Google présente Gemini 3.5 Flash à I/O 2026 : un modèle plus rapide et moins cher pour les agents IA et le code

Google I/O 2026 : Gemini 3.5 Flash, Omni (NanoBanana pour la vidéo), Spark (agents en arrière-plan) et Antigravity 2.0

Google a profité de sa conférence I/O 2026, tenue les 18 et 19 mai, pour annoncer une salve de nouveautés autour de sa famille Gemini. Le modèle phare de l'événement est Gemini 3.5 Flash, disponible immédiatement sur l'ensemble des surfaces Google, application Gemini, Search, API, AI Studio, Android Studio et environnements enterprise. Ce modèle affiche une fenêtre de contexte d'un million de tokens, une sortie maximale de 65 000 tokens, quatre niveaux de raisonnement configurables (minimal, faible, moyen, élevé) et une fonctionnalité dite de "thought preservation" qui maintient le fil de raisonnement entre les échanges. Selon les benchmarks indépendants d'Artificial Analysis, il obtient un score de 55 sur l'Intelligence Index (soit +9 par rapport à Gemini 3 Flash), dépasse 280 tokens par seconde en sortie, et est tarifé à 1,50 dollar par million de tokens en entrée et 9 dollars en sortie. Sur la plateforme Arena, il atteint la 9e place mondiale en arène textuelle et en code frontend, avec un score Elo de 1 507, en hausse de 70 points. Google annonce également Gemini Omni, une famille multimodale capable de traiter du texte, des images, de la vidéo et de l'audio pour générer et éditer de la vidéo dans Gemini, Flow, YouTube Shorts et, prochainement, via API. L'écosystème agent est complété par Antigravity 2.0 (desktop, CLI, SDK) et Gemini Spark, des agents fonctionnant en arrière-plan sur des machines virtuelles cloud. Ces annonces interviennent alors que Google revendique une échelle sans précédent : 3,2 quadrillions de tokens traités par mois, soit une multiplication par sept en un an (contre 480 billions en 2025), et 900 millions d'utilisateurs mensuels actifs sur l'application Gemini, disponible dans plus de 230 pays et 70 langues. Pour les développeurs et les entreprises, Gemini 3.5 Flash se positionne comme un modèle d'élite pour les tâches agentiques et de codage à haute fréquence, avec une vitesse annoncée quatre fois supérieure aux modèles frontier comparables, et jusqu'à douze fois plus rapide dans l'environnement Antigravity. Sa supériorité sur Gemini 3.1 Pro sur des benchmarks clés comme Terminal-Bench 2.1 et GDPval-AA signifie que Google propose désormais un modèle "Flash" qui surclasse son propre "Pro" de génération précédente, brouillant les frontières traditionnelles entre vitesse et qualité. Google I/O s'inscrit dans un cycle de compétition accélérée entre les grands laboratoires d'IA. OpenAI, Anthropic et Meta ont chacun publié des modèles majeurs au cours des dernières semaines, forçant Google à démontrer sa maîtrise sur le terrain multimodal et agentique. La présentation de lunettes connectées pilotées par Gemini Live rappelle les ambitions de long terme du groupe sur l'IA embarquée, une catégorie où Meta investit massivement avec Ray-Ban. Gemini 3.5 Pro, dont la sortie est prévue le mois prochain, devrait préciser jusqu'où Google entend pousser la frontière de ses modèles. La mise en production immédiate de 3.5 Flash, sans période de bêta, traduit une volonté de reprendre la main sur le rythme de déploiement face à des concurrents qui ont souvent devancé Google sur ce terrain.

💬 Pas de bêta, déploiement immédiat partout : Google change enfin de méthode. Ce qui m'intéresse vraiment, c'est le Flash qui surclasse maintenant le Pro de génération précédente sur les benchmarks de codage, ça veut dire que leur nomenclature vitesse/qualité ne tient plus. Les chiffres de scale (3,2 quadrillions de tokens par mois), c'est de la com' comme d'hab', mais sur le rythme de mise en prod, là c'est du concret.

Google publie Gemini 2.0 Flash Live : un modèle vocal multimodal en temps réel pour agents IA

Google a lancé Gemini 3.1 Flash Live en préversion pour les développeurs via la Gemini Live API dans Google AI Studio. Ce nouveau modèle se positionne comme le « modèle audio et vocal de la plus haute qualité » jamais produit par Google, capable de traiter en temps réel des flux multimodaux combinant voix, vidéo et appels d'outils. Concrètement, il accepte de l'audio PCM 16 bits à 16 kHz, renvoie de l'audio PCM natif sans passer par une synthèse vocale séparée, et peut ingérer des flux vidéo à environ une image par seconde. Sur le benchmark ComplexFuncBench Audio, qui mesure la capacité à enchaîner des appels de fonctions complexes à partir de la seule voix, le modèle atteint un score de 90,8 %. Il obtient également 36,1 % sur l'Audio MultiChallenge, un test mesurant la résistance aux interruptions et aux environnements bruités, thème central pour les cas d'usage réels. Ce lancement s'attaque à un problème structurel qui plombait jusque-là les assistants vocaux : la « pile d'attente », enchaînement séquentiel de la détection d'activité vocale, de la transcription, de la génération de texte et de la synthèse vocale. Gemini 3.1 Flash Live court-circuite cette chaîne en traitant l'acoustique directement, sans transcrire au préalable. Le modèle gère mieux la prosodie — ton, débit, hésitations — que son prédécesseur Gemini 2.5 Flash Native Audio, et discrimine la parole pertinente des bruits ambiants comme la circulation ou le brouhaha d'un bureau. L'interface de programmation repose sur un protocole WebSocket bidirectionnel et persistant, permettant la continuité de session, la synchronisation audio-transcription en un seul événement serveur, et le « barge-in » : l'utilisateur peut couper la parole à l'IA en plein milieu d'une phrase, et le modèle interrompt immédiatement sa génération pour traiter le nouvel énoncé. Une fenêtre de contexte de 128 000 tokens supporte la mémoire de session et les définitions d'outils. Ce modèle arrive dans un contexte de compétition intense entre Google, OpenAI et les startups spécialisées dans la voix temps réel. OpenAI avait ouvert la voie avec son mode vocal avancé dans GPT-4o, mais la fiabilité en environnements dégradés restait un talon d'Achille pour l'ensemble de l'industrie. Google mise ici sur la robustesse au bruit et sur l'inférence agentique — la capacité à raisonner et à exécuter des tâches complexes (retrouver des factures, envoyer des e-mails sous conditions) sans passer par un intermédiaire textuel. Pour les développeurs qui construisent des agents d'assistance client, des interfaces mobiles ou des outils professionnels à commande vocale, cette combinaison de faible latence, de multimodalité native et de raisonnement structuré représente un changement de catégorie. Les prochaines étapes attendues concernent la sortie en disponibilité générale et l'intégration dans l'écosystème Vertex AI pour les entreprises.

Gemini 3.1 Flash Live est le modèle vocal IA le plus naturel de Google à ce jour

Google a dévoilé Gemini 3.1 Flash Live, son nouveau modèle vocal conçu pour des conversations en temps réel plus naturelles et plus fluides. Annoncé en mars 2026, ce modèle s'inscrit dans la gamme Flash, orientée vers la rapidité et l'efficacité. Les développeurs disposent d'un curseur permettant d'arbitrer entre qualité vocale et vitesse de réponse selon les besoins de leur application. La tarification reste alignée sur celle de Gemini 2.5, sans surcoût pour cette nouvelle génération. Ce lancement représente une avancée notable dans la course à la voix conversationnelle naturelle. Pour les développeurs d'assistants vocaux, d'applications de service client ou d'interfaces mains libres, disposer d'un modèle à la fois rapide et naturel à coût constant constitue un argument concret. La fluidité perçue de l'IA vocale est aujourd'hui un facteur décisif dans l'adoption par le grand public. Google intensifie ainsi la compétition face à OpenAI et ses modèles vocaux en temps réel, intégrés à ChatGPT, ainsi qu'à d'autres acteurs comme ElevenLabs. La stratégie Flash — modèles légers, rapides, peu coûteux — s'impose comme une approche clé pour démocratiser l'IA dans des usages à fort volume. Les prochaines versions pourraient continuer à affiner ce compromis vitesse/qualité, un équilibre qui deviendra central dans les interfaces conversationnelles de demain.

Google affirme que Gemini 3.5 Flash peut réduire les coûts IA des entreprises de plus d'un milliard de dollars par an

Google a présenté mardi Gemini 3.5 Flash lors de sa conférence annuelle I/O, un nouveau modèle d'intelligence artificielle qui revendique une rupture avec l'un des compromis les plus tenaces du secteur : la capacité et la vitesse ne seraient plus antinomiques. Selon Sundar Pichai, PDG de Google, les entreprises traitant environ mille milliards de tokens par jour sur Google Cloud pourraient économiser plus d'un milliard de dollars par an en basculant 80 % de leurs charges de travail vers Flash et d'autres modèles frontier. Sur les benchmarks standards, Gemini 3.5 Flash dépasse Gemini 3.1 Pro, qui était encore positionné comme le modèle phare de l'entreprise il y a quatre à cinq mois : 76,2 % sur Terminal-Bench 2.1, 1656 Elo sur GDPval-AA, 83,6 % sur MCP Atlas et 84,2 % sur CharXiv Reasoning. Il génère des tokens quatre fois plus vite que les modèles frontier concurrents comparables, voire douze fois plus vite dans sa version optimisée disponible dès maintenant sur Antigravity, la plateforme de développement agentique de Google. Koray Kavukcuoglu, directeur technique de Google DeepMind, confirme : « Nous avons développé une version encore plus optimisée de Flash, non pas quatre fois, mais douze fois plus rapide, à qualité égale. » L'enjeu est considérable pour les entreprises qui ont massivement investi dans l'IA générative. Depuis trois ans, les DSI sont contraints de jongler entre des modèles puissants mais lents et coûteux pour les tâches complexes, et des modèles légers mais moins fiables pour les requêtes simples. Ce pilotage en portefeuille génère une ingénierie coûteuse, des expériences utilisateur inégales et, surtout, des budgets tokens qui s'épuisent à toute vitesse. Pichai l'a formulé sans détour lors d'un briefing presse lundi : « Vous avez probablement entendu des DSI dire que leurs entreprises ont déjà dépassé leur budget annuel de tokens, et on est seulement en mai. » Flash, à environ un tiers à la moitié du coût des modèles frontier actuels tout en atteignant selon Google 90 % de leurs performances, rendrait ce compromis obsolète pour la majorité des cas d'usage. Cette annonce s'inscrit dans une bataille d'efficience qui s'est intensifiée depuis que les entreprises ont commencé à déployer des agents IA en production à grande échelle. La course ne porte plus seulement sur l'intelligence brute des modèles, mais sur leur coût d'exploitation réel. Google fait face à une pression croissante d'Anthropic, d'OpenAI et de Meta, qui ont tous lancé des modèles intermédiaires visant le même créneau. Avec Flash, Google revendique la position unique de modèle occupant le quadrant supérieur droit de l'index intelligence/vitesse d'Artificial Analysis, sans concurrent direct à date. La disponibilité immédiate du modèle turbo dans Antigravity suggère que Google mise sur les workflows agentiques comme terrain de différenciation durable face à ses rivaux.