Google active Orchestrator dans Antigravity pour piloter plusieurs modèles Gemini au sein d’une même session, avec Gemini 4 Hydrogen en exécution. La société précise l’accès par abonnements et les tarifs d’Hydrogen, tandis que des analystes y voient un potentiel de productivité et d’économies de tokens, assorti d’exigences accrues en traçabilité et sécurité.
Accès, abonnements et tarifs annoncés par Google
Orchestrator est accessible via le sélecteur de modèles situé sous la zone de saisie de conversation d’Antigravity. Google propose actuellement deux configurations : avec Carbon comme planificateur pour les abonnés Google AI Ultra, et avec Argon comme planificateur pour les abonnés Google AI Pro et Ultra. La configuration retenue reste active tout au long de la conversation, jusqu’à ce qu’un autre modèle soit choisi. Les développeurs peuvent aussi sélectionner Gemini 4 Hydrogen seul pour des tâches qui ne nécessitent pas de planification. Gemini 4 Hydrogen offre une fenêtre de contexte de 1 million de tokens. Son tarif est de 1,50 $ par million de tokens d’entrée et de 7,50 $ par million de tokens de sortie.
Un flux multi-modèles avec transferts automatiques de contrôle
Orchestrator combine un planificateur, tel que Gemini 4 Carbon ou Argon, avec Gemini 4 Hydrogen, que Google décrit comme un modèle d’exécution allégé. Les planificateurs parcourent la base de code, repèrent les dépendances et conçoivent un plan, puis confient à Hydrogen l’exécution des tâches comme la modification de fichiers, la génération de code et la réalisation de builds et de tests. À la différence du routage classique, qui attribue l’ensemble de la tâche à un seul modèle, Orchestrator fait passer le contrôle de manière répétée entre les phases de planification et d’exécution au fur et à mesure de la progression. Le planificateur résout les ambiguïtés avant de remettre la main à Hydrogen. En cas de difficulté, comme des échecs de tests répétés ou un comportement inattendu, Hydrogen redonne le contrôle au planificateur, qui peut réviser le plan. Ces allers-retours se produisent automatiquement au sein d’une seule réponse, sans action manuelle pour changer de modèle.
Vous voulez les meilleurs outils IA avant les autres ?
On teste et on décrypte les nouveaux outils IA chaque soir, en 5 min. Gratuit.
Inclus dès l'inscription : notre sélection des meilleurs guides & comparatifs IA.
Choisissez votre rythme
Gratuit · Pas de spam · Désabonnement en 1 clic
Productivité et coûts : des gains envisagés par des analystes
La capacité d’orchestration de plusieurs modèles au sein d’une même session, avec répartition par type de tâche, est présentée comme un levier de productivité. Pareekh Jain anticipe une hausse de la vitesse de codage, une amélioration du débogage et de la qualité, ainsi qu’un meilleur achèvement des tâches complexes, comparant l’ensemble à un duo architecte senior et codeur très rapide. Amit Kumar Jena relève que les développeurs abandonnent souvent lorsque les agents rencontrent des exigences complexes ou des échecs répétés. Pour les coûts, Jena souligne un potentiel d’efficacité des tokens : recourir à un seul modèle très performant pour tout ferait payer cher des travaux routiniers, tandis qu’un modèle plus léger pénaliserait les tâches complexes. L’assignation automatique selon le raisonnement requis pourrait réduire l’usage superflu des modèles et rendre les coûts plus prévisibles. Pour les DSI supervisant de larges équipes, Jain estime que cela peut améliorer le pilotage des dépenses et aider à étendre le développement assisté sans épuiser rapidement les plafonds d’usage ni faire grimper la facture.
Traçabilité et sécurité : exigences relevées par des experts
Pareekh Jain alerte sur la responsabilité et l’audit lorsqu’un flux implique plusieurs modèles : les DSI doivent savoir quel modèle a pris une décision ou modifié un segment de code. Sans journaux au niveau des modèles et attribution fine, auditer le code généré, enquêter sur les erreurs, établir les responsabilités ou comprendre la sélection d’un modèle devient difficile. Amit Kumar Jena note qu’à ce stade, la documentation d’Antigravity ne décrit pas de journaux pas-à-pas identifiant le modèle responsable de chaque action et recommande de vérifier la traçabilité des changements jusqu’au modèle et au plan suivis. Sur la sécurité, Jena rappelle que chaque modèle apporte des comportements propres et des risques autour de l’accès au code source, aux secrets et aux identifiants de production. Il préconise d’attribuer des identités dédiées aux agents, de restreindre les identifiants aux tâches concernées et d’exiger une approbation humaine avant toute fusion de code. Il invite aussi à examiner la gestion de la propriété intellectuelle par chaque modèle : lieu de traitement des invites et du code, conservation des données, et couverture contractuelle pour tous les modèles qu’Orchestrator peut invoquer.
