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 fait descendre l'offre gratuite de Gemini d'un modèle, tandis que les outils image et vidéo se séparent par le prix

Le 3 octobre 2026, 9to5Google a rapporté que le document d'assistance mis à jour par Google limite les utilisateurs sans abonnement Google AI au modèle 3.5 Flash-Lite à partir du 9 octobre. Cela met fin à l'accès gratuit à 3.6 Flash et à 3.1 Pro.

IA & modèlesAnalyseSophie LeclercPublié le: 4 octobre 20266 min de lectureSources 9
Google fait descendre l'offre gratuite de Gemini d'un modèle, tandis que les outils image et vidéo se séparent par le prix

Le changement concerne l'application Gemini, pas les sorties de modèles elles-mêmes. Selon 9to5Google, le document d'assistance mis à jour cette semaine-là indique que les utilisateurs non payants seront ramenés à 3.5 Flash-Lite à compter du 9 octobre. Les abonnés AI Plus qui paient 4,99 dollars par mois gardent Flash-Lite et Flash mais perdent Pro. Seuls AI Pro à 19,99 dollars et AI Ultra à 99,99 ou 199,99 dollars conservent les trois modèles.

The Decoder a consulté la même page d'assistance et abouti au même tableau. Son article du 4 octobre ajoute la comparaison qui compte sur le plan commercial. Le dispositif reprend la structure freemium d'OpenAI pour ChatGPT, où le produit gratuit tourne sur un modèle plus petit et où le niveau de pointe reste derrière une carte bancaire.

Deux détails de l'article de 9to5Google passent facilement inaperçus. Les abonnés AI Plus recevront un courriel leur indiquant quand le changement prend effet. Les clients AI Pro gagnent aussi l'option Deep Think pour le « raisonnement parallèle maximal », jusque-là réservée aux deux formules Ultra. Google a annoncé que Gemini 4 Argon arrive d'abord pour les abonnés AI Ultra.

Ce qu'achète un modèle d'image moins cher

Pendant que Google resserre le haut de son échelle, Ideogram a pris le chemin inverse sur les tarifs. La page de son propre modèle, publiée le 4 octobre, liste Ideogram 4.5 avec quatre modes de qualité en résolution native 2K. Le prix fixe par image est de 0,008 dollar en qualité très basse, 0,03 dollar en basse, 0,06 dollar en moyenne et 0,10 dollar en haute, sans abonnement. Son point d'accès Precise Edit coûte 0,22 dollar en haute qualité, comme une génération à partir d'une référence.

L'argument est la retouche multi-tours. Ideogram affirme que le modèle élimine l'accumulation d'artefacts, si bien qu'un recadrage retouché peut être recollé dans l'original sans décalage de pixels ni changement de couleur. La page précise aussi que le prix ne varie pas avec la longueur du prompt, le nombre d'images de référence ou la résolution de sortie. C'est une attaque directe contre les outils qui facturent au token ou à l'itération. La page ne dit rien de la validité de l'affirmation sur les artefacts hors de la galerie avant-après du fournisseur.

Ideogram arrive sur un marché où les agents font désormais le travail image et vidéo le plus visible, et non les gens qui ouvrent une application. Un projet open source nommé explainroo, publié sur GitHub le 4 octobre, prend un script et rend un MP4 commenté en local. Kokoro lit la piste voix en huit langues avec 54 voix et sans clé API. Whisper cale chaque mot, Chrome dessine les images, ffmpeg assemble le fichier. Le journal des versions du dépôt date la version 0.4.1 du 20 octobre, où les libellés de flèches et de graphiques restent entiers tant qu'un plan tient.

Le projet est conçu pour les agents de codage, pas pour les monteurs. Le README indique qu'il fonctionne au mieux avec Claude Code et Opus 5.5, et que l'agent vérifie sa propre sortie parce qu'il ne peut pas regarder la vidéo. C'est un détail modeste mais révélateur de la direction que prend la production multimédia. La personne qui spécifie la vidéo peut ne jamais voir les images avant que le MP4 existe.

Les données vocales, sur demande

Les données d'entraînement multimodales ont leur propre prix. BleepingComputer a rapporté le 4 octobre qu'Anthropic a commencé à demander aux utilisateurs de Claude de partager des conversations vocales pour l'entraînement des modèles. L'option est désactivée par défaut, avec un interrupteur dans Réglages, Confidentialité. Le message demande : « Autorisez-nous à utiliser vos données vocales pour améliorer nos modèles d'IA. » L'entraînement vocal reste séparé des contrôles existants pour le chat et Claude Code, si bien qu'un utilisateur peut accepter l'un et refuser l'autre.

La démarche d'Anthropic est volontaire et réversible, ce qui la place du côté le plus doux du spectre. La révélation d'OpenAI le 4 octobre se situe à l'autre extrémité. L'entreprise dit avoir déjoué une campagne coordonnée visant à extraire le raisonnement protégé de ses modèles. Les premières activités remontent à la première semaine de juillet, avec des pics à fort volume les 24 et 25 juillet de 16 000 requêtes provenant de plus de 4 000 utilisateurs. Un groupe lié de plus de 15 000 utilisateurs a été entièrement déjoué au 28 juillet. OpenAI a attribué un noyau central à des individus associés à Moonshot AI, le développeur de Kimi, et précise que les opérateurs n'ont ni cassé le chiffrement ni accédé aux conversations stockées.

Une phrase compte pour quiconque livre des produits multimodaux, et elle est d'OpenAI. Cette manipulation « n'est pas une vulnérabilité propre aux modèles d'OpenAI ». L'entreprise a partagé des informations via le Frontier Model Forum. Le raisonnement extrait, argue-t-elle, peut entraîner un autre modèle sans reprendre les garde-fous appliqués aux sorties visibles de l'original.

Des décisions au lieu de paragraphes

Tous les nouveaux modèles ne cherchent pas à écrire. Jerry Gamblin siège aux groupes de travail qualité et automatisation du programme CVE et précise que rien dans son article n'engage le programme CVE. Il a fait tourner Clef et Clef Flash de Cloudflare sur les 27 489 CVE publiés entre le 4 août et le 3 octobre 2026. Clef est un modèle de 27 000 000 000 de paramètres affiné à partir de Qwen 3.8, Clef Flash un modèle de 9 000 000 000 de paramètres issu de Qwen 3.5. Les deux sont sous Apache 2.0 avec des poids sur Hugging Face, et tous deux sont joignables via le point d'accès de décision qu'Ollama a ajouté en 0.35.

Les modèles renvoient des choix et des probabilités plutôt que du texte. Hors noyau Linux, 989 des 23 736 descriptions, soit 4,2 %, n'énoncent jamais d'impact de sécurité. La politique du noyau laisse l'impact à l'utilisateur. Noyau compris, le chiffre monte à 4 650 sur 27 489, soit 16,9 %. Flash seul était trop strict, si bien que le modèle de 27 000 000 000 de paramètres a relu ses indicateurs et en a invalidé 1 198 sur 2 187, soit 54,8 %. Face à 129 CVE qu'il a étiquetés à la main, la réponse en deux étapes a repéré 15 des 16 qu'il jugeait sans impact.

C'est un classifieur qui fait un travail que la plupart des gens croyaient réservé à la prose d'un modèle de langage. Alex L. Zhang développe l'argument dans un billet de blog du 4 octobre. La forme des entrées et des sorties des modèles de langage a à peine bougé depuis ChatGPT, écrit-il, et presque tout le travail sur les agents a consisté à bâtir un harnais autour de cette forme plutôt qu'à la changer. Il cite Jev, un modèle de Typesafe AI dont la sortie est contrainte à un nombre entre zéro et un, comme exemple d'un compromis différent.

Un article soumis à arXiv le 1er octobre par Lewis Mitchell apporte un résultat voisin du côté de l'entraînement. Filtrer du texte synthétique avec un estimateur non paramétrique du taux d'entropie, sans aucun modèle, a donné +42 % de trigrammes uniques et -19 % de répétition sur six générations QLoRA avec Llama-3.1-8B. Le filtrage fondé sur les logprob n'a montré aucun bénéfice significatif.

Rien de tout cela ne tranche ce que le changement de palier de Google signifie pour l'utilisateur moyen. L'évaluation de The Decoder est que l'impact réel est probablement faible. La plupart des utilisateurs occasionnels ne savent pas quel modèle ils font tourner, et les utilisateurs avancés paient déjà.

La question plus dure est de savoir si les fonctions image et vidéo suivent le même mur. Ni l'article de 9to5Google ni le document d'assistance résumé par The Decoder ne disent comment les nouveaux niveaux d'effort, bas, moyen et haut, seront décomptés selon les formules. 9to5Google note qu'on ne sait pas où se situera Argon. Tant que Google ne publie pas cela, le tableau tarifaire reste le seul repère fiable. Les 2 000 mots de la documentation interne ne changent rien à cette incertitude.

Commentaires 0

Sources

9
  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. 04Explainer videos and product demos made by your AI agent. Free and open sourceEN
  5. 05Anthropic asks Claude users to share voice data for AI model trainingEN
  6. 06Disrupting a coordinated model-distillation campaignEN
  7. 07Local models on 27,489 CVEs: 4.2% omit security impactEN
  8. 08Language Model "Shape" - Alex L. ZhangEN
  9. 09No Model Required: Text Entropy Rate Filtering Mitigates Iterative Fine-Tuning CollapseEN

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.

Sophie Leclerc

Sophie Leclerc

IA, modèles et technologies

Sophie Leclerc couvre les technologies, l'IA et les modèles ainsi que les médias et l'internet pour FLASH24, en travaillant à partir des dépôts de code, des articles scientifiques et des documents techniques plutôt que des annonces. Elle vérifie chaque chiffre en remontant aux jeux de données d'origine et en comparant les versions successives des modèles. Elle interroge régulièrement des ingénieurs et des chercheurs, et suit les calendriers de publication des principales conférences du secteur. Son intérêt personnel pour l'auto-hébergement et les réseaux domestiques nourrit directement sa couverture des infrastructures et des modèles ouverts. Elle ne publie pas de performance annoncée sans méthode de mesure vérifiable.

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.