Google révolutionne l'IA d'entreprise avec Gemini 3.6 Flash

Google introduit Gemini 3.6 Flash pour les entreprises

Google a récemment dévoilé deux nouveaux modèles d'intelligence artificielle, Gemini 3.6 Flash et 3.5 Flash-Lite, spécifiquement conçus pour répondre aux besoins des entreprises en matière de réduction de la latence et des coûts associés aux tokens. Ces modèles visent à optimiser l'efficacité des agents d'intelligence artificielle utilisés dans les environnements professionnels.

Dans le contexte des agents logiciels autonomes, l'économie d'exploitation repose sur une équation complexe. Peu de fournisseurs abordent directement cette question, mais il est essentiel qu'un modèle soit capable de gérer des tâches complexes en plusieurs étapes tout en minimisant les coûts et les délais. Chaque token supplémentaire généré par le modèle augmente les dépenses et ralentit le processus, ce qui peut être problématique lorsque ces opérations sont répétées des milliers de fois par heure.

Les équipes qui développent des agents en arrière-plan, plutôt que des interfaces de chat, mettent l'accent sur le débit et le nombre de paramètres. Google a répondu à ces besoins en introduisant trois modèles distincts : Gemini 3.6 Flash pour le codage et le raisonnement multimodal, Gemini 3.5 Flash-Lite pour des tâches à volume élevé nécessitant une faible latence, et Gemini 3.5 Flash Cyber, un modèle restreint pour la correction des vulnérabilités.

Performances et économies avec Gemini 3.6 Flash

La documentation pour développeurs de Google met en avant un chiffre clé pour 3.6 Flash : une réduction de 17 % des tokens de sortie par rapport à la version précédente 3.5 Flash, selon l'Artificial Analysis Index. Cette amélioration se traduit par une efficacité accrue et des coûts réduits.

Lors de tests synthétiques, notamment le benchmark Datacurve DeepSWE, Google a observé des réductions de l'utilisation des tokens allant jusqu'à 65 %. Les tarifs sont fixés à 1,50 $ pour un million de tokens d'entrée et 7,50 $ pour un million de tokens de sortie, ce qui rend le modèle adapté à des boucles de raisonnement continues.

Sur le benchmark DeepSWE, 3.6 Flash a obtenu un taux de succès de 49 %, surpassant les 37 % de son prédécesseur. De plus, sur MLE Bench, le score est passé de 49,7 % à 63,9 %, et sur le test GDPval-AA v2 de Google, le modèle a atteint un score de 1421, contre 1349 pour la version antérieure.

Intégration par Figma, Hebbia et Harvey

Figma a intégré 3.6 Flash dans son infrastructure de prototypage. Selon Matt Colyer, directeur de l'ingénierie produit chez Figma, ce modèle permet aux développeurs de parcourir plus rapidement les itérations de design sans sacrifier la qualité des résultats.

Dans le domaine juridique, la plateforme Harvey et l'outil de recherche Hebbia utilisent ce modèle pour traiter des données documentaires multimodales. Cela inclut l'ingestion de dépôts financiers, l'analyse de la structure des documents, la lecture de graphiques intégrés et la production de rapports préliminaires pour révision.

Google a également intégré un outil d'utilisation informatique côté client directement dans les plateformes Gemini API et Gemini Enterprise, éliminant ainsi le besoin de logiciels intermédiaires personnalisés. Cette intégration a permis d'atteindre un score vérifié par OSWorld de 83,0 %, en hausse par rapport à 78,4 %. De plus, les nouvelles protections contre les abus chimiques, biologiques, radiologiques et nucléaires renforcent la résistance au jailbreak sans augmenter les refus pour les demandes légitimes.

Gemini 3.5 Flash-Lite : une solution économique pour les volumes élevés

Le modèle Gemini 3.5 Flash-Lite est conçu pour traiter des documents et effectuer des recherches agentiques à volume élevé, plutôt qu'en profondeur de raisonnement. L'Artificial Analysis Index a mesuré ce modèle à 350 tokens de sortie par seconde, le plus rapide de la série 3.5.

Les tarifs sont fixés à 0,30 $ pour un million de tokens d'entrée et 2,50 $ pour un million de tokens de sortie, ce qui est suffisamment bas pour permettre aux équipes d'ingénierie de traiter des demandes simples à volume élevé tout en réservant des niveaux de réflexion plus élevés pour des tâches complexes.

Lors du test de long contexte GDM-MRCR v2 de Google, Gemini 3.5 Flash-Lite a enregistré un taux de succès de 72,2 %, contre 60,1 % pour son prédécesseur. Son score GDPval-AA v2 a presque doublé, passant de 642 à 1140. Le modèle bénéficie du même outil d'utilisation informatique natif que 3.6 Flash.

Par ailleurs, Google indique que Gemini 3.5 Pro est toujours en phase de test avec des partenaires avant un lancement complet, et que le pré-entraînement pour la prochaine architecture Gemini 4 est déjà en cours.

Gemini 3.5 Flash Cyber : un modèle spécialisé pour la sécurité

Les scanners de vulnérabilités automatisés identifient désormais les défauts plus rapidement que la plupart des équipes de sécurité ne peuvent les corriger. C'est dans cet écart que Google positionne Gemini 3.5 Flash Cyber.

Ce modèle est conçu pour valider et corriger les vulnérabilités de code. Google rapporte des performances compétitives sur le benchmark CyberGym, bien que les détails chiffrés n'aient pas été rendus publics avec le même niveau de précision que pour les versions destinées aux consommateurs.

La distribution de 3.5 Flash Cyber est limitée aux gouvernements et aux partenaires vérifiés dans le cadre d'un programme pilote, une mesure que Google présente comme une protection contre l'utilisation offensive du code généré.

Dans l'agent de sécurité CodeMender de Google, plusieurs instances de 3.5 Flash Cyber fonctionnent en parallèle, vérifiant les résultats des autres avant de produire un rapport de remédiation unique qu'un examinateur humain valide.

Les équipes d'ingénierie intéressées par ces nouveaux modèles peuvent y accéder via l'API Gemini à travers Google AI Studio, Android Studio, ou la Gemini Enterprise Agent Platform. Les consommateurs peuvent également accéder aux nouveaux modèles dans l'application Gemini, et 3.5 Flash-Lite est également en cours de déploiement dans Google Search.