Ce que Google a annoncé sur Gemini 4 Carbon
Google a annoncé Gemini 4 Carbon le 28 octobre 2026 et l’a présenté comme un modèle de pointe destiné à la programmation, aux tâches de longue durée et à la cybersécurité. Sa proposition la plus concrète consiste à couvrir plusieurs étapes de la défense logicielle : repérer des vulnérabilités, évaluer si elles peuvent être exploitées et générer des correctifs. Ces capacités et les résultats associés sont des affirmations de Google, et non une vérification indépendante du modèle.
La distinction entre ces étapes est importante. Détecter une faille potentielle ne prouve pas qu’elle puisse être exploitée dans des conditions réelles ; confirmer son exploitabilité ne prouve pas non plus qu’un correctif en élimine la cause sans créer d’autres problèmes. Les tests cités par Google portent sur des tâches différentes : leurs scores ne doivent donc pas être additionnés ni interprétés comme une mesure unique de la sécurité ou de la qualité.
Ce que mesurent les tests de cybersécurité cités
Google annonce un score de 88,2 % à SEC-bench Pro pour la détection de vulnérabilités, de 54,8 % à ExploitGym pour l’exploitation et de 71,0 % à CWE-bench pour la correction. L’entreprise décrit ces évaluations comme externes et indique qu’elles ont été réalisées sans les garde-fous du modèle. Ces résultats ne décrivent donc pas nécessairement le comportement d’une version commerciale dont les protections seraient activées, ni les actions qu’un utilisateur pourrait effectuer avec celle-ci.
Il s’agit de scores associés à des tests précis, et non d’un taux général de réussite en cybersécurité. Les informations disponibles ici ne donnent pas suffisamment de détails pour reconstituer toutes les conditions d’évaluation, comparer indépendamment les résultats ou estimer les performances du modèle sur n’importe quelle base de code. Le score de CWE-bench indiqué par Google est de 71,0 % ; il ne faut pas le remplacer par un chiffre différent diffusé ailleurs.
Trois tâches, trois résultats distincts
Ces chiffres correspondent aux résultats annoncés par Google pour des évaluations spécifiques. Ils ne constituent pas une garantie de détection, d’exploitation ou de réparation dans des systèmes réels.
| Test | Tâche décrite par Google | Résultat annoncé |
|---|---|---|
| SEC-bench Pro | Détection de vulnérabilités | 88,2 % |
| ExploitGym | Évaluation de l’exploitabilité de failles | 54,8 % |
| CWE-bench | Correction de vulnérabilités | 71,0 % |
Ce que l’annonce affirme sur la programmation et les tâches de longue durée
Google affirme que Carbon est conçu pour des flux de travail d’ingénierie en plusieurs étapes et que, lors de tests internes, ses équipes l’ont vu travailler pendant plusieurs jours sur des problèmes complexes. L’entreprise cite notamment la recherche de la cause première et la correction de bugs subtils dans de grandes bases de code et des systèmes de bas niveau. Ces observations internes décrivent l’expérience de l’entreprise ; elles ne permettent pas de conclure que le modèle accomplira de manière fiable n’importe quelle tâche longue sans supervision.
Pour le développement web, Google indique que Carbon a gagné 89 points Elo et s’est classé quatrième dans WebDev Arena, avec 1 768 points. L’entreprise affirme également qu’il occupe la première place de la version 5.0 de l’Artificial Analysis Intelligence Index, avec un score de 59. Ces positions correspondent à des évaluations précises, et non à un classement universel des capacités : les résultats dépendent des tâches retenues, de la méthodologie et de la version de l’indice.
Évaluer une tâche d’ingénierie assistée par l’IA
Un flux de travail de longue durée nécessite des contrôles humains et techniques, même si le modèle conserve le contexte pendant une période prolongée.
- 01Définir le périmètre et les critères d’acceptation du résultat avant de commencer la tâche.
- 02Tester les modifications dans un environnement contrôlé et conserver une possibilité de retour arrière.
- 03Examiner le code, les dépendances et les tests ; une exécution longue ne garantit pas une solution correcte.
- 04Valider séparément le fonctionnement et les éventuelles conséquences sur la sécurité.
Sécurité du modèle et limites des affirmations
Google affirme que, lors d’évaluations internes, Carbon réduit certains comportements indésirables par rapport à Gemini 4 Argon. Parmi les résultats communiqués figurent une baisse proche de 80 % des alertes de désalignement de gravité élevée dans des environnements internes de programmation et une réduction approximative de moitié des affirmations non étayées. La publication fait également état d’un taux de réussite des attaques de 0,0 % dans la batterie de tests d’injection indirecte d’instructions évaluée par Gray Swan.
Un résultat de 0,0 % dans une batterie précise signifie qu’aucune attaque réussie n’a été enregistrée dans les conditions évaluées ; il ne démontre pas une résistance à toutes les attaques possibles. De même, les améliorations internes par rapport à Argon ne prouvent pas l’absence d’erreurs, d’affirmations infondées ou de vulnérabilités comportementales dans d’autres contextes. L’annonce décrit plusieurs couches de protection, notamment des défenses contre les usages abusifs et contre l’injection d’instructions, mais ne garantit pas une sécurité absolue.
Accès initial et tarifs annoncés
Google a indiqué que l’accès commencerait par un groupe restreint de spécialistes en cybersécurité, puis serait progressivement étendu à d’autres partenaires de confiance dans le cadre du programme Fairwind. L’entreprise affirme qu’elle continuera à recueillir des retours et à ajuster les protections avant de proposer Carbon aux développeurs, aux entreprises et aux consommateurs. La publication ne précise pas les critères d’admission au programme et ne fixe aucune date pour l’accès général ; la disponibilité pour le grand public n’est pas confirmée.
Le tarif de lancement annoncé est de 2 dollars par million de jetons d’entrée et de 10 dollars par million de jetons de sortie. Google précise que les jetons d’entrée mis en cache bénéficient d’une remise de 95 % par rapport au tarif d’entrée et qu’après la période de lancement, les tarifs prévus seront de 4 dollars par million de jetons d’entrée et de 20 dollars par million de jetons de sortie. L’annonce ne précise pas quand cette période prendra fin. Ces chiffres ne suffisent pas à calculer le coût total d’une application, qui dépend aussi du volume d’utilisation et du traitement de chaque requête.
Accès et tarifs annoncés
Les conditions et tarifs ci-dessous correspondent aux informations communiquées par Google. Aucune date d’ouverture générale ni de fin de la période de lancement n’est indiquée.
| Élément | Information communiquée |
|---|---|
| Accès initial | Un groupe restreint de spécialistes en cybersécurité |
| Extension prévue | Partenaires de confiance via Fairwind, puis développeurs, entreprises et consommateurs |
| Tarif de lancement des jetons d’entrée | 2 dollars par million de jetons |
| Tarif de lancement des jetons de sortie | 10 dollars par million de jetons |
| Tarifs prévus après la période de lancement | 4 dollars par million de jetons d’entrée et 20 dollars par million de jetons de sortie |
| Jetons d’entrée mis en cache | Remise de 95 % par rapport au tarif des jetons d’entrée |
Ce qu’il est possible de conclure à ce stade
La nouveauté confirmée est l’annonce d’un modèle que Google destine à la programmation et à plusieurs étapes de la défense logicielle, accompagnée de résultats spécifiques, d’un accès initial limité et de tarifs annoncés. Pour évaluer ses capacités, le point le plus important est que les scores publiés proviennent de l’entreprise elle-même : les pages officielles en espagnol et en anglais reprennent la même annonce et ne constituent pas des vérifications indépendantes l’une de l’autre.
Les informations disponibles ne permettent pas d’établir une validation indépendante des résultats cités, les performances de Carbon sur des systèmes autres que ceux évalués, ni les modalités pratiques du programme Fairwind. Pour une équipe de sécurité, ces chiffres peuvent servir de premiers repères sur des tâches et des tests précis, mais ils ne remplacent ni l’expertise humaine, ni l’autorisation de tester des systèmes, ni les essais locaux, ni l’évaluation des modifications avant leur application.
Interpréter les résultats avec prudence
Les scores peuvent aider à orienter une évaluation, mais ils doivent être considérés dans les limites des tests concernés.
- 01Déterminer quelle tâche chaque test mesure et quelle configuration a été utilisée.
- 02Distinguer les résultats annoncés par le fournisseur des validations indépendantes.
- 03Vérifier les capacités dans un environnement autorisé et représentatif de l’usage prévu.
- 04Examiner les résultats et valider les correctifs avant de les intégrer.
Questions ouvertes
- Les sources vérifiées ne démontrent pas que les scores annoncés par Google ont fait l’objet d’une validation indépendante.
- L’annonce ne précise pas les critères d’admission à Fairwind et ne fixe aucune date pour l’accès général.
- La date de fin de la période de lancement des tarifs n’est pas indiquée.
- Les résultats obtenus à des tests précis ne permettent pas de déduire les performances du modèle dans n’importe quel système ou configuration.
Poursuivre l’exploration
Sources consultées
Corrections et transparence
Si vous repérez une information incorrecte ou obsolète, envoyez-nous la page et la source à vérifier.
Proposer une correction