Le génie incapable de dire « je ne sais pas »

Google a lancé Gemini 3 Flash mardi. Il génère un clone de Minecraft en 32 secondes. Claude Opus 4.5 prend cinq minutes. Le code n’est pas parfait, il y a un peu de clipping, quelques bogues de déplacement, mais voici l’essentiel : vous pourriez envoyer trois prompts de suivi pour les corriger et finir quand même avant qu’Opus ait terminé de réfléchir.

Ce n’est pas une amélioration mineure. C’est une catégorie d’outil différente.

Les chiffres

Laissez-moi vous donner les benchmarks, parce que c’est dans les benchmarks que l’histoire se cache.

Vitesse : Artificial Analysis le chronomètre à 218 tokens par seconde. C’est 22 % plus lent que Gemini 2.5 Flash, mais nettement plus rapide que GPT-5.1 High (125 t/s) ou DeepSeek V3.2 (30 t/s). Pour la plupart des usages, ça semble instantané.

Intelligence : 90,4 % sur GPQA Diamond (raisonnement de niveau doctorat). 33,7 % sur Humanity’s Last Exam. Ces scores le placent à un cheveu de Gemini 3 Pro et de GPT-5.2, des modèles qui coûtent quatre à six fois plus cher.

Programmation : 78 % sur SWE-bench Verified. Il bat Gemini 3 Pro (76 %). Relisez cette phrase. Le modèle bon marché bat le modèle cher en programmation.

Efficacité : Dans des tests en face à face, Flash a utilisé 2 600 tokens pour générer un terrain 3D. Pro en a utilisé 4 300 pour la même tâche, en prenant trois fois plus de temps. Flash ne coûte pas juste moins cher par token. Il utilise moins de tokens.

Prix : 0,50 $ US par million de tokens en entrée. 3,00 $ US par million en sortie. C’est le quart du coût de Pro, le tiers de GPT-5.2, le sixième de Claude Sonnet 4.5.

Artificial Analysis le classe maintenant au-dessus de Claude Opus 4.5 sur son indice d’intelligence. C’est le premier modèle à se loger dans ce qu’ils appellent le « quadrant idéal » : haute intelligence, haute vitesse. Le quadrant qui n’était pas censé exister encore.

Le piège

Il y a, bien sûr, un piège. Il y en a habituellement un avec les versions préliminaires.

Artificial Analysis maintient un benchmark d’hallucination : la fréquence à laquelle un modèle invente des réponses quand il devrait admettre son incertitude. Dans les premiers tests, Gemini 3 Flash Preview obtient 91 %. C’est un taux d’hallucination de trois points de pourcentage plus élevé que Gemini 2.5 Flash et Gemini 3 Pro.

Voici la tension intéressante : le même modèle qui a atteint la plus haute exactitude de connaissances de tous les modèles testés affiche aussi un taux d’hallucination plus élevé. Il en sait plus, mais il est aussi plus confiant quand il ne devrait pas l’être.

C’est à surveiller. Les modèles préliminaires s’améliorent souvent sur ces métriques avant la sortie générale : le réglage de la calibration fait partie de la phase de polissage. Google pourrait très bien corriger ça avant que le modèle sorte de la préversion.

Cela dit, pour l’instant, la vérification compte. Si vous utilisez Flash pour quoi que ce soit qui exige de l’exactitude factuelle, traitez-le comme un collègue brillant mais trop sûr de lui : faites confiance au raisonnement, vérifiez les faits.

L’inversion de l’efficacité

L’ancien modèle de tarification de l’IA avait un sens intuitif : plus d’intelligence coûtait plus d’argent. Vous payiez pour la capacité. Les modèles bon marché étaient des compromis, assez bons pour les tâches simples, pas des outils sérieux.

Gemini 3 Flash inverse tout ça.

Test après test, il produit de meilleurs résultats avec moins de tokens en moins de temps que des modèles qui coûtent six fois plus cher. Une application météo : 24 secondes, 4 500 tokens, un beau résultat. Gemini 3 Pro : 67 secondes, 6 100 tokens, une sortie moins bonne. C’est arrivé à répétition.

Le modèle cher n’est pas juste plus lent. Il est moins efficace. Il réfléchit plus, produit plus de tokens, prend plus de temps, et arrive souvent à une réponse inférieure.

Nous payions une taxe, une taxe de vitesse, une taxe d’efficacité, sur la prémisse que plus cher voulait dire plus capable. Cette prémisse est maintenant empiriquement fausse pour une classe de tâches significative.

(Une nuance : Flash 3 utilise plus du double des tokens de Flash 2.5 sur les benchmarks d’intelligence. Les gains d’efficacité sont relatifs à Pro, pas à son prédécesseur. Vous échangez un peu d’efficacité contre beaucoup plus de capacité.)

Le modèle par défaut

Google a fait de Gemini 3 Flash le modèle par défaut de l’application Gemini. C’est maintenant lui qui propulse le mode IA de la recherche Google. Des centaines de millions d’utilisateurs frappent ce modèle sans le savoir.

C’est le genre de geste qu’on pose quand les économies sont irrésistibles. La grande majorité des requêtes de recherche n’ont pas besoin d’un raisonnement de niveau Pro. Flash les traite plus vite, à moindre coût et, apparemment, tout aussi bien. Le calcul est évident. Le déploiement est évident. Les implications concurrentielles sont importantes.

Les entreprises de programmation agentique, Windsurf, Cursor, Cognition, ont passé des mois à bâtir des modèles spécialisés pour la génération de code. Des modèles rapides, abordables, bons en code. Puis Google en a lancé un qui est gratuit dans bien des contextes, plus rapide que la plupart, et mieux classé aux benchmarks que leurs solutions maison.

Voilà à quoi ressemble la commoditisation en temps réel.

Ce que ça signifie

Voici ce que je crois que nous observons :

L’écart de performance entre l’IA « premium » et l’IA « économique » s’effondre plus vite que n’importe quel cycle de planification ne peut l’absorber. Le modèle que vous avez budgété au T1 est une commodité au T3. Le système spécialisé que vous bâtissez pourrait être surpassé par une offre gratuite avant même d’être livré.

Le problème d’hallucination est réel et non résolu. Pour les tâches qui exigent de l’exactitude factuelle, la recherche, le juridique, le médical, le financier, Flash est dangereux précisément parce qu’il a l’air si confiant. La vitesse même qui le rend utile le rend risqué pour certaines applications.

Les gains d’efficacité ne sont pas incrémentaux. Utiliser moins de tokens pour de meilleurs résultats, ce n’est pas une amélioration de 10 %. C’est un changement structurel dans la façon d’intégrer ces outils aux flux de travail. Les anciens réflexes, longs prompts, instructions verbeuses, raffinement itératif, sont peut-être des artefacts d’une époque plus lente.

La vitesse change les comportements. Quand un modèle répond en deux secondes plutôt qu’en trente, vous l’utilisez autrement. Vous expérimentez plus. Vous itérez plus vite. Vous posez des questions que vous n’auriez pas pris la peine de poser. Le basculement psychologique d’« oracle coûteux » à « collaborateur instantané » est au moins aussi important que les benchmarks.

La question inconfortable

Gemini 3 Flash n’est pas le meilleur modèle en tout. Il hallucine sérieusement. Il n’est pas idéal pour les bases de code complexes multi-fichiers, où Claude garde une longueur d’avance. Il exige de la vérification pour tout ce qui est factuel.

Mais il est rapide, il est abordable, il est multimodal, il est efficace, et il est maintenant gratuit pour la plupart des usages grand public.

La question inconfortable n’est pas de savoir si ce modèle est bon. Il l’est, clairement.

La question inconfortable, c’est de savoir quelles hypothèses nous avons intégrées à nos outils, à nos flux de travail, à nos modèles d’affaires et à nos plans de carrière en tenant pour acquis que la capacité de l’IA resterait chère et lente.

Il reste environ six mois à ces hypothèses.