Aller au contenu
Heure mondialeEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portail sur l'IA et la technologieactualités · analyses · entretiens · fond technique

Rechercher
EN DIRECT
›

Google réserve Flash-Lite à l'offre gratuite pendant que Gemini 4 Argon attend son heure

Le 9 octobre, Google retirera l'accès à Flash et Pro aux utilisateurs gratuits de l'application Gemini, qui ne garderont que Flash-Lite, selon un document d'assistance mis à jour et rapporté par 9to5Google le 3 octobre.

IA & modèlesExpliquéCamille RousseauPublié le: 4 octobre 20268 min de lectureSources 8
Google réserve Flash-Lite à l'offre gratuite pendant que Gemini 4 Argon attend son heure

Le 9 octobre, Google retirera l'accès à Flash et Pro aux utilisateurs gratuits de l'application Gemini. Ils ne garderont que Flash-Lite, selon un document d'assistance mis à jour et rapporté par 9to5Google le 3 octobre. Le même document indique que les abonnés AI Plus, qui paient 4,99 dollars par mois, perdront Pro et conserveront Flash-Lite et Flash.

C'est une rétrogradation, pas une réorganisation. Jusqu'ici, l'offre gratuite comprenait 3.6 Flash et un accès variable à 3.1 Pro, selon l'article de The Decoder du 4 octobre. Après le 9 octobre, les trois modèles passent derrière AI Pro à 19,99 dollars par mois ou AI Ultra à 99,99 ou 199,99 dollars par mois. Ces trois modèles sont Flash-Lite, Flash et Pro. Ce qui change pour le lecteur est simple. Le sélecteur de modèle dans l'application Gemini cesse d'être un menu de tout ce qui existe pour devenir une liste de prix. Celui qui comptait sur Pro gratuitement, ou qui payait 4,99 dollars en croyant y avoir droit, se retrouve avec un modèle plus faible ou une facture plus lourde. Reste une inconnue : le traitement que Google réservera à son prochain modèle phare, Gemini 4 Argon, quand il sortira.

Deux médias, une page d'assistance, deux cadrages légèrement différents

Les deux articles divergent sur la date. 9to5Google situe le changement au 9 octobre. Le média précise que les abonnés AI Plus recevront un courriel expliquant quand leurs changements prendront effet. The Decoder présente la bascule comme commençant en octobre 2026 sans nommer de jour. Les deux renvoient à la même page d'assistance de Google, donc l'écart ressemble à un cadrage plutôt qu'à une contradiction. Aucun des deux ne rapporte de déclaration de Google au-delà du document.

9to5Google rapporte aussi que ces limites s'ajoutent à un changement d'usage fondé sur la puissance de calcul appliqué par Google en mai. Les utilisateurs d'AI Pro et d'AI Ultra, eux, ne perdent rien. L'offre à 19,99 dollars gagne l'option Deep Think pour le « raisonnement parallèle maximal », jusqu'ici réservée aux formules à 99,99 et 199,99 dollars. L'application devrait aussi ajouter des niveaux d'effort « faible », « moyen » et « élevé » pour chaque modèle disponible. Cela reprend ce que proposent déjà Google AI Studio et Antigravity.

Le modèle que personne ne sait placer

La place de Gemini 4 Argon est la question ouverte. 9to5Google rapporte que Google a déclaré plus tôt cette semaine qu'Argon arriverait d'abord chez les abonnés AI Ultra. L'entreprise n'a pas encore précisé si Argon compte comme un modèle Pro ou s'il occupe un nouveau palier au-dessus. Cette ambiguïté pèse plus lourd que la coupe de Flash-Lite. Si Argon se place au-dessus de Pro, 19,99 dollars achètent l'accès à un modèle de l'époque 3.1 pendant que le haut de gamme se trouve un ou deux paliers plus haut.

The Decoder soulève une possibilité voisine : que cette hiérarchie prépare l'arrivée d'Argon, dont l'exploitation pourrait coûter plus cher. Le média estime aussi que l'impact réel sera sans doute faible. La plupart des utilisateurs occasionnels de Google AI ignorent quel modèle ils font tourner, et les utilisateurs avancés qui le savent paient probablement déjà. C'est une lecture raisonnable, et c'est aussi celle que Google préférerait vous voir adopter.

La forme du freemium est empruntée. The Decoder note que le dispositif reprend le modèle d'OpenAI avec ChatGPT, où les utilisateurs gratuits ont une expérience plafonnée et les clients payants accèdent au haut de gamme. La version de Google est plus brutale. Il ne limite pas la quantité de bon modèle consommée, il retire purement et simplement le bon modèle des formules bon marché. Un tableau tarifaire l'accompagne. La page d'assistance de Google, telle que reproduite par The Decoder, donne Flash-Lite à tout le monde, Flash à AI Plus et au-delà, et Pro uniquement à AI Pro et AI Ultra. Quatre paliers, trois modèles, un point de compression évident à 4,99 dollars.

Ailleurs dans les modèles cette semaine, les sorties ne sont pas des benchmarks

Le reste de l'actualité des modèles cette semaine porte moins sur les classements que sur ce qui sort et sur qui peut le faire tourner. Ideogram a publié les détails d'Ideogram 4.5 le 4 octobre. L'entreprise présente le modèle comme un modèle d'édition précis en résolution native 2K, disponible dans son application, son intégration MCP et son API. Elle affirme que le modèle élimine l'accumulation d'artefacts au fil des retouches. C'est ce qui rend l'édition en plusieurs tours possible, plutôt qu'un tour de passe-passe en une seule fois.

Son tarif est à l'image et forfaitaire : 0,008 dollar en qualité très basse, 0,03 dollar en basse, 0,06 dollar en moyenne et 0,10 à 0,22 dollar en haute. Le chiffre le plus élevé couvre la génération avec références et les retouches précises. Ideogram précise que le prix ne change pas avec la longueur du prompt, le nombre d'images de référence ni la résolution de sortie, et qu'aucun abonnement n'est requis. Pour qui compare des modèles d'image au coût par résultat utilisable plutôt que sur une bande de démonstration, c'est ce chiffre qui compte.

Du côté des poids ouverts, la sortie la plus intéressante de la semaine n'est pas du tout un modèle de pointe. Jerry Gamblin a fait tourner Clef et Clef Flash de Cloudflare sur les 27 489 CVE publiées dans les 60 jours précédant le 3 octobre. Il a posé deux questions à chaque description : établit-elle un impact de sécurité, et est-elle claire pour un défenseur ? Clef Flash, un modèle de 9 000 000 000 de paramètres affiné à partir de Qwen 3.5, a répondu aux deux avec une médiane sous la seconde par CVE sur un ordinateur portable, sans clé API.

Les résultats constituent un benchmark de prose, pas de raisonnement. Hors du noyau Linux, 989 des 23 736 descriptions, soit 4,2 %, ne disent jamais ce qu'un attaquant pourrait faire. Le noyau est un cas à part : sa politique laisse l'impact à l'appréciation de l'utilisateur. Ainsi 3 661 de ses 3 753 entrées n'en déclarent aucun non plus, ce qui porte le total toutes CVE confondues à 4 650 sur 27 489, soit 16,9 %. Gamblin siège dans des groupes de travail du programme CVE et précise que rien ici ne constitue une position du programme. Il a trouvé Flash seul trop strict : le modèle Clef de 27 000 000 000 de paramètres a annulé 1 198 des 2 187 signalements, soit 54,8 %. Sur 129 CVE qu'il a étiquetées à la main, la réponse en deux étapes a repéré 15 des 16 qui ne déclarent aucun impact.

C'est le genre de publication de benchmark qui figure rarement dans une annonce de lancement et qui change plus de travail quotidien qu'un point de classement. Un petit modèle qui tourne en local et classe du texte à bas coût relève d'une autre catégorie de produit qu'un chatbot de pointe. Les poids de Clef sont en Apache 2.0 sur Hugging Face, exécutables via Ollama.

Deux articles, un même avertissement sur l'entraînement sur ses propres sorties

Deux travaux de recherche cette semaine tournent autour du même problème : les modèles entraînés sur des sorties de modèles se dégradent. L'article de Lewis Mitchell, soumis à arXiv le 1er octobre, traite de l'effondrement des modèles en affinage itératif. L'expérience a utilisé six générations de QLoRA sur Llama-3.1-8B, soit 8 000 000 000 de paramètres. Le filtrage fondé sur les logprob, référence établie qui exige l'accès aux probabilités du modèle, n'a apporté aucun bénéfice significatif de diversité textuelle sur aucune métrique (p > 0,23). Un filtrage par un estimateur non paramétrique du taux d'entropie, calculé à partir du texte brut seul, a produit 42 % de trigrammes uniques en plus, 30 % de vocabulaire en plus et 19 % de répétition en moins, le tout à p < 0,001.

Le résultat est étroit et le cadre entièrement synthétique, avec un affinage sur une seule lignée. Mais il pointe quelque chose de pratique : on peut filtrer des données d'entraînement pour la diversité sans modèle dans la boucle. L'article annonce 17 pages, 8 figures et NeurIPS 2026 dans ses commentaires.

Le billet d'Alex L. Zhang sur la « forme » des modèles de langue, publié le 4 octobre, argumente sous un autre angle. Il note que la forme des entrées et des sorties des modèles de langue est restée à peu près stable depuis ChatGPT. Tout le travail sur les agents se construit comme un harnais autour d'un modèle autorégressif, et non l'inverse. Il cite Jev de Typesafe AI, un modèle dont l'espace de sortie est contraint à l'intervalle de 0 à 1, comme exemple d'un autre espace de compromis. C'est un argument de conception, pas un résultat de benchmark, et il faut le lire comme tel.

Une affaire de sécurité qui n'est pas un lancement de modèle

La révélation de sécurité liée à l'IA la plus lourde de conséquences cette semaine n'a aucun benchmark attaché. OpenAI a annoncé le 4 octobre avoir démantelé une campagne coordonnée visant à extraire le raisonnement protégé de ses modèles. Les premières activités remontent à la première semaine de juillet. Les opérateurs n'ont pas cassé de chiffrement ni atteint des conversations stockées, selon l'entreprise. Ils ont manipulé les interactions avec le modèle pour que le raisonnement caché puisse être reproduit à grande échelle.

Le compte rendu d'OpenAI donne des dates et des volumes. L'activité a commencé le 1er juillet. Des pics à fort volume les 24 et 25 juillet ont consisté en 16 000 requêtes venant de plus de 4 000 utilisateurs. Une activité liée, portant sur des schémas de prompts au sein d'un ensemble de plus de 15 000 utilisateurs, a été entièrement démantelée au 28 juillet. OpenAI attribue un noyau central de cette activité à des personnes liées à Moonshot AI, le développeur de Kimi. L'entreprise indique qu'on ne sait pas si tous les opérateurs venaient d'un seul acteur.

Lu avec le changement de paliers de Gemini, les deux affaires décrivent le même marché par les deux bouts. Google resserre ce que ses clients les moins chers peuvent atteindre. OpenAI traite avec des gens qui ont contourné la porte d'entrée pour accéder à un raisonnement que le modèle ne montre pas. Aucune des deux entreprises n'a dit combien ces changements leur coûtaient. Aucune n'a publié de chiffre sur ce que valait le raisonnement extrait.

Ce que le changement de Gemini ne nous dit pas, c'est si Argon justifiera cette échelle. Google a confirmé qu'Argon arriverait d'abord sur AI Ultra. L'entreprise n'a pas dit où Argon se situe par rapport à Pro. Tant que ce point n'est pas tranché, la coupe du 9 octobre est une décision tarifaire avec une question de produit encore en suspens.

Commentaires 0

Sources

8
  1. 01Gemini app limiting what models free and AI Plus users can accessEN
  2. 02Google's new Gemini tiers cut free users to its weakest model and lock $5/month subscribers out of ProEN
  3. 03Ideogram 4.5: The most precise edit modelEN
  4. 04Decision Models vs. CVE DataEN
  5. 05No Model Required: Text Entropy Rate Filtering Mitigates Iterative Fine-Tuning CollapseEN
  6. 06Language Model "Shape"EN
  7. 07Disrupting a coordinated model-distillation campaignEN
  8. 08OpenAI's latest features take direct aim at the app store modelEN

Tous les chiffres et citations de ce texte proviennent des sources citées ci-dessous.

Les contenus ont été préparés par l'équipe de rédaction, assistée par l'IA.

Camille Rousseau

Camille Rousseau

IA, modèles et technologies

Camille Rousseau suit les technologies, l’IA et les modèles ainsi que les médias et l’internet pour FLASH24, en partant des dépôts de modèles, des publications techniques et des données publiques, sans reprendre les annonces sans vérification. Elle contrôle les chiffres d’entraînement et de coût en remontant aux jeux de données, aux versions de modèles et aux méthodes de mesure. Elle interroge des chercheurs et des équipes produit, compare les résultats entre modèles et attend les mises à jour de calendrier des principaux fournisseurs. Son intérêt pour l’impression 3D, les vieux ordinateurs et la façon dont les modèles apprennent rejoint directement son travail sur l’IA et les technologies. Elle ne publie pas de chiffres sans source ni de comparaison sans protocole reproductible.

Rédaction →

Commentaires

0
  1. Aucun commentaire — soyez le premier.

Écrire un commentaire

Les commentaires sont publics. Nous ne publions ni insultes, ni spam, ni publicité.