Gemini

Gemini, l’IA de Google

Gemini est la famille de modèles d’intelligence artificielle générative développée par Google, et plus précisément par Google DeepMind — le laboratoire né de la fusion de DeepMind et de Google Brain, qui concentre la recherche de Google sur les grands modèles, du moteur de raisonnement aux modèles spécialisés image, vidéo, audio et robotique.

Le mot « Gemini » recouvre deux réalités qu’il faut distinguer : d’un côté une famille de modèles accessibles aux développeurs et aux entreprises via une interface de programmation (API) et le cloud de Google ; de l’autre une constellation de produits grand public et professionnels — application web et mobile, assistant vocal, intégration bureautique — qui s’appuient sur ces modèles.

Une caractéristique distingue Gemini : la multimodalité native. Les modèles principaux acceptent en entrée, simultanément, du texte, des images, de la vidéo, de l’audio et des documents PDF, et restituent du texte. Cette polyvalence est intégrée dès la conception du modèle — et non ajoutée après coup —, ce qui permet d’analyser un même document mêlant graphiques, tableaux et texte, ou une vidéo accompagnée d’une note, sans outils séparés.

Les surfaces produit : par où passe Gemini

Gemini se manifeste à travers une dizaine de points d’accès, du chatbot grand public à la plateforme d’entreprise. L’enjeu, pour un dirigeant, est de relier chaque surface à un usage et à une population d’utilisateurs.

Deux surfaces structurent l’usage en entreprise. Gemini dans Google Workspace intègre l’IA directement dans Gmail (résumés, rédaction), Docs (premiers jets), Sheets (formules), Meet (notes automatiques) et Slides — la voie la plus naturelle pour les organisations déjà équipées. Vertex AI (la plateforme Google Cloud, désormais « Gemini Enterprise Agent Platform ») sert à développer et déployer des modèles à grande échelle ; particularité notable, elle ne se limite pas à Gemini et donne accès à des modèles tiers (Claude, Llama, Mistral), avec réglage fin, inférence et supervision.

À cela s’ajoutent l’assistant de recherche Deep Research (qui parcourt des centaines de sites pour produire des rapports de plusieurs pages, dans 150 pays et 45+ langues), Gemini Notebook — le nouveau nom de NotebookLM depuis juillet 2026, qui raisonne uniquement sur les documents fournis et embarque désormais un environnement d’exécution sécurisé par carnet (exécution de code, analyse de données) —, les Gems (assistants configurables et persistants), et Canvas (création interactive d’apps, infographies, tableaux de bord). Deux outils de gouvernance complètent l’ensemble : Google-Extended (contrôle pour les éditeurs web sur l’usage de leurs contenus en entraînement) et SynthID (filigrane invisible identifiant les contenus générés par IA).

L’été 2026 marque par ailleurs une extension de Gemini à toutes les surfaces Google : selon la presse spécialisée, depuis le 10 juillet, les réponses de la recherche Google sont générées par Gemini 3.5 Flash pour l’ensemble des requêtes (réponse rédigée avec citations, en lieu et place de la liste de liens) ; Gemini s’intègre aussi à Chrome sur Android (dont un agent « auto browse » qui exécute des tâches web), et les capacités de pilotage d’ordinateur (computer use) arrivent dans Gemini 3.5 Flash pour automatiser des interfaces sans API.

La lignée des modèles

La gamme est segmentée en trois familles de performance, déclinées sur plusieurs générations, selon le compromis puissance / vitesse / coût : Pro (tâches complexes, agentique, code avancé), Flash (équilibre performance / coût pour les volumes), Flash-Lite (le plus rapide et économique).

Au-delà des modèles de texte, l’écosystème compte une large gamme de modèles spécialisés : image (Nano Banana 2 / 2 Lite / Pro — Imagen 4 est déprécié, extinction annoncée au 17 août 2026), vidéo (Veo 3.1, séquences cinématiques 1080p/4K avec audio synchronisé — Veo 3 et Veo 2 sont éteints depuis fin juin —, plus Gemini Omni Flash pour la vidéo conversationnelle), audio (Live Translate, traduction parole-à-parole en temps réel sur 70+ langues, modes Live, synthèse vocale), embeddings multimodaux (Gemini Embedding 2 : texte, image, audio, vidéo), musique (Lyria 3) et des modèles agentiques dédiés (computer use, Deep Research, robotique). Un modèle spécialisé cybersécurité (Gemini 3.5 Flash Cyber) existe en accès restreint (gouvernements et partenaires). Côté modèles ouverts exécutables en local, Google a lancé Gemma 4 12B (vision + voix, ~16 Go de mémoire).

Réserve de transparence : relevé du 27 juillet 2026. Gemini 3.5 Pro n’est toujours pas disponible — les caractéristiques qui circulent à son sujet (contexte de 2 M de tokens, Deep Think intégré) sont des rumeurs non confirmées, à ne pas prendre pour acquises. La généralisation de Gemini à la recherche Google (10 juillet) est rapportée par la presse spécialisée ; le billet officiel Google correspondant n’a pas été localisé à date.

Les capacités chiffrées

Deux capacités déterminent ce que Gemini peut traiter en une fois.

La fenêtre de contexte est la quantité d’information prise en compte simultanément — la « mémoire de travail » du modèle. Les modèles 3.1 Pro, 3.5 Flash et 3.1 Flash-Lite affichent 1 million de tokens en entrée et 64 000 en sortie.

Un million de tokens représente l’ordre de plusieurs milliers de pages : on soumet un contrat volumineux, un corpus documentaire entier ou plusieurs heures de transcription en une seule requête, sans découper le contenu. La seconde capacité, la multimodalité native, permet de soumettre ensemble une vidéo et une note écrite, ou un rapport mêlant graphiques et tableaux, et d’obtenir une analyse unifiée — la génération d’images, de vidéos ou de musique passant, elle, par les modèles spécialisés.

La grille tarifaire de l’API

Par l’API, la facturation se fait au million de tokens (Mtok), séparément pour l’entrée et la sortie. Trois mécanismes influent sur la facture : pour les modèles Pro, le tarif augmente au-delà de 200 000 tokens de prompt ; le context caching réutilise à coût réduit une portion de contexte stable (moyennant un stockage horaire) ; le mode Batch (différé) réduit le coût d’environ moitié.

Les modèles Pro affichent deux prix : le premier pour un prompt ≤ 200k tokens, le second au-delà. Un palier gratuit (free tier) donne accès, via Google AI Studio, à plusieurs modèles (3.5 Flash, 3.1 Flash-Lite, gamme 2.5) — contrepartie à connaître : les contenus y sont réutilisés pour améliorer les produits Google, à proscrire pour toute donnée sensible.

Les abonnements

Au-delà de l’API, Gemini se commercialise par abonnement, avec deux univers : grand public et entreprise.

Prix relevés le 27 juillet 2026 sur les pages françaises officielles (gemini.google/subscriptions et workspace.google.com). Restent à valider avant décision : le détail des quotas exacts par palier Ultra et la disponibilité en France de certaines fonctions récentes (Deep Think, Project Genie).

Cas d’usage métier

L’éventail des surfaces se traduit en applications concrètes selon les fonctions.

Le choix du modèle suit la nature de la tâche : Flash-Lite pour le volume et la latence, Flash (désormais 3.6) pour la majorité des usages avec raisonnement, Pro / Deep Think pour les analyses les plus exigeantes. La création de contenu (images, vidéo, audio) mobilise les modèles média dédiés.

Quand une autre approche est préférable

Gemini n’est pas la réponse universelle. Plusieurs situations justifient d’examiner d’autres options, sans jugement de valeur.

En synthèse, Gemini est une famille de modèles multimodaux natifs (texte, image, vidéo, audio, PDF) à fenêtre de contexte d’un million de tokens, accessible par trois grandes voies : l’application Gemini, l’intégration Workspace et la plateforme API / Vertex AI (cette dernière ouverte à des modèles tiers). L’été 2026 confirme une stratégie de déploiement massif — Gemini alimente désormais la recherche Google, Chrome et les agents « computer use » — portée par le nouveau modèle de travail courant Gemini 3.6 Flash, tandis que le phare Gemini 3.5 Pro se fait attendre. Les choix structurants portent sur la voie d’accès, le régime de coût et les contraintes de souveraineté — plusieurs modèles restant en statut Preview à valider avant un déploiement critique.