Le 28 octobre 2026, Google a annoncé Gemini 4 Carbon, son modèle le plus capable à ce jour. Particularité du lancement : il n’arrive pas dans votre IDE. Carbon part d’abord chez une poignée de défenseurs en cybersécurité, avant tout accès pour les développeurs, les entreprises et le grand public.

Deux semaines après Gemini 4 Argon, Carbon en reprend l’architecture et pousse deux curseurs : la cybersécurité et les tâches d’ingénierie longues. Google parle de runs de « plusieurs jours » en interne pour venir à bout de bugs subtils dans de grosses bases de code et sur des systèmes bas niveau.

Les chiffres publiés

Carbon prend la première place de l’Artificial Analysis Intelligence Index v5.0, avec un score de 59. Sur les benchmarks cyber, Google revendique trois têtes d’affiche :

  • SEC-bench Pro : 88,2 % — trouver des vulnérabilités réelles dans du logiciel de production.
  • ExploitGym : 54,8 % — vérifier qu’une faille est vraiment exploitable.
  • CWE-bench : 71,0 % — produire un patch qui corrige la cause racine.

Côté code, le gain annoncé est de plus de 2× sur la génération de code sécurisé face à Argon, sur benchmarks internes. L’équipe Chrome rapporte que Carbon a produit plus de 10× plus de patchs de qualité qu’un grand modèle frontier d’un autre laboratoire, et Wiz le voit en tête sur le pentest web. Sur WebDev Arena, Carbon prend la 4ᵉ place à 1769 elo (+89 points).

Pourquoi c’est important

Parce que le cyber devient le premier terrain de déploiement d’un modèle frontier. Jusqu’ici, les labos sortaient leurs modèles vers des API et laissaient la sécurité se débrouiller. Là, Google inverse l’ordre : l’accès commence par un sous-ensemble de défenseurs, puis s’élargira via le Fairwind Program. La société dit aussi participer au processus volontaire de test pré-publication du gouvernement américain.

Le sous-texte est clair : un modèle capable de trouver et d’exploiter des failles à 88 % et 54 % est aussi un outil offensif. Le déployer d’abord chez ceux qui patchent, c’est gagner du temps de défense avant que l’outil ne fuite.

Le volet alignement est inhabituellement détaillé : sur Terminal-Bench 4.0, les tricheries réussies tombent à 0,0 % (0,4 % de tentatives), les alertes de misalignement grave chutent de près de 80 % en environnement interne, les affirmations non étayées sont divisées par deux face à Argon. Sur le benchmark d’injection de prompt indirect de Gray Swan, Carbon tombe à 0,0 % de taux de réussite d’attaque, contre 0,7 % pour Argon.

Ce que ça implique pour les devs et le web

Vous ne pourrez pas l’appeler demain. Google annonce un accès « dès que possible » aux surfaces produit, sans date. Le prix de lancement est en revanche connu : 2 $ le million de tokens en entrée, 10 $ en sortie, entrée cachée à −95 %. Exactement le tarif d’Argon — pas de prime à la capacité.

Le vrai signal, c’est le workflow. Un modèle qui trouve, valide et patche enchaîne les trois étapes du cycle de vie d’une vulnérabilité : vos audits et vos tickets CVE deviennent machine-first. La compétence qui monte n’est pas « écrire le patch », c’est vérifier la sortie du modèle avant de la merger.

Et ne prenez pas le 0,0 % pour une garantie. C’est un benchmark sur le périmètre testé par Google, pas une propriété de votre app. Un agent qui lit du contenu non fiable garde ses principes : moindre privilège, validation des sorties.

Reste la question de fond : à quel moment un modèle qui excelle à trouver des failles devient-il une arme trop disponible ? Google n’y répond pas, mais son ordre de déploiement est une réponse.

Source