Gemini 4 Carbon en tête d'un benchmark IA, les autres classements divergent

Google décroche le score vedette

Gemini 4 Carbon, sorti la semaine dernière, se classe premier sur quatre des neuf évaluations de la suite Artificial Analysis Intelligence Index V5. Il coûte 7,76 dollars par tâche, contre 12,99 dollars pour Claude Fable 5.1. Il devance GPT-6 Astra de deux points. Tom's Hardware présente ce résultat comme un retour en force de Google, après une année marquée par des sorties irrégulières.

Les scores de benchmark déterminent quels modèles les entreprises et les gouvernements testent, et combien ils paient par tâche. Artificial Analysis, Semi Analysis GDPx, CloudOpsBench et les tests de vulnérabilité désignent des leaders différents. Aucun score unique ne tranche une décision d'achat. Ce que ces résultats donnent en production reste inconnu.

Sur AA-Omniscience v1.1, qui mesure les hallucinations et le rappel d'informations, Gemini 4 Carbon obtient 54 sur une échelle de -100 à +100. C'est le meilleur résultat de la comparaison. On reste loin d'une fiabilité constante, comme le note Tom's Hardware. Le site précise que le modèle y parvient à un coût par tâche inférieur à celui des autres modèles bien classés, Claude Opus 5.5 compris.

Un deuxième benchmark couronne un autre vainqueur

OfficeChai a rapporté le 2 novembre que Claude Opus 5.5 dominait le benchmark GDPx de Semi Analysis, Gemini 4 Carbon prenant la deuxième place. Les différents classements mesurent des travaux différents, donc les deux résultats peuvent coexister. Pour un acheteur, la couronne dépend du classement cité.

The Hacker News a rendu compte des benchmarks de vulnérabilité. Gemini 4 Carbon menait les tests de détection, d'exploitation et de correction des vulnérabilités.

Le classement de CloudOpsBench place Claude Fable 5.1 premier avec un taux de résolution de 60,6 %. GPT-6 Astra suit à 58,9 %, Gemini 4 Argon, et non Carbon, à 57,5 %, et Grok 4.7 (high) sur cursor-cli quatrième à 56,5 %. Claude Opus 5.5 occupe la septième place à 47,8 % sur terminus-2.

Le choix du harnais compte autant que le modèle. Claude Fable 5.1 tombe à 43,8 % sur terminus-2. Claude Opus 5.5 atteint 46,7 % sur claude-code.

Le même classement chiffre le travail. La première entrée a tourné 38,6 heures pour 404,30 dollars, contre 34,2 heures et 100,50 dollars pour Gemini 4 Argon.

Les scores par tâche divisent le terrain

Tom's Hardware rapporte que Gemini 4 Carbon n'égale pas Claude Code avec Claude Opus 5.5 en programmation. Il passe derrière Grok 4.7, Muse Wonder et Kimi K3.1 Pro sur le travail de connaissance. Son coût par tâche est légèrement inférieur à celui de Gemini 3.8 Flash (high). Il est environ six fois plus cher que GPT 6.1 Sol (max).

La comparaison avec les modèles à poids ouverts est plus sévère. Gemini 4 Carbon coûte environ 13 fois plus cher par tâche que DeepSeek V4.1 Flash, qui obtient 32 à l'Intelligence Index.

Sur Arena.ai, Gemini 4 Carbon occupe la tête de son graphique Pareto Frontier, à l'extrémité chère du spectre. Aux prix plus bas, GLM 5.3-Flash et DeepSeek V4 Pro prennent le relais. CloudOpsBench montre le même écart plus bas dans son tableau : Qwen3.8-Max à 33,7 %, DeepSeek V4.1 Flash à 21,8 % et Kimi K3.1 Pro à 19,1 %.

Pour l'instant, écrit Tom's Hardware, Gemini 4 Carbon est peut-être le meilleur sur la plupart des points de prix élevés. Cela pourrait changer vite.

Ce que les acheteurs ne peuvent toujours pas vérifier

Google réserve d'abord l'accès à Gemini 4 Carbon aux spécialistes de la cyberdéfense via son programme Fairwind. Une disponibilité plus large viendra plus tard. L'entreprise n'a pas donné de date.

L'annonce de Google a mis en avant la collaboration avec le gouvernement américain. Elle citait le filtrage des modèles et les tests avant publication.

Une première place dans un index unique est une affirmation, pas un fait établi. Cela vaut tant que des tests indépendants sur des charges de travail réelles ne sont pas disponibles.

Tom's Hardware note que les classements de modèles d'IA changent régulièrement en 2026.