Gemini 3.8 Flash au lancement : vitesse, date limite des prix et précautions en matière de sécurité.

Gemini 3.8 Flash est arrivé le 2 septembre 2026 avec une promesse simple : une meilleure capacité de raisonnement, de codage et de fonctionnement en tant qu’agent dans un modèle conçu pour une latence et une échelle au niveau de Flash. Google le présente comme son outil principal le plus performant à ce jour, destiné à être déployé à plusieurs reprises, intégré à divers outils, évalué en fonction du coût et des résultats d’un flux de travail complet, et non comme un simple objet de démonstration visant à battre des records.

Les premiers résultats confirment cette présentation, bien qu’avec des réserves. Les évaluations menées par Google montrent des améliorations réelles par rapport à Gemini 3.7 Flash, et une analyse indépendante souligne des vitesses impressionnantes. Cependant, le prix d’introduction arrive à échéance, le tableau des performances inclut une dégradation multilingue, et un chiffre élevé de traitement par seconde ne compense pas la latence au premier token. Gemini 3.8 Flash semble prometteur pour les agents utilisés en production, mais le jugement final dépendra des tests au niveau du flux de travail et non d’un simple classement.

Ce que le modèle accepte et où il fonctionne

Le modèle prend en entrée du texte, du code, des images, de l’audio, de la vidéo et des fichiers PDF, et il répond par du texte. Selon la fiche technique, il dispose d’une fenêtre de contexte de un million de tokens, d’une limite de sortie de 64 000 tokens, de la possibilité d’appeler des fonctions, d’utiliser la recherche en tant qu’outil ainsi que d’accéder à un ordinateur. Les scénarios adaptés en découlent : de grands bases de code, des documents longs, des recherches combinant différents types de médias, et des agents à plusieurs étapes qui doivent examiner des informations avant d’agir.

Il est largement disponible au sein des produits Google. Les développeurs y ont accès via l’API Gemini, Google AI Studio, Android Studio, Antigravity ou Stitch, tandis que les utilisateurs finaux et les entreprises le trouvent dans l’application Gemini, le mode IA, Gemini Enterprise et Sheets, les conditions d’accès et les termes étant définis en fonction du destinataire.

Une fenêtre de un million de tokens attire l’attention, mais la capacité n’est pas synonyme de rappel fiable ou d’exécution correcte. Pour un usage en production, des questions plus précises s’imposent : le modèle utilise-t-il les preuves appropriées ? Ses arguments sont-ils valables ? Parvient-il à se remettre des échecs ? Peut-il terminer sans une consommation excessive de tokens ? Le reste des résultats présentés s’éclaire mieux à travers cette perspective.

Chiffres officiels de Google

Les résultats rapportés s’améliorent dans les domaines du génie logiciel, de la finance, du travail juridique et du raisonnement général :

• DeepSWE v1.1 atteint 71,0 %, contre 65,3 % pour Gemini 3,7 Flash.
• Vals Finance Agent v2 passe de 59,0 % à 61,4 %.
• Le benchmark Harvey’s Legal Agent augmente de 8,8 % à 10,0 %.
• HLE-Verified progresse de 53,6 % à 54,9 %.

Toute cette information provient des documents de lancement, des fiches des modèles et de la méthodologie d’évaluation de Google DeepMind ; par conséquent, ces résultats ne sont valables que dans les conditions spécifiées et ne doivent pas être considérés comme des garanties universelles.

Pour les équipes qui développent des agents de programmation, DeepSWE est le plus pertinent. Une amélioration de 65,3 % à 71,0 % n’est pas anodine dans un benchmark portant sur l’ingénierie logicielle à long terme, et le graphique coût-performances place ce modèle du côté de la plus grande efficacité dans la comparaison menée par Google.

Les scores en finance et en droit indiquent la même chose : une amélioration dans des workflows nécessitant plusieurs étapes, une connaissance du domaine et des résultats structurés, au-delà de simples réponses à des questions. HLE-Verified présente une amélioration plus modeste, ce qui rappelle qu’il s’agit d’une mise à niveau et non d’un saut équivalent partout.

Dans leur ensemble, les résultats officiels justifient une étude pilote approfondie sur le codage par agents et le travail basé sur les connaissances, bien qu’ils ne puissent pas se substituer à des essais sur vos propres dépôts, documents et règles métier.

Données de vitesse indépendantes

Le tableau de Google représente un point de vue. Artificial Analysis a publié une capture séparée de la configuration à forte consommation de ressources le 2 septembre 2026 :

• Indice d’intelligence : 59, classement 16 sur 195.
• Vitesse de production : 304,6 tokens par seconde, classement 1 sur 195.
• Coût d’exécution d’une tâche d’indice d’intelligence : 0,58 $, classement 59 sur 195.
• Délai d’attente pour le premier token de réponse : 13,39 secondes.

Une règle méthodologique est claire : ces chiffres ne doivent pas être mélangés aux scores des modèles présentés par Google.

Artificial Analysis utilise sa propre combinaison de tâches, ses paramètres et son modèle de coûts, de sorte que ses données constituent le mieux une vue indépendante à un instant donné.

Vu sous cet angle, la vitesse de génération est l’élément clé. Plus de 300 tokens de sortie par seconde peuvent rendre les réponses longues, la génération de code et les boucles d’agents itératifs beaucoup plus rapides une fois que le texte commence à s’afficher. Cependant, un délai de 13,39 secondes avant l’apparition du premier token de réponse ajoute une nuance, car le débit n’est pas identique à une réponse instantanée. Les produits interactifs tiennent autant à la latence de démarrage qu’à la vitesse de fonctionnement continue.

Les moyennes peuvent ici induire en erreur. Un agent de codage qui écrit rapidement mais stagne à chaque étape peut se comporter différemment d’un modèle plus lent qui commence immédiatement. La seule comparaison pertinente est le temps global sur le flux de travail réel.

Prix et date d’expiration

Pour une utilisation standard mondiale, Google indique les tarifs d’introduction suivants par million de tokens jusqu’au 31 décembre 2026 :

• Le coût des entrées est de 0,75 $.
• La génération de texte, y compris les réponses et les raisonnements, coûte 3,75 $.
• Les entrées mémorisées coûtent 0,075 $.

À partir du 1er janvier 2027, les tarifs mondiaux standard s’appliquent : 1,50 $ pour les entrées, 7,50 $ pour la génération de texte et 0,15 $ pour les entrées mémorisées.

La page des tarifs de Google indique que le tarif promotionnel correspond à un remboursement de 50 % sur les dépenses nettes éligibles pour certains modèles. Les trois tarifs en vigueur doubleront une fois la période d’introduction terminée, et les tarifs non mondiaux diffèrent ; les équipes doivent donc vérifier la région et les conditions de facturation pour leur déploiement. Le fait que les tarifs standards ne soient pas moins compétitifs ne change rien à cela, mais une prévision basée sur les chiffres du jour du lancement sera considérablement erronée.

Tout ceux qui évaluent actuellement le modèle doivent calculer deux budgets, un pour les opérations promotionnelles et un pour l’état stationnaire, en tenant compte des tentatives de réessai, des tokens de raisonnement, de la taille croissante du contexte ainsi que des taux de succès des accès en mémoire cache. Des prix bas pour les tokens aident, mais une tâche qui boucle, qui atteint sa limite de temps ou qui nécessite des corrections répétées peut tout de même devenir coûteuse. Ce qui mérite d’être suivi, c’est le coût par tâche réussie.

La variante Cyber

Le lancement a également introduit Gemini 3.8 Flash Cyber, un modèle distinct conçu pour détecter les vulnérabilités et les corriger automatiquement. Il est séparé du modèle polyvalent et ne constitue pas une option cachée au sein de celui-ci.

L’accès est contrôlé via Fairwind et n’est ouvert qu’aux défenseurs vérifiés, parmi lesquels des agences gouvernementales, des opérateurs d’infrastructures critiques et des mainteneurs de logiciels. Sur CWE-Bench, Google indique un score de 47,2 % de réussite@1, légèrement inférieur aux 47,8 % qu’il cite pour le modèle de pointe, et affirme que le coût est bien plus bas.

Cette quasi-parité est notable, tout comme l’approche de distribution, puisque les capacités cybernétiques et le contrôle d’accès doivent évoluer ensemble. Il ne s’agit délibérément pas d’une fonctionnalité destinée au grand public.

Résultats en matière de sécurité

En ce qui concerne la sécurité et le ton dans l’ensemble, Google affirme que le modèle est globalement comparable à Gemini 3.7 Flash. Ses évaluations détaillées du développement automatisé donnent cependant un résultat plus mitigé :

• La sécurité en termes de transformation texte en texte a évolué de -0,4 point de pourcentage, ce qui représente une amélioration, car moins est mieux.
• La sécurité liée à la conversion d’image en texte est restée stable à 0,0 point.
• Le ton s’est amélioré de +0,2 point, où plus c’est élevé, mieux c’est.
• La sécurité multilingue a progressé de +5,4 point, ce qui représente un recul car moins c’est élevé, mieux c’est.
• Les refus injustifiés ont augmenté de +1,1 point, ce qui est également défavorable selon la même règle du « moins c’est élevé, mieux c’est ».

Une précision concernant la portée : le tableau reflète des évaluations de développement automatisées, il ne s’agit donc ni d’une revue humaine ni d’un rapport d’équipe rouge. Par ailleurs, la fiche du modèle indique que des tests d’équipe rouge effectués manuellement par Google n’ont révélé aucun problème grave, et que lors de l’examen des pertes automatisées, les personnes ont jugé qu’il s’agissait principalement de faux positifs ou de problèmes mineurs. Par conséquent, ce chiffre multilingue ne devrait pas être interprété comme une preuve que le modèle est dangereux, mais il ne devrait pas non plus être caché. Tout système destiné à plusieurs langues doit effectuer ses propres tests de prompt, vérifications de refus et analyses sensibles aux politiques avant une diffusion plus large.

La fiche du modèle mentionne également les mises en garde habituelles. Des hallucinations peuvent survenir, les demandes longues ou complexes peuvent fonctionner lentement ou planter, et un effort accru peut consommer davantage de tokens. Un modèle plus récent ne supprime pas la nécessité de vérification, d’observabilité et de solutions de secours.

Où il pourrait trouver sa place

Le meilleur argument n’est pas que le modèle « remporte la couronne ». C’est plutôt que Google a associé des performances d’agent plus élevées, un contexte multimodal étendu ainsi qu’un débit de sortie très élevé aux avantages économiques de Flash. Cette combinaison pourrait être rentable dans trois domaines :

1. Agents de codage et de terminal qui analysent de grands répertoires, appellent des outils et itèrent rapidement.
2. Travaux de connaissance à forte charge documentaire impliquant des PDF, des images, de l’audio, de la vidéo et des résultats structurés.
3. Applications à fort volume où la latence et le coût total de la tâche comptent autant que les scores de raisonnement maximal.

Une migration en production ne devrait pas être approuvée uniquement sur la base des chiffres de lancement. Une évaluation interne doit enregistrer :

• les tâches achevées, et non seulement des réponses qui semblent plausibles ;
• les taux d’échec des appels aux outils et des schémas ;
• temps jusqu’au premier token et latence du flux de travail complet ;
• tokens d’entrée, de sortie, de raisonnement et en mémoire pour chaque tâche terminée ;
• fidélité aux citations ou sources dans les tâches à contexte long ;
• comportement de sécurité et de refus dans chaque langue prise en charge ;
• résultats avant et après la modification de prix de janvier 2027.

Si le modèle parvient à maintenir ses performances initiales lors de ces tests, il pourrait constituer une excellente option par défaut pour les agents de production. Il n’est pas nécessaire de dominer tous les benchmarks isolés. Un modèle rapide, performant, capable de produire des résultats utiles à un prix abordable est le véritable critère de succès, et il doit l’être au sein du flux de travail.

Sources consultées

La annonce de Google concernant Gemini 3.8 Flash et Flash Cyber, la page produit de DeepMind, la fiche du modèle et la méthodologie d’évaluation, la page de tarification de l’IA générative de Google Cloud, la page du modèle d’Artificial Analysis ainsi que le site de benchmark DeepSWE. Cette analyse distingue les évaluations officielles de Google des résultats indépendants fournis par Artificial Analysis.