Google avait besoin d'une réponse. Depuis plusieurs mois, OpenAI et Anthropic grignotent des parts de marché en entreprise, notamment sur les usages de coding et d'automatisation complexe. La réponse s'appelle Gemini 2.5 Flash, et elle est arrivée à Google I/O 2026 avec deux arguments : de meilleures performances que le Pro précédent, et un tarif conçu pour faire mal à la concurrence.
Des chiffres qui dépassent le modèle Pro
Ce qui retient l'attention, c'est que Flash surpasse Gemini 2.1 Pro sur les benchmarks les plus représentatifs des usages agentiques. Sur Terminal-Bench, il atteint 76,2 %. Sur GDPval-AA, il enregistre un Elo de 1656. Sur MCP Atlas, il score 83,6 %. Des résultats publiés directement dans le Google Cloud Blog et dans les notes de version de l'API Gemini.
Terminal-Bench et MCP Atlas mesurent spécifiquement la capacité d'un modèle à raisonner sur de longues séquences d'actions, à utiliser des outils externes et à mener des tâches à bien sans intervention humaine constante. Ce sont précisément les critères qui comptent quand une équipe d'ingénieurs cherche à automatiser des workflows entiers plutôt que de simplement générer du texte. Un modèle Flash qui dépasse un Pro sur ces métriques, c'est un positionnement assumé : Google mise sur la vitesse et l'efficacité plutôt que sur la puissance brute.
La tarification comme argument stratégique
La performance seule ne suffit pas à convaincre les directions techniques. Google le sait, et c'est là que la grille tarifaire devient centrale. L'entreprise positionne Gemini 2.5 Flash pour les tâches agentiques longues à moins de la moitié du coût des modèles comparables sur le marché. En parallèle, l'abonnement Ultra, qui donne accès aux modèles les plus avancés de la famille Gemini, passe de 250 à 200 dollars par mois, soit une réduction de 20 %.
Ce geste tarifaire s'adresse autant aux développeurs individuels qu'aux équipes en entreprise. Dans un segment où GPT-4o et Claude Opus se disputent les mêmes clients, chaque point de différence de prix se traduit concrètement dans les lignes budgétaires des DSI. Google joue sur les deux tableaux : un modèle plus performant sur les cas d'usage qui comptent, moins cher à faire tourner.
Un marché agentique à conquérir
L'enjeu dépasse le simple lancement de produit. Les tâches agentiques longue durée, celles où un modèle doit enchaîner des dizaines d'étapes, appeler des API, corriger ses propres erreurs et produire un résultat cohérent plusieurs minutes plus tard, sont en train de devenir le vrai terrain de compétition entre les grands labs. OpenAI a investi massivement dans cette direction avec ses agents et ses capacités de browsing. Anthropic a positionné Claude comme fiable et sûr sur les workflows critiques. Google tente de s'imposer avec un modèle qui combine vitesse, coût réduit et scores élevés sur des benchmarks directement liés à ces usages.
La vraie question qui se pose aux équipes qui évaluent ces modèles n'est plus de savoir lequel génère le meilleur paragraphe, mais lequel tient la distance sur une tâche complexe sans déraper. Les benchmarks comme MCP Atlas ou Terminal-Bench sont justement conçus pour simuler ces conditions. Que Gemini 2.5 Flash y surpasse son propre grand frère Pro donne à Google un argument solide, à condition que les performances se confirment hors des conditions de test contrôlées.
Les prochaines semaines diront si les équipes techniques en entreprise font le saut. Google a posé ses pions à Google I/O ; c'est désormais dans les évaluations internes des clients que se jouera la réalité de ce repositionnement.
