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

Google annonce Gemini 3.5 Live Translate pour la traduction vocale en temps réel

Google a annoncé Gemini 3.5 Live Translate, un nouveau modèle d'intelligence artificielle dédié à la traduction vocale instantanée, disponible dans plus de 70 langues. Ce modèle speech-to-speech fait partie de la famille Gemini 3.5 lancée lors de Google I/O, dont seule la version Flash avait jusqu'ici été déployée. La version Live Translate se distingue par une latence très faible, capable de suivre une conversation naturelle avec seulement quelques secondes de décalage, tout en reproduisant l'intonation, le rythme et la tonalité de la voix d'origine plutôt qu'une synthèse vocale générique. L'impact est significatif pour quiconque communique régulièrement dans des langues différentes, que ce soit dans un cadre professionnel, lors de voyages ou dans des contextes médicaux ou juridiques. En s'affranchissant de la nécessité d'avoir un téléphone Pixel ou des écouteurs spécifiques, Google ouvre cette capacité à un public beaucoup plus large. La fidélité vocale, qui préserve les caractéristiques personnelles de la voix du locuteur, représente un saut qualitatif par rapport aux solutions robotiques actuelles, rendant les échanges traduits plus naturels et plus dignes de confiance. Google travaille sur la traduction en temps réel depuis plusieurs années, avec des démonstrations publiques récurrentes lors de ses événements annuels, mais les contraintes matérielles en limitaient l'accès. L'an dernier, la traduction en direct avait été étendue à l'application Google Translate, mais Gemini 3.5 Live Translate marque une nouvelle étape en intégrant cette capacité directement dans un modèle de la série 3.5. Une version Pro de Gemini 3.5 est attendue dans les prochaines semaines, ce qui laisse entrevoir des performances encore supérieures. La course à la traduction universelle s'intensifie, avec des concurrents comme Meta et Microsoft qui investissent également dans ce domaine, faisant de la barrière des langues l'un des prochains grands défis résolus par l'IA.

💬 C'est le genre de démo qu'on voit à Google I/O depuis quatre ans, sauf que là deux trucs changent vraiment : plus besoin de Pixel ni d'écouteurs spécifiques, et le modèle garde l'intonation et le rythme de la voix d'origine. Ce deuxième point, c'est ce qui rend ça utilisable pour de vrai dans un contexte médical ou légal, pas juste impressionnant en keynote. Reste à voir sur les accents difficiles et le bruit ambiant, mais pour la première fois je prends cette démo au sérieux.

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

Google a dévoilé Gemini 3.5 Flash lors de sa conférence Google I/O en mai 2026, marquant le lancement de la première génération de modèles Gemini 3.5. Malgré son positionnement dans le tier "Flash", historiquement réservé aux modèles rapides et économiques, ce nouveau modèle surpasse Gemini 3.1 Pro sur les benchmarks exigeants. Il affiche 76,2 % sur Terminal-Bench 2.1 (performance en codage), 1 656 Elo sur GDPval-AA (tâches agentiques réelles), 83,6 % sur MCP Atlas (fiabilité dans l'utilisation d'outils) et 84,2 % sur CharXiv Reasoning (compréhension multimodale). Côté prix, Google propose 1,50 dollar par million de tokens en entrée, 9 dollars en sortie, et seulement 0,15 dollar pour les tokens mis en cache. Le modèle est quatre fois plus rapide sur les tokens de sortie que son prédécesseur, avec une fenêtre de contexte d'un million de tokens et une date de coupure de connaissance fixée à janvier 2026. Ce lancement est structurellement important parce qu'il efface la frontière entre vitesse et puissance : un modèle "Flash" bon marché dépasse désormais le modèle premium précédent. Pour les développeurs et les entreprises qui construisent des agents IA, cela réduit drastiquement le coût des workflows complexes. Google a simultanément lancé une API "Managed Agents" qui permet de déployer un agent complet en un seul appel API : l'agent raisonne, appelle des outils, exécute du code dans un conteneur Linux isolé, et maintient son état entre les appels successifs. Des partenaires comme Shopify utilisent déjà des sous-agents en parallèle pour améliorer les prévisions de croissance de leurs marchands, Macquarie Bank le teste pour analyser des documents de plus de 100 pages lors de l'embarquement client, Salesforce l'intègre dans Agentforce pour automatiser des tâches d'entreprise, et Databricks l'utilise pour la surveillance de données en temps réel avec diagnostic automatique. Ce modèle s'inscrit dans la stratégie "agent-first" de Google, matérialisée par la plateforme Antigravity. Antigravity 2.0 est une application desktop autonome capable d'orchestrer plusieurs agents en parallèle, avec des tâches planifiées et des intégrations couvrant Google AI Studio, Android et Firebase. Un CLI permet aux développeurs de créer des agents sans interface graphique, et un SDK ouvre un accès programmatique complet. La compétition sur le segment des modèles efficaces et agentiques s'intensifie : OpenAI, Anthropic et d'autres acteurs proposent des offres similaires, mais Google frappe fort en combinant performance de frontier, prix agressif et infrastructure d'exécution clé en main. Les prochains mois diront si Gemini 3.5 Flash s'impose comme la référence de facto pour les workflows agentiques en production.

💬 Un modèle Flash qui surpasse le Pro précédent sur les benchmarks, ça change toute l'équation. Tu n'as plus à choisir entre vitesse et qualité, tu prends les deux pour 1,50 dollar le million de tokens en entrée. L'API Managed Agents m'intéresse autant que les perfs : déployer un agent complet en un seul appel, c'est exactement le plumbing que tout le monde réécrivait à la main depuis deux ans.

Gemini Omni : le modèle IA multimodal de Google

Google a officiellement dévoilé Gemini Omni lors de sa conférence annuelle I/O à Mountain View, en Californie, bien que le modèle ait déjà été repéré par des utilisateurs avertis plusieurs semaines auparavant. Il s'agit du premier modèle nativement multimodal de Google, capable d'accepter en entrée n'importe quelle combinaison de texte, d'images, d'audio et de vidéo, et de produire des résultats dans ces mêmes formats depuis un seul et même système. Le premier modèle de la famille, Gemini Omni Flash, est accessible dès aujourd'hui pour les abonnés individuels à partir de 20 dollars par mois via le plan "AI Plus", sur le site Gemini, les applications mobiles, la suite d'édition vidéo Flow et YouTube Shorts. Une API destinée aux entreprises est annoncée, mais n'est pas encore disponible. Google n'a publié aucun benchmark officiel pour l'instant. L'enjeu principal de Gemini Omni est d'effacer la frontière entre les différents outils génératifs spécialisés, génération d'images, vidéo, audio, texte, en les fusionnant dans un seul modèle de fondation. Concrètement, cela signifie que le modèle raisonne à travers les modalités en un seul passage, ce qui se traduit par des éditions plus cohérentes, moins d'artefacts de pipeline et une surface API bien plus simple pour les développeurs. Pour les équipes créatives en entreprise, notamment celles qui produisent des visuels techniques, des supports marketing, des formations ou des contenus commerciaux, ce type de modèle unifié représente un gain de productivité significatif. L'absence d'API professionnelle à ce stade retarde toutefois toute intégration à grande échelle dans les systèmes d'entreprise. Ce lancement s'inscrit dans une tendance initiée par OpenAI en mai 2024 avec GPT-4o, premier modèle "omni" nativement multimodal du secteur, capable de traiter texte, code, images et audio, mais sans génération vidéo. Google construit Gemini Omni sur les bases de son modèle de génération d'images Nano Banana, sorti il y a environ un an. L'une des différences notables avec GPT-4o réside dans le paradigme d'interaction : Gemini Omni mise sur l'édition vidéo conversationnelle, où chaque instruction s'appuie sur la précédente pour faire évoluer le contenu de manière cohérente au fil des échanges. Google insiste également sur la restitution améliorée des lois physiques, gravité, dynamique des fluides, énergie cinétique, un détail technique qui distingue un rendu crédible d'un simple artefact visuel. La disponibilité via API pour les entreprises, et les premiers benchmarks indépendants, seront les prochains indicateurs déterminants pour évaluer la maturité réelle du modèle.