % | 3,8 % | 5,4 % | |
| DeepSWE v1.1 (code, gros projets) | 77,9 % | 74,2 % | 74,1 % | |
| Zapier AutomationBench (automatisations) | 51,3 % | 42,5 % | 41,4 % | |
| Terminal-Bench 4.0 (agents en terminal) | 57,4 % | 66,4 % | non communiqué | |
| Vals Index (travail de connaissance) | Vals AI, indépendant | 68,9 %, 1er | derrière | derrière |
| Intelligence Index (général) | Artificial Analysis, indépendant | 53 | 58 | 53 |
Les quatre premières lignes sont des tests choisis et publiés par Google. Un éditeur met en avant les tests où il brille, ce n'est pas une garantie sur vos dossiers. Les deux dernières viennent d'évaluateurs indépendants, et elles racontent une histoire plus nuancée : Argon est premier sur le travail de connaissance mesuré par Vals AI au 12 octobre (et premier aussi sur Finance Agent v2, avec 65,4 %), mais il n'est pas le modèle le plus fort en général.
Là où Argon mérite un test
- Les dossiers juridiques et contractuels longs. Revue de pièces, recherche dans un corpus de contrats, préparation d'une chronologie. L'écart sur Harvey Legal Agent est le plus spectaculaire du tableau, mais 19,6 % de réussite reste loin d'une délégation : un juriste vérifie chaque résultat.
- Les dossiers financiers. Analyse de comptes, rapprochement de documents, notes de synthèse chiffrées, où Argon est premier sur Finance Agent v2 selon Vals AI.
- Les gros volumes de documents. Le contexte d'un million de tokens et le cache à 95 % de remise rendent abordable le travail sur un dossier entier, interrogé plusieurs fois. C'est le terrain de l'extraction de documents par l'IA sur des pièces hétérogènes.
- Les migrations de code. Google cite en interne la réorganisation du code de Chrome, ramenée de plusieurs mois à quelques semaines, selon VentureBeat. Pour une PME qui doit moderniser une application ancienne, c'est un candidat sérieux à tester.
Là où il ne change rien
- Les agents qui travaillent en terminal. Sur Terminal-Bench 4.0, Opus 5.5 garde neuf points d'avance (66,4 % contre 57,4 %), dans le tableau même de Google.
- L'outillage développeur. Sam Witteveen, dirigeant de Red Dragon AI, cité par VentureBeat, juge Argon « vraiment très bon » mais pas le meilleur modèle du marché, et doute qu'Antigravity soit au niveau de Claude Code ou de Codex.
- Les tâches simples à gros volume. Trier des emails ou extraire trois champs d'une facture ne demande pas un modèle haut de gamme. Gemini 3.8 Flash reste le modèle économique de Google pour ce travail.
Un mot sur la sécurité, utile si vous envisagez des agents qui agissent dans vos outils. Google annonce 0,7 % de réussite d'attaque sur le test d'injection de prompt indirecte de Gray Swan, et un modèle entraîné à s'arrêter avant les actions irréversibles. Ce sont de bons signaux, pas une dispense de garde-fous : validation humaine avant tout envoi, paiement ou suppression.
Point terrain Tensoria
Sur un nouveau modèle, on regarde d'abord les tests indépendants, puis les tests de l'éditeur qui ressemblent au métier du client, et on décide seulement après avoir rejoué ses propres dossiers. Pour Argon, la ligne juridique justifie à elle seule un test chez un cabinet ou une direction juridique. Elle ne justifie pas de migrer un agent de développement qui tourne bien.
Vous traitez de gros dossiers documentaires ?
Contrats, pièces de dossier, documents financiers : on construit l'extraction et l'analyse sur vos propres documents, avec le modèle qui passe la mesure et une vérification humaine là où elle compte.
Gemini 4 Argon ou Claude Opus 5.5 / GPT-6 ?
Au 1er décembre, Argon et Claude Opus 5.5 coûteront le même prix, 4 $ / 20 $ par million de tokens, et le prix ne départagera plus. GPT-6 Astra, le modèle le plus avancé d'OpenAI, reste plus cher, à 10 $ / 50 $. Le choix se fait par type de tâche.
| Votre besoin | Modèle à tester en premier |
|---|---|
| Dossiers juridiques ou financiers longs | Gemini 4 Argon |
| Migration d'une base de code | Gemini 4 Argon et Opus 5.5, à comparer |
| Agents de développement, outils en terminal | Claude Opus 5.5 |
| Équipe déjà équipée de Google Workspace | Gemini 4 Argon via Gemini Enterprise |
| Tâches simples à très gros volume | Un modèle économique (Gemini 3.8 Flash, GPT-6 Luna) |
Les questions « Gemini vs ChatGPT » ou « Claude vs Gemini » n'ont pas de réponse générale : elles dépendent de la tâche et de l'outil déjà utilisé par vos équipes. Notre comparatif Gemini 4 Argon, Opus 5.5 ou Muse Wonder les met côte à côte tâche par tâche. Meta vient aussi de sortir un concurrent au même prix qu'Opus 5.5, détaillé dans notre article sur Meta Muse Wonder en entreprise, et pour des données qui doivent rester chez un éditeur européen, notre article sur Mistral Large 4 fait le point.
Gemini entreprise : ce que ça change pour vos équipes
Pour une entreprise sous Google Workspace qui a souscrit Gemini Enterprise, Argon arrive dans l'outil que les équipes utilisent déjà, sans projet d'intégration, à condition que l'abonnement fasse partie des formules éligibles. C'est la voie la plus simple pour qu'une direction juridique, financière ou un service achats l'essaie sur ses documents.
Le gain se verra surtout sur les tâches longues : synthèse d'un dossier complet, comparaison de plusieurs contrats, note de travail tirée de dizaines de pièces. Pour une question rapide ou un email à reformuler, la différence avec le modèle précédent sera faible.
Deux règles ne changent pas avec Argon. Un résultat se vérifie avant d'être diffusé, surtout quand il contient des chiffres, des dates ou des références juridiques. Et une demande floue donne un résultat moyen, quel que soit le modèle. Deux équipes avec le même abonnement obtiennent des résultats très différents selon leur pratique, ce que nous travaillons dans notre formation Gemini et Google Workspace, sur les fichiers et les cas réels de l'équipe.
Comment tester Gemini 4 Argon avant le 1er décembre ?
Le tarif de lancement laisse environ sept semaines pour mesurer Argon à moitié prix. C'est assez pour un test sérieux, à condition de le préparer dès maintenant.
- Choisir un cas qui correspond à ses points forts. Un type de dossier long et répétitif, juridique, financier ou documentaire. Inutile de tester Argon là où un modèle économique suffit.
- Constituer un échantillon de vrais dossiers, avec la réponse attendue validée par un expert métier. Trente à cinquante cas suffisent souvent pour voir un écart.
- Vérifier où les données sont traitées avant d'envoyer quoi que ce soit de sensible, en particulier pour un hébergement européen.
- Rejouer les mêmes cas sur votre modèle actuel et sur Argon, à consignes identiques, en notant la qualité, le coût par tâche et le temps de réponse.
- Calculer au tarif du 1er décembre, pas au tarif de lancement. Une décision prise sur le prix réduit sera fausse dans deux mois.
- Vérifier ce qui dépend de la forme des réponses. Format de sortie, longueur, appels d'outils : un changement de modèle peut casser une chaîne d'automatisation sans erreur visible.
Notre article sur l'évaluation d'un LLM en entreprise détaille comment construire ce jeu de test. Pour le détail technique du fonctionnement de ces modèles, le blog d'Anas Rabhi va plus loin côté praticien.