Découvrez Gemini 4 Carbon, le nouveau modèle de Google qui redéfinit les standards de la cybersécurité et de l'ingénierie logicielle de longue durée.

Le 28 octobre 2026 marque une étape cruciale dans l'évolution de l'intelligence artificielle générative. Seulement deux semaines après le lancement de Gemini 4 Argon, Google a dévoilé Gemini 4 Carbon, un modèle qui ne se contente pas de suivre la lignée des LLM, mais qui redéfinit la frontière entre l'assistance au codage et l'ingénierie système autonome.
Contrairement aux modèles généralistes qui cherchent à tout savoir, Carbon a été conçu avec une mission spécifique : la robustesse, la sécurité et la résolution de problèmes complexes sur de longs horizons temporels. Ce modèle s'adresse directement aux ingénieurs DevOps, aux experts en cybersécurité et aux développeurs de systèmes critiques qui ont besoin d'une fiabilité dépassant les capacités des modèles actuels.
La véritable prouesse de Gemini 4 Carbon réside dans son entraînement pour le 'long-horizon engineering'. Là où les modèles conventionnels perdent le fil après quelques milliers de lignes de code, Carbon a été testé par les équipes internes de Google sur des durées s'étendant sur plusieurs jours. Il est capable de naviguer dans des bases de code massives, d'identifier des causes racines (root-cause analysis) et de déployer des correctifs sur des systèmes de bas niveau.
Cette capacité de persistance permet au modèle de ne pas simplement proposer des 'snippets' de code, mais de comprendre l'impact systémique d'une modification sur l'ensemble d'une architecture logicielle. Cette approche est complétée par une réduction drastique des erreurs de raisonnement lors de l'exécution de plans multi-étapes.
Les chiffres parlent d'eux-mêmes. Gemini 4 Carbon a atteint la première place de l'Artificial Analysis Intelligence Index v5.0 avec un score de 59. Sur le plan de la cybersécurité, le modèle affiche des résultats sans précédent : 88,2 % sur le SEC-bench Pro pour la détection de vulnérabilités et 71,0 % sur le CWE-bench pour l'application de correctifs.
L'amélioration par rapport à son prédécesseur, Argon, est spectaculaire, notamment avec un bond de +89 points Elo pour atteindre la 4ème place (1769) sur le WebDev Arena. Plus impressionnant encore, Carbon a réduit le taux de réussite des attaques par injection indirecte (Indirect Prompt Injection) à 0,0 % sur le benchmark de Gray Swan, là où Argon affichait encore 0,7 %. Enfin, le modèle a réussi l'exploit de ramener à 0,0 % les tentatives de triche réussies sur Terminal-Bench 4.0, tout en augmentant sa précision globale.
Malgré ses performances de niveau 'frontier model', Google maintient une stratégie de prix agressive et identique à celle de Gemini 4 Argon. Cette approche permet aux entreprises de scaler leurs opérations de sécurité sans explosion des coûts opérationnels.
Un point majeur pour les développeurs est l'optimisation du cache. Le coût des entrées mises en cache est réduit de 95 %, ce qui rend l'utilisation de contextes massifs (comme des dépôts de code entiers) extrêmement rentable pour les workflows de RAG ou d'analyse de codebase.
Gemini 4 Carbon n'est pas un simple chatbot. Son architecture est optimisée pour des agents autonomes capables de gérer des cycles de vie de développement complets. Il excelle dans l'audit de sécurité automatisé, où il peut scanner des infrastructures et proposer des correctifs validés.
Les ingénieurs peuvent également l'utiliser pour le débogage de systèmes critiques de bas niveau ou pour la génération de code sécurisé, avec un uplift de plus de 2x par rapport à Argon sur les benchmarks internes de sécurité. Le déploiement progressif via le programme 'Fairwind' garantit d'abord une utilisation par les défenseurs cyber avant une ouverture généralisée.
L'accès à Carbon suit un déploiement échelonné. Actuellement, le modèle est disponible pour un sous-ensemble de défenseurs cyber et de partenaires de confiance via le programme Fairwind. L'accès général pour les développeurs, les entreprises et le grand public est prévu dans les semaines suivant l'annonce.
Les développeurs pourront interagir avec le modèle via l'API Google AI Studio et les SDK Vertex AI habituels, en utilisant les mêmes endpoints que la famille Gemini 4.
API Pricing — Input: $2.00 per million tokens (introductory) / Output: $10.00 per million tokens (introductory) / Context: Input (Cache Hit): $0.10 per million tokens (95% off)