Il y a quelques mois encore, dans la nomenclature de Google, « Pro » désignait le haut du panier et « Flash » la vitesse accessible. Gemini 3.5 Flash vient de brouiller cette hiérarchie. Présenté lors de Google I/O 26, le modèle bat son aîné Gemini 3.1 Pro sur plusieurs benchmarks de référence dédiés aux tâches agentiques et au code, tout en restant moins cher à l'usage. Ce n'est pas un simple rafraîchissement de gamme.
Des scores qui dépassent la gamme Pro
Sur Terminal-Bench 2.1, qui évalue la capacité d'un modèle à opérer des tâches longues en environnement terminal, Gemini 3.5 Flash atteint 76,2%. Sur GDPval-AA, un benchmark mesurant les performances agentiques générales, il enregistre un score Elo de 1656. Sur MCP Atlas, dédié à l'orchestration multi-agents, il affiche 83,6%. Dans les trois cas, il devance Gemini 3.1 Pro.
Ces chiffres comptent parce qu'ils ciblent précisément ce qui devient le terrain de jeu central de l'IA en 2025 : les agents autonomes capables d'enchaîner des actions sur de longues séquences sans intervention humaine. Remplir un formulaire, naviguer dans un terminal, coordonner plusieurs outils via des protocoles comme MCP — c'est exactement ce type de workflow que les entreprises cherchent à automatiser. Gemini 3.5 Flash est construit pour ça.
La compréhension multimodale n'est pas laissée de côté : 84,2% sur CharXiv, un benchmark centré sur l'interprétation de graphiques et de figures scientifiques, positionne le modèle sérieusement face aux concurrents sur ce terrain aussi.
L'infrastructure au cœur du design
Google DeepMind insiste sur un point rarement mis en avant par les autres laboratoires : Gemini 3.5 Flash a été co-conçu avec l'infrastructure matérielle propriétaire de Google. Autrement dit, les TPU et les systèmes distribués de Google ne sont pas simplement le substrat d'entraînement — ils ont influencé les choix d'architecture du modèle lui-même.
Ce couplage matériel-logiciel rappelle ce qu'Apple fait avec ses puces M et ses modèles on-device, ou ce que fait NVIDIA en intégrant ses bibliothèques CUDA profondément dans ses GPU. Pour Google, l'avantage est double : optimiser les coûts d'inférence et créer une dépendance technique difficile à répliquer. Résultat affiché : un prix inférieur à la moitié de celui de modèles comparables, selon Google Cloud.
Cette accessibilité économique n'est pas anodine. Les tâches agentiques longue durée sont par définition consommatrices de tokens — un agent qui planifie, exécute, vérifie et corrige sur plusieurs dizaines d'étapes peut mobiliser des centaines de milliers de tokens par session. Si le coût à l'inférence est divisé par deux, les cas d'usage qui n'étaient pas rentables hier deviennent viables aujourd'hui.
Disponibilité et positionnement marché
Gemini 3.5 Flash est accessible dès maintenant via la Gemini API et Google Cloud, selon le blog Google Cloud. Le ciblage est explicite : développeurs et entreprises qui construisent des pipelines agentiques, des assistants de code autonomes, ou des systèmes d'automatisation complexes.
Sur ce segment, la concurrence est dense. OpenAI pousse ses modèles de la série o3 sur le raisonnement long, Anthropic met en avant Claude 3.7 Sonnet sur le code et les agents, et Meta a ouvert Llama 4 à l'usage commercial. Google joue ici sur deux leviers simultanément : la performance brute et le coût. C'est un pari cohérent pour un acteur qui veut convaincre les équipes engineering de migrer vers son écosystème cloud.
La gamme Flash de Google a toujours tenu sa promesse de vitesse. Avec Gemini 3.5, elle ajoute une prétention à la puissance brute sur les tâches qui comptent le plus pour les développeurs en 2025. Si les benchmarks se confirment en production, la distinction entre Flash et Pro risque de devenir moins évidente qu'elle ne l'était.
