Gemini 4 Carbon est disponible : accès en France, capacités et démos

Des photographies anciennes et des plans deviennent une exposition 3D sur la construction de la tour Eiffel. Des documents d’urbanisme servent à reconstruire un immeuble. Un article scientifique donne naissance à un outil interactif qui montre comment un textile se déforme. Ce sont les trois démonstrations fournies par Google pour accompagner l’ouverture de Gemini 4 Carbon.

L’annonce du 10 novembre change surtout une chose : l’accès. Après une première diffusion restreinte à des acteurs de la cybersécurité, Carbon arrive auprès des développeurs, des entreprises et des abonnés Google AI Ultra. Au programme : ce que vous pouvez en attendre, ce qui le distingue d’Argon et les points à contrôler avant de lui confier un projet. [1]

Gemini 4 Carbon reprend la même base de préentraînement et l’architecture à mélange d’experts, ou MoE, de Gemini 4 Argon. Google y ajoute un entraînement spécialisé et de l’apprentissage par renforcement pour approfondir le raisonnement, prolonger les vérifications et mieux conduire des tâches en plusieurs étapes. [3]

Argon reste, dans les recommandations de Google, le choix pour la majorité des travaux avancés de développement et d’analyse. Carbon vise les problèmes qui résistent : trouver la cause d’un bug qui traverse plusieurs composants, revoir l’architecture d’un logiciel, confronter des documents complexes ou explorer une hypothèse scientifique.

Le compromis est explicite : Carbon peut utiliser davantage de tokens de raisonnement et mettre plus de temps à répondre. À prix unitaire identique pendant l’offre de lancement, une tâche n’a donc pas forcément le même coût. Pour une retouche simple, solliciter le modèle le plus lourd n’apporte pas automatiquement un meilleur résultat. [4]

La page française de Google One associe Gemini 4 Argon à Google AI Pro, affiché à 21,99 € par mois. Elle présente Gemini 4 Carbon dans Google AI Ultra, à partir de 99,99 € par mois. Ces prix sont ceux affichés le 10 novembre 2026, sous les conditions de l’offre. Le « à partir de » est important : il ne désigne pas un tarif unique pour toutes les formules Ultra. [5]

Pour un utilisateur en France, le premier contrôle consiste à regarder le nom exact du modèle proposé dans son compte. L’ouverture annoncée ne signifie ni que tous les comptes gratuits reçoivent Carbon, ni que toutes les fonctions de chaque produit sont disponibles immédiatement en français. Google parle bien d’un déploiement. [1][4][5]

Carbon accepte du texte, des images, des vidéos, de l’audio et des PDF. Il peut s’appuyer sur la recherche de fichiers, la recherche Google, l’exécution de code, les appels de fonctions et l’utilisation d’interfaces informatiques, selon le produit et les outils configurés. La documentation indique aussi la prise en charge des sorties structurées, utiles lorsqu’une application attend un format précis. [6]

Sa sortie native est du texte. Carbon n’est donc pas, à lui seul, un générateur d’images, de musique ou de vidéo. Dans les démonstrations créatives, il écrit du code et utilise des outils ou d’autres modèles. Cette distinction explique comment un modèle textuel peut construire une scène Three.js ou préparer un livrable professionnel sans être un moteur de rendu 3D.

La fenêtre unifiée atteint 1 048 576 tokens, partagés entre l’entrée, le raisonnement et la sortie. Ce n’est pas un million de tokens pour chacun de ces postes. Les réponses synchrones s’arrêtent à 65 536 tokens ; dépasser cette limite demande le mode de génération longue, notamment avec une exécution en arrière-plan. Les niveaux de raisonnement low, medium et high règlent le compromis entre qualité, délai et consommation, avec medium par défaut. [4][6]

La fonction /swarm arrive en préversion dans l’application et l’interface en ligne de commande d’Antigravity. À partir d’une consigne, un coordinateur organise des agents spécialisés. Ils travaillent dans des espaces Git isolés, échangent sur un tableau de messages partagé et soumettent les changements à des agents chargés de les contester et de les tester. [2]

Vous pouvez suivre l’équipe dans une interface qui montre les messages, les membres, l’activité des outils et le déroulement du travail. Les agents peuvent utiliser des modèles différents : Carbon pour l’architecture ou la vérification difficile, un modèle plus rapide pour les modifications courantes. La nouveauté concerne donc aussi l’organisation du travail autour du modèle.

Google prévient que ces équipes parallèles épuisent les quotas plus vite qu’une conversation classique. Les agents en attente ne consomment pas de tokens pendant cette attente, mais les agents actifs continuent à travailler et à consommer. Une équipe de robots reste une équipe à gérer, facture comprise.

Les vidéos suivantes proviennent du dossier de presse Google. Elles montrent des résultats sélectionnés par l’éditeur. Leur intérêt est de rendre visibles les travaux visés : lire des documents, en extraire une structure et construire une application exploitable.

La tour Eiffel : passer des archives à une exposition 3D

La première vidéo montre des documents historiques, puis une reconstruction de la tour Eiffel et de son environnement. Selon Google, une équipe Carbon utilisant /swarm a transformé des photographies et des planches techniques en exposition interactive Three.js consacrée à la construction de 1887 à 1889, à partir d’une seule consigne. [1]

Pour la médiation culturelle ou la formation, la piste est concrète : donner une forme consultable à un dossier documentaire. La fidélité historique reste à contrôler séparément ; une scène convaincante à l’écran ne prouve pas que chaque détail est exact.

Platform 37 : lire des plans et reconstruire un bâtiment

La deuxième démonstration montre des plans, des vues techniques et une reconstruction du bâtiment Platform 37 de Google, avec ses façades et ses terrasses végétalisées. L’annonce décrit un travail parti de sept PDF publics d’urbanisme, avec 206 vues techniques extraites, une scène de 906 000 triangles et dix boucles de travail pendant la nuit. Ces chiffres sont ceux du billet de Google. [1]

Ce cas met surtout en avant la lecture croisée de plans et le raisonnement spatial. Il montre aussi ce que cache parfois la formule « une seule consigne » : beaucoup d’opérations, de corrections et de vérifications peuvent suivre avant le résultat final.

Tensile Knit : transformer une publication scientifique en outil visuel

La troisième vidéo présente un textile maillé à plusieurs échelles, ses fibres et des courbes de contrainte et de déformation. Google indique que Carbon a construit cet outil interactif à partir d’un article scientifique, avec des maillages de fils en 3D et un suivi polaire de 110 fibres. [1]

L’intérêt pédagogique est facile à comprendre : on observe la structure et sa déformation plutôt que de rester devant une formule. La démonstration ne suffit cependant pas à valider la précision du modèle physique pour un usage industriel ou scientifique.

En développement, Google décrit des migrations touchant plusieurs composants, des enquêtes sur la cause de bugs et des refontes d’architecture. Carbon est conçu pour enchaîner construction, exécution, observation des erreurs et corrections. Pour le web, les vérifications peuvent porter sur le code comme sur l’interface réellement affichée.

Pour le travail documentaire, Google insiste sur les PDF denses, les graphiques, les schémas et les tableaux, puis sur la production de rapports, de feuilles de calcul ou de présentations. Le point utile pour une entreprise est la capacité à relier chaque conclusion à ses documents sources, tout en respectant le format demandé. Cela reste une capacité annoncée, à mesurer sur les dossiers de l’équipe.

Côté recherche, Google cite la vérification formelle de code avec AlphaProof Code, l’analyse d’anomalies dans des expériences de laboratoire et la recherche de séquences apparentées pour aider la prédiction de structures de protéines. Carbon intervient dans des chaînes de travail avec des outils et d’autres modèles. Il ne remplace pas à lui seul AlphaFold ni la validation expérimentale. [1]

Google revendique la première place sur CursorBench 4.0, WANDR et AutomationBench dans son annonce. Ces classements restent ici attribués à Google. Un point a pu être recoupé directement : la page publique d’Artificial Analysis place Carbon en deuxième position sur MKA, son évaluation du travail professionnel à partir de fichiers visuels. [1][8]

Sur le score MKA Climb WSR affiché, Gemini 4 Carbon en réglage high atteint 54 %, derrière Claude Fable 5.2 à 57 % et devant Claude Opus 5.5 à 53 %, avec les configurations précisées par l’évaluateur. MKA comporte 200 tâches dans dix secteurs et mesure la satisfaction pondérée de critères difficiles. Le score n’est donc pas un pourcentage d’emplois automatisables. [8]

Ces quatre comparaisons reprennent la fiche de modèle publiée par Google en novembre, avec des résultats datés d’octobre 2026. Les versions, outils d’agent et budgets de raisonnement comptent autant que le nom affiché en haut du classement. [3]

Carbon for cyber donne aux défenseurs vérifiés du programme Fairwind des capacités spécialisées pour découvrir des vulnérabilités, établir leur caractère exploitable et préparer des correctifs. La fiche de Google précise que les résultats de cybersécurité reflètent cet accès particulier : ils ne décrivent pas automatiquement toutes les possibilités du Carbon proposé dans l’application Gemini. [3]

Google annonce aussi 92 % de réussite sur son évaluation interne d’honnêteté agentique de 375 tâches, contre 70 % pour Argon. Le modèle refuse notamment plus souvent de remplir des données expérimentales manquantes. Sur l’injection indirecte de consignes malveillantes, Google rapporte zéro attaque réussie dans le benchmark Gray Swan IPI, tout en reconnaissant des difficultés face à certaines attaques plus sophistiquées. Zéro dans un test n’est pas une garantie universelle. [1]

La fiche officielle conserve les limites habituelles : hallucinations possibles, lenteurs, dépassements de délai et consommation élevée lorsque le raisonnement s’allonge. Elle donne mars 2026 comme limite de connaissances d’entraînement. Pour un travail sensible, les sources récentes, les droits d’accès limités et la validation des résultats restent nécessaires. [3]

La documentation précise que les tokens de raisonnement sont facturés avec la sortie. Les appels à des services comme la recherche Google peuvent ajouter leur propre coût. Les prix API ne sont pas le prix de l’abonnement Ultra : il faut distinguer le produit utilisé et son mode de facturation. [4]

Pour comparer Carbon et Argon, regardez le coût d’une tâche correctement terminée, reprises comprises. Un tarif par token attractif peut être annulé par une investigation trop longue ; une investigation plus coûteuse peut aussi éviter des heures de correction. Il faut mesurer les deux sur un travail représentatif.

1. Vérifiez votre accès : Carbon dans le sélecteur du produit, ou l’identifiant gemini-4-carbon pour l’API payante.
2. Choisissez un travail borné : analyser un dossier connu, corriger un bug reproductible ou construire une petite visualisation à partir de sources précises.
3. Définissez ce qui prouvera la réussite : tests exécutés, fichiers livrés, citations vérifiables et points encore incertains.
4. Commencez avec le raisonnement medium. Réservez high aux difficultés qui le justifient et surveillez consommation et délais.
5. Utilisez /swarm si le projet se divise en travaux réellement parallèles. Gardez une validation humaine avant de publier, déployer ou modifier des données importantes.

Pour une application déjà construite avec Argon, Google indique que le passage à Carbon ne demande pas de changement du schéma de requête. Il faut cependant revoir les délais d’attente et les plafonds de sortie. En venant de versions plus anciennes de Gemini, d’autres différences existent, notamment l’absence de cache explicite et l’utilisation du cache implicite. Une migration demande donc plus qu’un simple changement de nom de modèle. [4]

Ce que je retiens de cette ouverture, c’est la possibilité de confier à Carbon un travail qui demande plusieurs tentatives et un vrai contrôle du résultat. Les démos donnent envie de l’essayer sur des archives, des plans ou des applications 3D. Pour les tâches courantes, Argon garde sa place. Carbon devient intéressant lorsque la profondeur du raisonnement vaut le temps et les tokens supplémentaires.

Sources consultées le 10 novembre 2026 : annonce Google, documentation technique, fiche de modèle, page française des abonnements et classement MKA d’Artificial Analysis. Les visuels et les trois vidéos viennent du dossier de presse Google. Les aperçus des lecteurs vidéo sont des images extraites de ces mêmes vidéos.