← Toute la veilleVeille · Intelligence Artificielle

Google DeepMind lance Gemini 4 Neon pour les tâches complexes et les agents

Google DeepMind annonce le 18 novembre 2026 le déploiement de Gemini 4 Neon. Ce modèle vise le développement logiciel, l’analyse et les tâches scientifiques, avec un accès dans ses outils pour développeurs et pour les abonnés Google AI Pro et Ultra.

Ce qui est nouveau

Google DeepMind présente Gemini 4 Neon comme un modèle destiné aux tâches complexes nécessitant plusieurs étapes et l’utilisation d’outils. Son déploiement commence le 18 novembre 2026 dans l’interface de programmation Gemini, accessible via Google AI Studio, et dans Gemini for business. Il arrive aussi dans Google Antigravity et l’application Gemini pour les abonnés Google AI Pro et Ultra.

Neon peut traiter des documents, des tableaux, des graphiques, de l’audio et de la vidéo. La documentation Google Cloud précise que sa limite de 1 048 576 jetons — les unités de texte traitées par le modèle — est partagée entre les entrées et les sorties, raisonnement et appels d’outils compris. Il ne s’agit donc pas d’une capacité réservée aux seuls documents transmis.

Ce qui change et pourquoi

Google positionne Neon entre Carbon, destiné aux projets longs les plus difficiles, et Hydrogen, orienté vers l’exécution rapide. L’objectif annoncé est de concilier profondeur du raisonnement et efficacité pour des tâches complexes fréquentes.

Le modèle propose quatre niveaux de raisonnement, avec « high » par défaut. Dans Antigravity, il peut également coordonner des sous-agents Hydrogen qui exécutent des tâches en parallèle. Google indique avoir travaillé sur la réduction des lectures répétées de fichiers et la gestion du contexte lors de longues sessions.

Pourquoi c’est important

L’intérêt porte autant sur l’exécution complète d’une tâche que sur la réponse à une question isolée : modification de plusieurs fichiers logiciels, analyse de documents ou coordination d’agents.

Les résultats dépendent toutefois de l’environnement d’exécution. Google rapporte un score de 12,8 % sur SWE-sweep avec le dispositif mini-SWE, contre 39,0 % dans Antigravity. Cet écart illustre le rôle des outils qui entourent le modèle. L’entreprise revendique aussi son plus faible taux de réponses fabriquées dans ses tests internes Antigravity ; ce résultat ne constitue pas une mesure générale de fiabilité en usage réel.

Sources

Sélection et relecture humaines, rédaction assistée par IA.