Dans cet article
- Les nouveaux modèles Gemini de Google : ce que la sortie de juillet 2026 signifie pour votre entreprise
- Ce que Google a réellement lancé
- Gemini 3.6 Flash : le nouveau modèle de travail courant
- Gemini 3.5 Flash-Lite : bon marché et rapide à grande échelle
- Gemini 3.5 Flash Cyber : une IA qui colmate les failles de sécurité
- Ce que cela signifie pour votre entreprise
- Comment Origami construit avec ces modèles
Les nouveaux modèles Gemini de Google : ce que la sortie de juillet 2026 signifie pour votre entreprise
Le 21 juillet 2026, Google a publié trois nouveaux modèles Gemini d'un coup : Gemini 3.6 Flash, un modèle de travail courant moins cher et plus efficace ; Gemini 3.5 Flash-Lite, l'option la plus rapide et la moins chère pour les tâches à fort volume ; et Gemini 3.5 Flash Cyber, un modèle spécialisé qui trouve et corrige les vulnérabilités de sécurité des logiciels. Pour un chef d'entreprise, l'essentiel est simple : faire tourner l'IA sur de grands volumes de travail vient de devenir nettement moins cher, et choisir le bon modèle pour chaque tâche compte désormais davantage que courir après le modèle le plus puissant.
Ce que Google a réellement lancé
Il ne s'agit pas d'un seul modèle phare, mais d'une famille destinée à des tâches différentes. Le secteur est passé de « le meilleur modèle gagne » à « le modèle le mieux adapté gagne » : la démarche avisée consiste à faire correspondre la gamme du modèle à la tâche, pour payer l'intelligence dont vous avez besoin, et pas davantage. Voici à quoi sert chacun des trois, et pourquoi cela vous concerne.
Gemini 3.6 Flash : le nouveau modèle de travail courant
Gemini 3.6 Flash se positionne comme le modèle généraliste pour la programmation, le travail intellectuel et les tâches multimodales (texte, images et autres). Son principal progrès est l'efficacité : Google indique qu'il utilise environ 17 % de jetons de sortie en moins que le précédent 3.5 Flash pour le même travail, et jusqu'à 65 % de moins sur un benchmark exigeant d'ingénierie logicielle (DeepSWE). Comme la plupart des factures d'IA sont tirées par les jetons de sortie, moins de jetons pour le même résultat signifie un coût effectif plus bas. Il coûte 1,50 $ par million de jetons en entrée et 7,50 $ par million de jetons en sortie. Pour votre entreprise, c'est le modèle à utiliser lorsque vous voulez une bonne qualité de rédaction, de résumé, d'analyse et de fonctions applicatives sans payer le prix d'un modèle phare.
Gemini 3.5 Flash-Lite : bon marché et rapide à grande échelle
Gemini 3.5 Flash-Lite est le modèle le plus rapide de la série 3.5, conçu pour le travail à faible latence et les tâches où un débit élevé compte. Google le facture seulement 0,30 $ par million de jetons en entrée et 2,50 $ par million de jetons en sortie, et il produit environ 350 jetons de sortie par seconde. Il accepte en entrée le texte, les images, l'audio et la vidéo, et une analyse indépendante situe sa fenêtre de contexte jusqu'à un million de jetons, de quoi lire des documents très longs en une seule passe. C'est le modèle de base de l'automatisation à fort volume : classer des milliers de tickets d'assistance, extraire des champs de factures et de contrats, traduire des catalogues, étiqueter des contenus ou faire fonctionner un chatbot de premier niveau. Quand chaque requête est simple mais que vous en avez énormément, cette gamme maintient la facture à un niveau bas.
Gemini 3.5 Flash Cyber : une IA qui colmate les failles de sécurité
Le troisième modèle est le plus frappant. Gemini 3.5 Flash Cyber est affiné spécifiquement pour trouver et corriger les vulnérabilités de cybersécurité dans le code, à un prix par jeton plus bas. Il fonctionne au sein du système CodeMender de Google, où plusieurs agents Flash Cyber collaborent pour détecter une faille et proposer un correctif. Pour l'instant, il n'est pas ouvert à tous : Google le propose exclusivement aux gouvernements et aux partenaires de confiance, dans le cadre d'un pilote à accès limité via CodeMender. Le signal pour tous les autres est clair : l'IA passe de l'écriture du code à son renforcement actif, et la correction automatisée des vulnérabilités devient une véritable catégorie que quiconque exploite des systèmes en ligne devrait suivre.
Ce que cela signifie pour votre entreprise
Trois enseignements pratiques. Premièrement, le coût : des jetons de sortie moins chers rendent réaliste l'automatisation de tâches à fort volume qui étaient jusque-là à la limite de la rentabilité, comme le traitement de documents, la traduction et le tri des demandes d'assistance, à raison de dizaines de milliers d'éléments par mois. Deuxièmement, le choix du modèle : vous n'avez plus besoin d'un seul modèle coûteux pour tout. Un système bien conçu oriente chaque tâche vers la bonne gamme : Flash-Lite pour le travail simple en masse, 3.6 Flash pour un travail général de qualité, et un modèle de pointe uniquement pour le raisonnement le plus difficile. Troisièmement, le choix et la résilience : Gemini est désormais une option sérieuse à côté des modèles que vous utilisez peut-être déjà, et concevoir votre système pour pouvoir changer ou combiner les fournisseurs vous protège des chocs de prix et de disponibilité venant d'un seul éditeur.
Une mise en garde s'impose : ce sont des modèles cloud généralistes. Ne collez pas de données sensibles sur vos clients ou vos finances dans des outils publics sans contrôles. La bonne pratique pour une entreprise consiste à connecter le modèle à ses systèmes via une API, avec un traitement des données clairement défini, et non à confier des données brutes à une application grand public.
Comment Origami construit avec ces modèles
Chez Origami, nous sommes une société technologique, et nous traitons les modèles comme des moteurs interchangeables, pas comme le produit. Lorsque nous construisons un assistant, une automatisation ou une fonction applicative, nous le concevons pour appeler le modèle qui convient à chaque étape (un modèle rapide et bon marché comme Flash-Lite pour l'extraction et la classification à fort volume, un modèle plus puissant là où le discernement est nécessaire), et nous le connectons à vos données via une API contrôlée plutôt que via une fenêtre de conversation publique. Vous profitez ainsi des économies des nouvelles gammes Gemini là où elles s'appliquent, de la qualité d'un modèle de pointe là où elle compte, et de la liberté de changer de moteur à mesure que les prix et les capacités évoluent. Si vous voulez savoir lesquels de vos processus méritent d'être automatisés avec ces modèles, c'est exactement par cette conversation que nous commençons.
Sources
- Google, présentation de Gemini 3.6 Flash, 3.5 Flash-Lite et 3.5 Flash Cyber (annonce officielle, 21 juillet 2026) : https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-6-flash-3-5-flash-lite-3-5-flash-cyber/
- Google DeepMind, modèles Gemini : https://deepmind.google
- Artificial Analysis, analyse des performances et des tarifs de Gemini 3.5 Flash-Lite : https://artificialanalysis.ai/models/gemini-3-5-flash-lite
Questions fréquentes
Qu'a annoncé Google le 21 juillet 2026 ?
Google a publié trois nouveaux modèles Gemini : Gemini 3.6 Flash (un modèle généraliste efficace pour le travail courant), Gemini 3.5 Flash-Lite (l'option la plus rapide et la moins chère pour les tâches à fort volume) et Gemini 3.5 Flash Cyber (un modèle spécialisé qui trouve et corrige les vulnérabilités de sécurité, proposé aux gouvernements et aux partenaires de confiance via CodeMender).
Combien coûtent les nouveaux modèles Gemini ?
Gemini 3.6 Flash coûte 1,50 $ par million de jetons en entrée et 7,50 $ par million de jetons en sortie. Gemini 3.5 Flash-Lite est bien moins cher, à 0,30 $ par million de jetons en entrée et 2,50 $ par million de jetons en sortie, ce qui le rend très adapté à l'automatisation à fort volume.
Quel modèle Gemini mon entreprise devrait-elle utiliser ?
Adaptez le modèle à la tâche. Utilisez Flash-Lite pour de grands volumes de travail simple, comme la classification, l'extraction, la traduction et la conversation de premier niveau ; 3.6 Flash pour un travail général de qualité, comme la rédaction et l'analyse ; et réservez un modèle de pointe au raisonnement le plus difficile. Un système bien conçu oriente automatiquement chaque tâche vers la bonne gamme.
Est-il sûr d'utiliser ces modèles avec les données de mon entreprise ?
Oui, si c'est fait correctement. Ne collez pas de données sensibles dans des outils de conversation publics. La bonne pratique consiste à connecter le modèle à vos systèmes via une API, avec des règles claires de traitement des données, afin que vous contrôliez ce qui est envoyé et stocké.
Suivez Origami sur Google
Ajoutez Origami à vos sources préférées : nos articles apparaîtront en premier pour vous dans la recherche Google et les actualités à la une.
