2 millions de tokens : ce qu’il a fallu à Google pour corriger Gemini 3.5 Pro

L’échec qui a précédé le lancement d’aujourd’hui n’a pas été annoncé. Google a discrètement mis de côté la première version de Gemini 3.5 Pro après que des évaluations internes ont révélé des lacunes critiques : de mauvaises performances en raisonnement mathématique, une génération SVG défaillante et une qualité d’image incohérente. Le modèle qu’il avait prévu de lancer plus tôt cette année n’était pas assez bon pour être commercialisé, il ne l’a donc pas été.

La reconstruction et ce qu’elle a débloqué

Ce qui a été lancé aujourd’hui est un modèle entièrement différent. Le Gemini 3.5 Pro reconstruit s’ouvre avec une fenêtre de contexte de 2 millions de tokens, soit le double de la capacité de la limite de 1 million de tokens de Gemini 2.5 Pro, ce qui signifie qu’une équipe juridique peut déposer l’intégralité d’une bibliothèque de contrats, une année de dépôts financiers et une archive complète d’e-mails dans un seul appel API avant de poser sa première question. Un mémoire de 200 000 mots qui aurait nécessité un découpage en trois appels séparés tient désormais dans le contexte avec de la marge.

Cette fenêtre s’accompagne d’une structure de tarification conçue pour une consommation en entreprise : 15 $ par million de tokens d’entrée, 60 $ par million de tokens de sortie. Générer une analyse de 10 000 mots à partir d’un corpus de documents de 500 000 mots coûte environ 37 $ — de l’argent réel, mais inférieur au taux horaire de l’analyste junior qu’elle remplace pour les tâches de révision de documents.

Le niveau de raisonnement premium, appelé Deep Think, se trouve derrière un abonnement Ultra à 250 $ par mois. Cette décision tarifaire trace une ligne : les utilisateurs standard de l’API obtiennent un modèle généraliste compétent ; la version de raisonnement la plus puissante reste inaccessible aux développeurs individuels qui ne paieront pas l’équivalent d’un droit de licence logiciel pour y accéder.

La concurrence qu’il doit distancer

DeepSeek V4-Pro a été lancé en juin à 0,87 $ par million de tokens de sortie, soit environ 69 fois moins cher sur cette métrique, avec des scores de référence qui rivalisent avec Gemini 3.5 Pro dans plusieurs évaluations comparatives. Fable 5 et GPT-5.6 Sol exécutent leurs propres variantes à contexte étendu, bien que les deux restent en aperçu limité. La réponse de Google sur le prix est que 2 millions de tokens permettent des charges de travail qu’aucune architecture concurrente ne peut gérer sans une orchestration coûteuse en appels multiples — la comparaison de coûts ne tient que si la tâche s’inscrit dans une fenêtre plus courte.

Aucune évaluation indépendante de Gemini 3.5 Pro à l’échelle des 2 millions de tokens n’a encore été publiée. Les modèles à contexte long perdent invariablement en précision de récupération à mesure que la profondeur des documents augmente — un mode d’échec connu dans les versions précédentes de Gemini. Google a passé un an à reconstruire le modèle. Savoir si cette année a résolu le problème à grande échelle est la question que chaque équipe d’entreprise achetant à 60 $ par million se posera en premier.

Étiquettes: intelligence artificielle, Google, Gemini, DeepSeek, modèles IA, Apprentissage Automatique