Ce que vous pouvez faire avec Google Argon aujourd’hui : guide pratique de Gemini 4 Argon

18 octobre 2026

Un complément pratique de notre chronologie d’Argon. Chaque capacité ci-dessous renvoie à une page de doc, un article de blog ou un post X officiel de Google, et chaque section se termine par une première étape concrète.

Au 18 oct. 2026, vous pouvez utiliser Gemini 4 Argon via l’API Gemini payante et Google AI Studio, dans Antigravity, l’app Gemini et le mode IA avec la bonne offre Google AI, avec jusqu’à 1M de tokens de sortie en une seule réponse via l’exécution en arrière-plan, mais pas pour la génération d’images ou d’audio, la Live API ni la mise en cache explicite du contexte.

Lu le 2026-10-18 : la page du modèle de l’API Gemini et la page « What’s new » (dernière mise à jour le 2026-10-16 UTC), la fiche du modèle DeepMind, l’article de blog de Google du 13 oct., et les publications officielles sur X de @GeminiApp, @Google, @antigravity et @GoogleDeepMind. Nous n’avons pas exécuté Argon nous-mêmes ; les exemples de code sont ceux de Google, adaptés seulement par raccourcissement. L’éligibilité aux offres et les quotas changent souvent : vérifiez votre compte avant de vous y fier.

Pour commencer : ce qu’est Argon

Gemini 4 Argon est le modèle de raisonnement phare de Google, avec l’identifiant d’API gemini-4-argon. L’article de chronologie donne le récit daté de son lancement. Cet article parle d’usage. Le modèle prend en entrée du texte, des images, de la vidéo, de l’audio et des PDF et renvoie du texte. La page du modèle de Google liste comme pris en charge l’exécution de code, l’appel de fonctions, les sorties structurées, la recherche de fichiers, l’ancrage par la Recherche, Grounding with Google Maps, le contexte d’URL et l’usage d’ordinateur (marqué Preview), et liste comme non pris en charge la génération d’images, la génération d’audio et la Live API. La mise en cache explicite du contexte ne l’est pas non plus ; la mise en cache implicite, si.

Ces limites façonnent ce que veut dire « faire quelque chose avec Argon ». Il peut écrire le code, raisonner sur les documents, planifier les étapes et piloter d’autres outils, mais quand vous voyez des images, des modèles 3D ou de la voix dans les démos de Google, ce sont d’autres modèles ou outils qui les ont produits. Le blog le dit lui-même : le jeu de course de bureaux a utilisé Blender via MCP pour la modélisation, Nano Banana pour les textures et Gemini Omni Flash pour le son des moteurs, Argon orchestrant. Considérez Argon comme le planificateur et le programmeur de cette pile.

1. L’appeler depuis l’API Gemini (développeurs)

L’accès à l’API se fait dans l’offre payante ; la doc de Google indique qu’Argon n’est pas disponible dans l’offre Free. Créez une clé d’API dans Google AI Studio, puis envoyez une requête à l’Interactions API. Le démarrage rapide de Google tient en trois lignes de Python : créer un client, appeler client.interactions.create avec le modèle gemini-4-argon et une chaîne d’entrée, puis afficher interaction.output_text. L’exemple de Google est un prompt demandant d’écrire un script three.js qui rend un trou noir en 3D avec lentille gravitationnelle, ce qui sert aussi de test de fumée, puisqu’on voit dans un navigateur si le rendu a fonctionné.

Le niveau de réflexion par défaut documenté est medium, avec une limite de sortie par défaut de 65 536 tokens. Google vous dit de retirer temperature, top_p et top_k de vos requêtes, car ils sont ignorés, et de porter tout max_output_tokens explicite inférieur à 32K à au moins 32 768, car Argon peut consacrer plus de la limite à la réflexion que les modèles précédents. Les délais d’attente des clients HTTP devraient être d’au moins 15 minutes pour les prompts difficiles, sinon utilisez l’exécution en arrière-plan.

Obtenez une clé de l’offre payante dans Google AI Studio et exportez-la sous GEMINI_API_KEY.
Envoyez la requête du démarrage rapide avec le modèle gemini-4-argon et une tâche dont vous pouvez vérifier la sortie, comme une petite scène three.js ou un test unitaire qui échoue.
Lancez le même prompt avec thinking_level low, medium et high, et notez qualité, latence et consommation de tokens. Google conseille de choisir le niveau le plus bas qui atteint votre exigence.
Gardez l’état multi-tours côté serveur avec previous_interaction_id, comme le recommande la liste de contrôle de migration.

2. Utiliser les niveaux de réflexion comme réglage de coût et de qualité

Google décrit trois niveaux. Low utilise le moins de tokens et a la latence la plus faible, adapté aux tâches plus simples et au travail sensible aux coûts, avec une qualité qui peut baisser sur les tâches difficiles. Medium est le défaut et le choix recommandé pour la plupart des tâches, y compris le code complexe et l’usage agentique. High utilise le plus de tokens et a le premier token le plus lent, et vise le raisonnement difficile, les mathématiques, les sciences et les tâches de code ou d’agent les plus ardues. Google recommande de lancer votre propre évaluation aux trois niveaux.

Comme les tokens de réflexion sont facturés comme tokens de sortie à 10 dollars le million jusqu’au 30 novembre 2026 puis 20 dollars le million ensuite, le niveau est aussi votre contrôle du prix. La mise en cache implicite est activée par défaut pour les prompts d’au moins 4 096 tokens et réduit de 95 % l’entrée mise en cache en cas de succès : gardez donc les longues instructions stables au début du prompt et ne variez que la fin.

3. Générer de très longues sorties avec le décodage long

La capacité vedette est une réponse unique dépassant 64K tokens, jusqu’à 1M de tokens moins votre entrée, dans une seule fenêtre partagée de 1 048 576 tokens pour l’entrée, la réflexion et la sortie. La méthode est l’exécution en arrière-plan : mettez background à true et max_output_tokens au-dessus de 65 536 dans generation_config. L’exemple de Google demande une preuve complète et rigoureuse du théorème des nombres premiers avec max_output_tokens à 262 144 et thinking_level high. Le modèle génère par sauts allant jusqu’à 64K tokens, chacun prolongeant le précédent, et les serveurs de Google exécutent les sauts pour vous.

Deux pièges pratiques sont documentés sur la page. Premièrement, si vous mettez background à true sans max_output_tokens, le serveur s’arrête après 64K tokens. Deuxièmement, chaque saut ajoute une étape model_output : il faut donc joindre le texte de toutes ces étapes quand le statut de l’interaction n’est plus in_progress ni queued. Interrogez avec interactions.get toutes les quelques secondes, comme le fait l’exemple. Le décodage long est pour les tâches où la longueur est le but, comme un plan de refonte multi-fichiers, un long brouillon de preuve ou la réécriture d’un grand document ; pour les questions ordinaires, le défaut coûte moins cher.

Copiez l’exemple de décodage long de Google pour votre langage.
Réglez max_output_tokens sur 131 072 ou 262 144, la plage que Google suggère pour le raisonnement et le code complexes.
Interrogez jusqu’à ce que le statut quitte in_progress et queued, puis joignez tous les textes des étapes model_output.
Consultez usage dans la réponse pour voir ce que l’exécution a coûté avant de passer à l’échelle.

4. L’exécuter comme agent dans Antigravity ou Managed Agents

Google dit qu’Argon dans Antigravity a aidé des équipes à augmenter de plus de 35 % les soumissions de code agentique tout en réduisant de près d’un tiers les retours en arrière ; c’est une affirmation interne de Google et nous ne l’avons pas testée. Ce que vous pouvez faire aujourd’hui est plus modeste. Si vous êtes abonné Google AI Ultra, le blog dit que vous pouvez essayer Argon dans Antigravity et AI Studio. Le 15 octobre, le compte officiel @antigravity a dit qu’Argon avait aussi été déployé pour les abonnés payants Google AI Pro, avec un quota Argon hebdomadaire distinct à côté du quota Flash existant.

Pour un usage piloté par le code, il y a la voie Gemini Managed Agents de la page « What’s new » : appelez l’Interactions API avec agent réglé sur antigravity-preview-09-2026, environment sur remote et agent_config indiquant le type antigravity et le modèle gemini-4-argon. L’exemple de Google demande à l’agent d’auditer un site web pour la performance et le SEO avec l’API PageSpeed Insights et la Recherche Google, et de renvoyer un tableau de bord. Google montre aussi des commandes slash comme /goal et des boucles multi-agents avec des skills personnalisées dans Antigravity pour des prototypes 3D et de jeux. Une première tâche raisonnable est une tâche bornée dont vous pouvez vérifier le résultat.

Confirmez votre offre dans l’application Antigravity et vérifiez le quota affiché pour Argon.
Choisissez une tâche avec un test réussi ou échoué, comme une suite de tests qui échoue ou un budget de performance.
Donnez-lui un fichier de skills ou de règles si votre projet en a un ; l’exemple ADK du blog de Google utilisait un livre de règles et un objectif d’un paragraphe.
Relisez vous-même les diffs. Google dit qu’Argon a été entraîné à faire une pause avant les étapes irréversibles, mais le relecteur, c’est vous.

5. Transformer des documents en quelque chose d’explorable dans l’app Gemini

Dans l’app Gemini et le mode IA, Argon est disponible pour les abonnés Google AI Ultra et Pro d’après l’article de blog du 13 octobre. Le compte officiel @GeminiApp montre deux usages concrets. Le 16 octobre, il a publié qu’on peut utiliser Canvas pour transformer des PDF denses en applications web interactives et animées à explorer à son rythme. Le 15 octobre, il a montré comment téléverser la photo d’un meuble avec des mesures approximatives et utiliser Canvas pour construire un studio de CAO 3D interactif avec des curseurs en direct et des fichiers STL imprimables exportables.

Le compte de Google a aussi montré un livre d’histoires fait à partir d’un PDF académique avec Nano Banana, Veo et Argon dans l’app Gemini, et une présentation construite à partir de 80 000 fichiers d’archives de la NASA dans Google Slides. Ce sont des démonstrations ; Google ne publie aucun taux de réussite. Un premier test sensé est un PDF que vous connaissez bien, comme votre propre article ou un manuel de produit, pour pouvoir vérifier chaque affirmation de la sortie.

Confirmez que votre offre de l’app Gemini est Google AI Pro ou Ultra et qu’Argon est sélectionnable.
Téléversez un PDF que vous connaissez et demandez à Canvas une explication interactive.
Parcourez le résultat et comparez les nombres avec la source avant de le partager.

6. Candidater aux programmes, s’ils vous concernent

Deux candidatures sont ouvertes d’après l’article de Google du 13 octobre. Les scientifiques et chercheurs peuvent demander le niveau d’usage le plus élevé de Google Antigravity gratuitement pendant six mois ; Google dit que 10 000 scientifiques seront intégrés au fil de l’eau, sous réserve d’éligibilité, de capacité et de sélection. Les défenseurs cyber peuvent candidater au Fairwind Program pour obtenir Argon sans garde-fous cyber, au fil de l’eau. Le modèle public est la version protégée ; n’attendez pas le même comportement sur les prompts liés aux exploits.

Ce qu’il ne fera pas pour vous aujourd’hui

La génération d’images, la génération d’audio et la Live API ne sont pas prises en charge.
Le contenu mis en cache explicitement n’est pas accepté ; utilisez la mise en cache implicite.
Les réglages temperature, top_p et top_k sont ignorés.
L’offre gratuite de l’API ne l’inclut pas.
La sortie doit toujours être vérifiée : la fiche du modèle de Google dit qu’Argon peut halluciner et dépasser des délais, et sa date limite de connaissances est mars 2026.
Les résultats multi-jours et multi-agents des posts de Google, comme quatre agents terminant Minecraft en 27 heures, sont des démonstrations de recherche. Google ne les a pas publiés comme un produit que l’on peut activer.

Pour continuer la lecture

Tous les articles, du plus récent au plus ancien, sont sur l’index du blog Front.

Chronologie de Google Argon: Le lancement de Gemini 4 Argon par Google consigné dans l’ordre des dates.
Choisir une alternative à Blender: Le guide général pour choisir un outil 3D.
Blender ou Spline: Comparaison directe pour la 3D dans le navigateur.
Grok 4.8 : ce que xAI a réellement dit: Les publications de xAI de Grok 4.5 à 4.7 et les déclarations sur la 4.8.
L’IA et les mathématiciens, au fil du temps: La chronique plus complète de l’IA et des mathématiques de recherche en octobre 2026.

Questions fréquentes

Quel est l’identifiant de modèle de Gemini 4 Argon ?

gemini-4-argon, d’après la page du modèle de l’API Gemini. La chaîne de version stable est identique.

Puis-je essayer Argon gratuitement ?

Pas via l’API : la doc de Google dit qu’il n’est pas disponible dans l’offre Free. L’accès grand public dans l’app Gemini et le mode IA exige Google AI Pro ou Ultra d’après le blog de Google.

Comment obtenir des sorties de plus de 64K tokens ?

Mettez background à true et max_output_tokens au-dessus de 65 536, puis interrogez l’interaction et joignez toutes les étapes de texte model_output, comme dans l’exemple de décodage long de Google.

Argon peut-il générer des images ?

Non. La page du modèle liste la génération d’images comme non prise en charge ; les images et l’audio des démos de Google viennent d’autres modèles comme Nano Banana.

Quand le prix augmente-t-il ?

Le 1er décembre 2026 : de 2 à 4 dollars par million de tokens en entrée et de 10 à 20 dollars par million de tokens en sortie, à la fin de la période de lancement le 30 novembre 2026.