En 1989, le chercheur en marketing Itamar Simonson a décrit l’effet de compromis : un produit gagne des parts dès qu’il devient l’option du milieu, entre une offre d’entrée et une offre haut de gamme, parce que ce choix se justifie sans peine, devant les autres comme devant soi. La grille à trois étages, bon, meilleur, excellent, en tire parti, de l’électroménager aux abonnements.

L’effet suppose une échelle lisible, où le rang suit le prix et où les prix tiennent le temps de comparer ; les éditeurs de modèles de langage ont adopté les étages sans cette stabilité. Le mercredi 18 novembre 2026, Google a dévoilé Gemini 4 Neon, quatrième membre de la famille Gemini 4 en quarante-neuf jours, logé entre Carbon, voué aux travaux les plus lourds, et Hydrogen, taillé pour les tâches rapides : un modèle pour le code, l’analyse de documents et les agents, à quatre niveaux de raisonnement, avec une fenêtre d’un million de jetons.

Le nouveau venu dérange l’échelle qu’il complète : jusqu’au 30 novembre, son jeton coûte plus cher que celui de Carbon, que l’évaluateur Artificial Analysis classe pourtant un point derrière lui quand Neon raisonne au maximum. Sept terrains permettent de le jauger : sa place dans la gamme, un rang qui tient au réglage, une première place en code d’une courte tête, un prix qui se lit au calendrier, des accès gradués, une sûreté jugée à l’aune d’Argon et une cadence qui brouille l’offre.

Un échelon glissé entre Carbon et Hydrogen

Le billet d’annonce, signé de Koray Kavukcuoglu, architecte en chef de l’IA de Google, a été mis en ligne à 22 heures, heure de Paris. Google y promet un modèle vif et capable sans le prix des modèles les plus chers, qui concilie la puissance des plus avancés et la sobriété qu’exigent les travaux répétitifs.

La gamme s’est montée au pas de course : Gemini 4 Argon, présenté le 30 septembre, voué au raisonnement complexe et d’abord réservé aux cyberdéfenseurs du programme Fairwind ; Gemini 4 Carbon, présenté le 28 octobre pour les problèmes ardus et la cybersécurité, ouvert le 10 novembre aux abonnés AI Ultra et à l’API payante à 2 et 10 dollars le million de jetons ; Gemini 4 Hydrogen, déployé le 12 novembre à 1,50 et 7,50 dollars, pensé pour la vitesse et l’usage de tous les jours.

Argon quitte le menu, pas la grille

Le billet ne nomme aucun modèle remplacé. D’après 9to5Google, le sélecteur de l’application propose désormais « Aide au quotidien » avec 4 Hydrogen, « Analyse approfondie » avec 4 Neon et « Code et travaux complexes » avec 4 Carbon : Neon y prend la place d’Argon, qui restait l’option « Code et analyse » des abonnés AI Pro comme Ultra, Gemini 3.1 Pro disparaît pour de bon et 3.5 Flash-Lite devient l’option Auto des abonnés payants. Le remplacement s’arrête à l’application : l’API liste toujours Argon et Gemini 3.1 Pro Preview, et Antigravity, l’atelier de code à agents de Google, garde Argon pour AI Pro et 3.1 Pro pour l’offre Entreprise.

Une fiche de famille

La fiche modèle de Google DeepMind dit Neon adapté de Carbon et renvoie à celle de son aîné pour l’architecture, les données d’entraînement, le matériel et les logiciels. Il lit texte, images, sons et vidéos, rend jusqu’à 64 000 jetons en mode synchrone et jusqu’à un million par décodage long, et ses connaissances s’arrêtent en mars 2026. Il est pensé pour les boucles d’essai et de vérification d’un agent : parcourir un dépôt, remonter à la source d’un bogue, suggérer des correctifs puis exécuter les tests, ou dépouiller tableaux de données et longs PDF.

Troisième, à son réglage le plus coûteux

Le troisième rang revendiqué vient d’Artificial Analysis : 61 points à son indice d’intelligence en raisonnement maximal, dit xhigh, dans un classement qui retient un réglage par modèle. Au 19 novembre, seuls le devancent Claude Fable 5.2, lancé par Anthropic le 9 novembre à 8 et 40 dollars, avec 65 points, et GPT-6.2 Astra, présenté par OpenAI le 17 novembre au même tarif, avec 62 ; suivent Carbon (60), Claude Opus 5.5 (59), sorti le 22 septembre, et GPT-6.2 Sol (57), Hydrogen (54) et Argon (50) venant plus loin. Sur la fiche du modèle, où l’évaluateur compte toutes les variantes, Neon n’est que sixième sur 95.

Le prix du dernier point

Le score varie avec le réglage : Neon obtient 44 points en raisonnement bas, 55 en moyen, 60 en élevé et 61 en xhigh, quand les jetons de sortie dépensés pour passer l’indice grimpent de 28,3 millions à 62,9, 123 puis 283 millions. Le dernier point, celui de la troisième place, exige 2,3 fois plus de jetons et fait passer la tâche de 3,74 à 6,44 dollars, de 14,8 à 21,5 minutes.

Le code, une première place d’une courte tête

L’autre titre de Neon, la tête de l’indice des agents de code d’Artificial Analysis, se joue à un point. En version 2.1, cet indice fait la moyenne à poids égal de FrontierCode-AA 2.0, de Terminal-Bench 4.1 et de SWE-Atlas-QnA-AA, et note un couple formé d’un modèle et de son harnais. Neon en xhigh dans Antigravity CLI y obtient 58,6 points selon Google, 59 dans l’arrondi de l’évaluateur, contre 58 à Claude Code avec Fable 5.2 comme avec Opus 5.5, et 55 à Carbon, pour 6,86 dollars par tâche contre 12,61 avec Opus 5.5 et 15,47 avec Fable 5.2.

Les revers que le tableau consigne

Dans le tableau de la fiche, les 65,2 % de Neon sur Terminal-Bench 4.1 ont été mesurés par Artificial Analysis avec le harnais Antigravity CLI 1.5.9, les scores adverses venant du classement public, tous corrigés des tricheries : Claude Opus 5.5 le devance d’un souffle, à 65,8 %. Neon cède aussi sur FrontierCode 2.0, 46,2 % au niveau high contre 47,3 % pour Opus 5.5, et sur Chartography, 73,5 % contre 75,1 % pour GPT-6.2 Sol, mais mène ailleurs, comme sur GraphWalks, en contexte long, avec 95,2 % contre 66,8 et 80,1 %.

Des adversaires et des harnais choisis

Ce tableau oppose Neon à Opus 5.5 et à Sol, non aux deux modèles qui le devancent chez Artificial Analysis, et reprend les scores concurrents déclarés par leurs éditeurs, sauf mention contraire. Google calcule lui-même plusieurs lignes, dont GraphWalks et SWE-sweep. Sur ce dernier, Neon obtient 39,0 % dans Antigravity CLI, dont un outil par défaut lance des sous-agents à travers le code, atout propice à la chasse aux bogues selon Google, contre 10,1 % à Opus 5.5 dans Claude Code et 8,3 % à Sol dans Codex ; avec le harnais neutre mini-SWE, Neon tombe à 12,8 %, Opus 5.5 à 3,6 %, et Sol remonte à 11,6 %.

Un prix qui se lit au calendrier

Dans l’API, Neon coûte 3 dollars le million de jetons en entrée et 15 en sortie, 0,15 pour l’entrée relue en cache, sans palier gratuit, contrairement à Hydrogen. Argon et Carbon partagent une grille de 2 et 10 dollars jusqu’au 30 novembre, de 4 et 20 dollars à partir du 1er décembre : au jeton, Neon coûte 50 % de plus qu’eux jusqu’à la fin du mois, 25 % de moins ensuite, et deux fois plus qu’Hydrogen. Face à la concurrence, il revient 25 % moins cher qu’Opus 5.5, facturé 4 et 20 dollars, et 62,5 % moins cher que Fable 5.2 et Astra.

Trente-deux pour cent, à quelle date

Google associe à Neon, au niveau high, un score élevé à l’indice d’Artificial Analysis et un coût par tâche inférieur de 32 % à celui de Carbon, sans détailler le scénario d’évaluation retenu : un coût par tâche, non une baisse de prix. À 60 points chacun en réglage élevé, l’évaluateur chiffre la tâche à 3,74 dollars pour Neon et à 7,76 pour Carbon au tarif standard, plus du double ; au tarif promotionnel, le même volume de jetons ramène Carbon à 3,88 dollars. Les 32 % ne recoupent aucun des deux calculs, et jusqu’au 30 novembre, la troisième place coûte plus cher à la tâche que Carbon : 6,44 dollars en xhigh, contre 3,88.

Ce que coûte la verbosité

GPT-6.2 Astra renverse l’étiquette. Son jeton coûte 2,7 fois celui de Neon, mais sa tâche revient moins cher à chaque niveau selon Artificial Analysis : 2,52 dollars contre 6,44 en xhigh, pour 62 points contre 61 ; 2,07 contre 3,74 en réglage élevé, à 60 points chacun ; 1,62 contre 1,90 en moyen. Plus lent à débiter, 48 jetons par seconde contre 110, Astra boucle une tâche en 7,7 minutes contre 21,5 en xhigh, car il en écrit bien moins. Google revendique en xhigh une tâche moins chère d’au moins 36 % que chez les concurrents à leur réglage maximal : le compte tient face à Opus 5.5, à 10,04 dollars, et à Fable 5.2, à 26,54, pas face à Astra, à 4,00.

Des accès gradués par l’abonnement

Depuis le 18 novembre, Neon se déploie dans le menu de l’application Gemini pour qui souscrit à Google AI Pro ou Ultra et, si la formule est payée, dans Google Antigravity ; les développeurs l’obtiennent dans l’API payante, par Google AI Studio et Android Studio, les entreprises par Gemini for business. Ni l’offre gratuite ni AI Plus n’y ont droit, et les défenseurs de Fairwind l’auront dans les prochains jours. Dans Antigravity, il devient le modèle par défaut, avec quatre niveaux de réflexion pour arbitrer entre temps de calcul et dépense, mais sa fenêtre y tombe à 512 000 jetons, moitié moins que dans l’API, et le mode Orchestrator lui confie le plan, Hydrogen exécutant.

Une sûreté jugée à l’aune d’Argon

Neon reprend les protections de Carbon, et Google publie des indicateurs mesurés pour l’essentiel chez lui : 1,98 % de refus sur Terminal-Bench 4.0, aucune triche sur ce banc et 2,45 % sur son évaluation interne de triche en code, le plus bas de la famille, 0,09 % d’actions non alignées en tests agentiques ; Gray Swan n’a réussi aucune injection indirecte au réglage de réflexion le plus poussé. La fiche concède que Neon peut halluciner comme la plupart des modèles, que sa résistance aux contournements reste à améliorer et que les injections indirectes demeurent un point de vigilance.

Un agent véloce n’appelle pas pour autant une confiance aveugle : les écarts de conduite relevés aux essais d’Argon montrent que sa surveillance pèse autant que ses résultats, et sur les terrains délicats, sécurité informatique en tête, mieux vaut faire valider par un humain tout changement sans retour. D’après la méthodologie de Google, ses évaluations de cybersécurité, où Neon atteint 70,7 % sur CWE-bench v2, sont d’ailleurs les seules menées sans filtres de sécurité.

Des conclusions reprises, un rapport attendu

Au regard du Frontier Safety Framework de Google, la hausse de capacité de Neon par rapport à Argon reste sous le seuil de « changement matériel de capacité » : faute d’évaluation complète des capacités critiques, les conclusions d’Argon sont reprises. Le niveau critique ne peut être exclu ni en cybersécurité ni pour l’aide aux armes biologiques, pas plus que le niveau de capacité suivi pour la discrétion et la conscience de la situation, lié à la perte de contrôle ; manipulation et recherche en IA restent sous leurs niveaux critiques. Sorti du menu, Argon demeure l’étalon de sûreté de son remplaçant, dont le rapport complet est promis « dans les prochains jours ».

La cadence contre la lisibilité

Argon le 30 septembre, Carbon le 28 octobre, Hydrogen le 12 novembre, Neon le 18 : quatre modèles en sept semaines, dont deux en six jours, au point qu’Artificial Analysis titre son analyse du 18 novembre sur l’accélération de la cadence de Google. Pour l’abonné AI Pro, le modèle le plus avancé de l’application a changé deux fois en un peu plus de cinq semaines : Argon y est arrivé le 13 octobre, Neon l’y a remplacé le 18 novembre.

Les noms n’aident guère : l’hydrogène, élément le plus léger, désigne bien le modèle rapide, mais l’argon, le plus lourd des quatre, nomme celui qu’Artificial Analysis note le moins bien, et l’étiquette « Code et travaux complexes » revient à Carbon quand Neon le devance à l’indice des agents de code. Pour une équipe de développement, chaque arrivée oblige à requalifier consignes, coûts et contrôles, et toute comparaison de prix établie cette semaine sera à refaire le 1er décembre.

Gemini 4 Neon installe l’échelon du milieu au contact du sommet : il égale Carbon en réglage élevé à l’indice d’Artificial Analysis pour moins de la moitié de son coût par tâche au tarif standard, le dépasse d’un point en xhigh et le distance à l’indice des agents de code. Son propre tableau concède pourtant des revers, ses adversaires y sont choisis, et GPT-6.2 Astra revient moins cher à la tâche.

Le prix du jeton ne dit presque rien sans date ni réglage. Jusqu’au 30 novembre, Carbon coûte moins cher au jeton et presque autant à la tâche que Neon en réglage élevé ; à partir du 1er décembre, l’écart passera du simple au double. Une comparaison honnête se mène sur ses propres travaux, au réglage qu’on retiendra, et porte une date, comme un devis.

La cadence dépasse Google : du 9 au 18 novembre, Anthropic, OpenAI et lui ont lancé les trois premiers modèles du classement d’Artificial Analysis. À ce rythme, la sûreté se transmet d’un modèle à l’autre, Neon restant couvert par l’évaluation d’Argon, qu’il vient de chasser du menu, en attendant le rapport complet promis. L’effet de compromis récompense l’option facile à justifier ; ici, la justification exige un calendrier, et l’échelle se redessine plus vite qu’on ne la compare.

Aller plus loin

Le point de départ reste Introducing Gemini 4 Neon, billet du 18 novembre signé par Koray Kavukcuoglu, qui situe le modèle entre Carbon et Hydrogen, aligne scores revendiqués, prix, canaux d’accès et indicateurs de sûreté, et avance deux coûts par tâche à confronter aux mesures indépendantes, 32 % sous Carbon et au moins 36 % sous les concurrents.

Les nuances se lisent dans Gemini 4 Neon - Model Card, fiche publiée par Google DeepMind qui établit la filiation avec Carbon, donne le tableau face à Opus 5.5 et à GPT-6.2 Sol, revers compris, reconnaît hallucinations et injections indirectes, et consigne les conclusions reprises d’Argon au titre du Frontier Safety Framework.

La provenance de chaque chiffre figure dans Gemini 4 Neon Model evaluation: Approach, methodology & results, document qui distingue les scores déclarés par les éditeurs concurrents, les harnais employés et les lignes calculées par Google lui-même, de SWE-sweep à GraphWalks, et précise que seules les évaluations de cybersécurité se passent des filtres de sécurité.

La mesure indépendante passe par Google continues to accelerate its release cadence with Gemini 4 Neon, analyse d’Artificial Analysis datée du 18 novembre, qui classe Neon troisième en xhigh, le dit égal à Carbon en réglage élevé pour moins de la moitié de son coût par tâche, calculé au tarif standard, et lui donne la tête de l’indice des agents de code, coûts d’Opus 5.5 et de Fable 5.2 à l’appui.

Le détail par réglage se trouve sur Gemini 4 Neon: Intelligence, Performance & Price Analysis, fiche de l’évaluateur qui donne pour chacun des quatre niveaux le score, les jetons de sortie consommés, la durée d’une tâche et le débit, et qui, toutes variantes comptées, place Neon au sixième rang sur 95 modèles.

Le paradoxe du jeton se vérifie dans Gemini 4 Neon vs GPT-6.2 Astra: Release Comparison, comparaison niveau par niveau où le modèle d’OpenAI, au jeton 2,7 fois plus cher, revient moins cher par tâche, plus lent à débiter mais plus prompt à conclure, faute d’écrire autant.

Côté développeurs, le billet Gemini 4 Neon in Google Antigravity précise les abonnements concernés et les quatre niveaux de réflexion, de Low à Extra High, et confie à Neon la planification d’une nouvelle déclinaison du mode Orchestrator, Hydrogen exécutant, en promettant un quota qui dure plus longtemps, sans chiffre.

Le sort des modèles précédents se lit dans Google launches Gemini 4 Neon with Carbon quality at Flash speeds, live for AI Pro, article de 9to5Google du 18 novembre qui décrit le nouveau sélecteur de l’application, le remplacement d’Argon, le départ définitif de Gemini 3.1 Pro et la promotion de 3.5 Flash-Lite en option Auto, sur lesquels le billet de Google reste muet.

Le mécanisme qui a dispensé Neon d’une évaluation complète est exposé dans le Frontier Safety Framework, version 3.1, publié le 17 avril 2026, qui décrit les évaluations de changement matériel de capacité, menées après chaque post-entraînement, et introduit des niveaux de capacité suivis, sous les niveaux critiques, dont celui que Google ne peut exclure pour Neon.

Ces lectures dessinent un modèle intermédiaire qui doit sa place près du sommet à la durée de sa réflexion, une économie par tâche dont l’ampleur, voire le signe, dépend de la semaine où l’on calcule, et une sûreté évaluée par héritage d’un modèle qu’il remplace. Elles apprennent surtout à dater chaque chiffre et à en nommer l’auteur, éditeur ou évaluateur, avant d’en tirer un classement, une préférence ou un devis.