Gemini 4 Carbon de Google domine les benchmarks, les modèles ouverts cassent les prix

Gemini 4 Carbon de Google, sorti la semaine dernière, occupe la première place de l'Intelligence Index V5 d'Artificial Analysis avec un score de 59. Il devance Claude Opus 5.5 d'un point, selon le rapport de Tom's Hardware du 3 novembre. La même suite place GPT-6 Astra d'OpenAI à 57 et Muse Wonder Full de Meta à 50.

L'intelligence brute ne fait pas tout. Gemini 4 Carbon (high) affiche aussi un coût par tâche de 7,76 dollars sur l'Intelligence Index. C'est moins cher que Gemini 3.8 Flash (high), et plusieurs dollars sous Claude Opus 5.5 et Sonnet 5.5. Claude Fable 5.1 (max with fallback) revient à 12,99 dollars par tâche, selon les mêmes benchmarks.

Google ne le vend pas encore à tout le monde.

Tom's Hardware rapporte que l'accès s'ouvre d'abord aux défenseurs cyber via le programme Fairwind de l'entreprise. Une disponibilité plus large est annoncée pour plus tard. Cet ordre compte. L'argument ici est la fiabilité en conditions adverses, pas la nouveauté grand public.

Les scores d'hallucination restent bas partout

Gemini 4 Carbon arrive aussi en tête du test AA-Omniscience v1.1 d'Artificial Analysis, qui suit les hallucinations et le rappel factuel. La réserve est nette. Même le meilleur modèle obtient 54 sur une échelle de -100 à +100. Les systèmes de pointe en 2026 restent donc loin d'une fiabilité constante quand il s'agit de restituer une information.

Gardez ce chiffre en tête quand les fournisseurs parlent de déploiement agentique. Un modèle qui invente un fait une fois sur vingt n'est pas le même produit qu'un modèle qui l'invente une fois sur mille. Le benchmark dit que personne n'approche du second chiffre. Les classements bougent vite, eux aussi. Tom's Hardware présente Gemini 4 Carbon comme un retour de Google après une année de sorties irrégulières.

L'option capable la moins chère n'est en revanche pas le vaisseau amiral d'un laboratoire de pointe.

DeepSeek V4.1 Flash 1017 coûte environ 13 fois moins par tâche que Gemini 4 Carbon. Il ne marque que 32 sur le même index, selon Tom's Hardware.

Gartner : les poids ouverts font l'essentiel du travail

Cet écart de prix sert de toile de fond à un document de Gartner publié la semaine dernière et relayé par The Register le 3 novembre. Les analystes Mark Petty et Raymond Paquet soutiennent que neuf étapes de workflow agentique sur dix sont routinières. Les modèles à poids ouverts les traitent aussi bien, pour un quart du prix du modèle fermé le moins cher, voire un vingtième face à un modèle de pointe sollicité à chaque étape.

« Les modèles ouverts actuels peuvent être plus verbeux et réessayer plus souvent, si bien que l'économie par tâche face à un modèle de pointe se rapproche de cinq ou six fois », écrivent les analystes, selon The Register.

L'hypothèse de planification stratégique de Gartner : d'ici 2030, 90 % des étapes de workflow agentique opérationnel en entreprise tourneront sur des modèles à poids ouverts. Le cabinet ajoute que l'économie passe au second plan. « Des années d'historique de workflow représentent une large part de ce qu'un acquéreur paie dans une société SaaS, et chaque étape routinière envoyée à une API de pointe en déplace un morceau hors de votre périmètre », écrivent les analystes. « Les poids ouverts préservent votre contrôle. L'économie de coût est un bonus. »

The Register note que Gartner anticipe un transfert de valeur vers les harnesses, ces logiciels qui acheminent le travail entre les modèles. Les modèles de pointe deviennent alors une dépense de recherche et développement. Les poids ouverts deviennent le coût d'exploitation.

Le volume d'inférence grimpe en Chine

La demande progresse quel que soit le modèle qui répond. En Chine, les appels de tokens quotidiens moyens ont dépassé 175 000 000 000 000, plus de 1 000 fois le niveau du début de 2024. Ce chiffre vient d'un rapport publié samedi par le China Centre for Information Industry Development, rattaché au ministère de l'Industrie et des Technologies de l'information. Le South China Morning Post rapporte le 2 novembre que les données d'inférence produites en Chine ont dépassé pour la première fois celles utilisées pour entraîner les systèmes.

Les appels de tokens, selon la définition du SCMP, mesurent l'usage via les fournisseurs de cloud public. C'est un indicateur de consommation, pas une mesure de qualité. Le rapport ne précise pas la part de vidéo, de texte ou d'agents dans ce trafic.

La génération vidéo est l'une des charges de travail qui poussent ce volume. Les données publiques sur les sorties de modèles de cette catégorie restent minces au-delà des annonces des fournisseurs dans les gros titres récents.

Les spécialistes défendent leur terrain

Il Sole 24 Ore rapporte le 1er novembre que Translated, société de services linguistiques basée à Rome, a sorti Lara 3 en octobre, un modèle conçu pour la traduction professionnelle. Dans des tests organisés par l'entreprise, des traducteurs professionnels ont évalué en aveugle 16 800 traductions de l'anglais vers 21 langues. 82 % des sorties de Lara 3 ont été jugées utilisables sans retouche, contre 69 % pour GPT-5.6 Sol, le meilleur généraliste de la comparaison. Le journal précise que les tests ont été menés par l'entreprise et limités à ces types de contenus.

C'est l'argument du spécialiste en miniature : moins de corrections, moins de temps de révision. C'est aussi une affirmation d'un fournisseur sur son propre benchmark. D'où l'importance de la taille de l'échantillon et du périmètre, plus que du pourcentage en titre.

Le travail sur le matériel et l'entraînement continue en dessous.

RTL-Interact, un article soumis à arXiv le 30 octobre, décrit un cadre de post-entraînement multi-tâches pour la conception de puces. Il atteint 48,7 % de Pass@1 pondéré sur le benchmark CVDP avec un modèle 32 000 000 000, devant son professeur DeepSeek-V3.2. Il réduit aussi le nombre moyen d'appels d'outils de 63,8 % grâce à une méthode que les auteurs appellent Pattern-Aware Policy Optimization.

Énergie et correctifs

Les centres de données qui font tourner toute cette inférence ont leur propre contrainte. L'analyse d'Ember d'octobre 2026, relayée par pv magazine le 3 novembre, constate que les centres de données représentent déjà environ 19 % de la demande électrique de pointe en Irlande. Cette part pourrait atteindre 24 % d'ici 2030, avec une demande des centres de données de 1,6 GW pour un pic système de 6,5 GW. Le décalage de charge pourrait réduire la demande de pointe irlandaise d'environ 100 MW, soit 1,5 %, d'ici 2030. La production et le stockage derrière le compteur pourraient apporter près de cinq fois plus de soulagement, avec des réductions potentielles allant jusqu'à 2,7 GW au Texas.

Les équipes de sécurité ont un problème plus immédiat.

Red Hat a livré le 1er novembre des noyaux corrigeant CVE-2026-98432, un use-after-free dans le code TCP IPv4 du noyau Linux. L'équipe CVE du noyau le note 9,8 sur 10, et un attaquant distant non authentifié peut l'atteindre, rapporte The Hacker News le 3 novembre. Red Hat l'avait d'abord noté 5,9 et a relevé le score à 9,8. Canonical a indiqué le 2 novembre que les correctifs Ubuntu pour 22.04, 24.04 et 26.04 LTS se trouvent dans son canal -proposed sur opt-in, sans date de publication pour la mise à jour régulière.

Dans ce contexte, les chiffres de Gemini 4 Carbon ressemblent moins à une ligne d'arrivée qu'à un instantané. Un point d'avance sur un index d'intelligence, un coût de 7,76 dollars par tâche et un score d'hallucination de 54 décrivent un marché où la pointe coûte cher. Le milieu est bon marché, et l'essentiel du travail de production, si Gartner a raison, ne touchera pas du tout la pointe.