Google présente Gemini 4 Carbon comme un modèle de pointe à part entière, conçu pour les tâches d’ingénierie et de cybersécurité qui s’inscrivent dans la durée. Selon l’annonce officielle de Gemini 4 Carbon par Google, le modèle se concentre sur les tâches techniques complexes comportant plusieurs étapes. L’entreprise affirme que Carbon arrive en tête d’un indice interne d’Artificial Analysis Intelligence et qu’il réalise des progrès importants sur les benchmarks de détection, d’exploitation et de correction des vulnérabilités par rapport à Argon, lancé récemment. Au-delà des scores mis en avant, le principe de conception de Carbon est de pouvoir rester « sur le problème » pendant des jours, en explorant différentes pistes et en combinant raisonnement, utilisation d’outils et modifications de code sur de vastes bases de code. C’est cette promesse qui le distingue stratégiquement.
Pour les équipes d’ingénierie et de sécurité des entreprises, la vraie question n’est pas de savoir si Carbon atteint le sommet des benchmarks, mais s’il conserve exactitude et traçabilité tout au long de workflows en plusieurs étapes. Les résultats internes publiés par Google — amélioration à deux chiffres de la qualité des correctifs, baisse du taux d’hallucinations et meilleure résistance aux injections de prompt — sont encourageants. Une validation indépendante reste toutefois indispensable, en particulier lorsque la validation automatisée d’exploits et la correction des causes profondes touchent des services en production. Avant de confier des remédiations à haut risque à des pipelines assistés par un modèle, les équipes de sécurité devraient prévoir des évaluations red team progressives, des tests ciblés de reproduction d’exploits et des essais complets d’intégration CI.
Le calendrier de déploiement et la tarification de Carbon témoignent d’une stratégie commerciale prudente : un accès immédiat mais limité aux spécialistes de la cybersécurité agréés via le programme Fairwind de Google, puis une disponibilité élargie pour les développeurs. Le tarif de lancement — 2 $ par million de jetons d’entrée et 10 $ par million de jetons de sortie — est inférieur à celui de nombreux modèles de pointe pour les jetons de sortie et reprend les paliers du lancement d’Argon. C’est un facteur important pour les acheteurs : dans les workflows agentiques de longue durée, le coût effectif est surtout déterminé par les jetons de sortie, tandis que les réductions sur les entrées mises en cache améliorent encore l’économie des exécutions répétées dans les systèmes capables de réutiliser les prompts.