Gemini 4 Carbon et /swarm : Google mise sur les équipes d'agents IA

Ce que Google a annoncé ce mardi

Le 10 novembre 2026, Google a rendu Gemini 4 Carbon disponible aux développeurs, aux entreprises et au grand public. Le modèle avait été annoncé le 28 octobre, puis réservé deux semaines aux défenseurs en cybersécurité via le programme Fairwind. Désormais, il est accessible via l'API dans Google AI Studio et Gemini for business pour tous les clients payants, et il arrive dans l'application Gemini, le mode IA de la recherche et la plateforme Antigravity pour les abonnés Google AI Ultra.

Le positionnement est explicite : Gemini 4 Argon, lancé le mois dernier, reste le choix recommandé pour la majorité des tâches de développement et de travail intellectuel. Carbon, lui, est conçu pour les tâches « qui testent les limites de l'intelligence d'un modèle » : codage complexe en plusieurs étapes, débogage, recherche scientifique ouverte. Il utilise davantage de tokens pour explorer, raisonner en profondeur et enchaîner des boucles de vérification.

Côté tarif, Google joue l'agressivité : 2 $ le million de tokens en entrée et 10 $ en sortie pendant la période introductive, soit le même prix que le lancement d'Argon. À partir du 30 novembre, ces tarifs doublent (4 $ et 20 $). Selon The Verge, cela reste environ cinq fois moins cher que GPT-6 Astra d'OpenAI et quatre fois moins cher que Fable 5.2 d'Anthropic - au token près, car tous les modèles ne consomment pas le même nombre de tokens pour une même tâche.

Sur les benchmarks cités par Google, Carbon se classe n°1 sur CursorBench 4.0, sur WANDR de Perplexity et sur AutomationBench de Zapier, avec un coût par tâche plus de deux fois inférieur au meilleur modèle externe suivant. En cybersécurité, Google revendique la tête de SEC-bench Pro, ExploitGym et CWE-bench v1, et cite le cas de Wiz, qui aurait détecté des vulnérabilités 0-day chez deux grands fournisseurs SaaS en moins de deux heures. Côté sécurité du modèle, Google annonce un taux de réussite de 0 % sur le benchmark d'injection de prompt de Gray Swan - une première selon l'entreprise.

/swarm : une seule instruction, une équipe d'agents

L'annonce la plus intéressante n'est peut-être pas le modèle, mais ce qui l'accompagne. /swarm, lancé en preview dans Google Antigravity (l'application et la CLI), transforme une conversation unique en système d'agents coordonnés. La documentation détaille la mécanique :

1. Le coordinateur découpe la tâche. Il divise le travail en morceaux qui ne se chevauchent pas (un worker par fichier ou par paquet) et crée un agent nommé pour chacun - @parser, @api-tests, @docs.
2. Chaque worker reçoit un brief public. Ce qu'il possède, ce qu'il ne doit pas toucher, et à quoi ressemble un travail terminé. Chacun travaille dans sa propre copie du dépôt (git worktree) : les modifications ne peuvent pas entrer en collision.
3. Un vérificateur adverse contrôle le travail. En général un pour deux à quatre workers. Il lit les diffs, lance les tests et renvoie les problèmes au worker concerné, qui corrige.
4. Tout le monde parle sur un tableau partagé. Assignations, questions entre workers, résumés de diffs, résultats de tests : tout est posté sur un fil commun, en append-only. Pas de messages privés entre agents - toute la conversation de l'équipe reste visible et ordonnée.
5. Les agents inactifs dorment gratuitement. Un worker qui n'a rien à faire s'endort sans consommer de tokens et se réveille dès qu'on le mentionne. Un agent @monitor veille : si toute l'équipe se tait avant la fin du travail, il relance qui de droit.

Le tout reste observable : un panneau latéral affiche le fil en direct, la liste des membres avec leur modèle et leur état, et un graphe interactif des échanges que l'on peut rejouer du premier brief au code vérifié. Dans le terminal, /swarm board ouvre le tableau en plein écran.

La bonne intelligence au bon poste

Le détail qui donne corps à l'angle éditorial : dans un essaim, chaque agent peut être épinglé à un modèle différent. On peut donc réserver Carbon - qui raisonne lentement et coûte plus de tokens - aux rôles à forte valeur : coordination, conception d'architecture, audit de cybersécurité, vérification adverse. Et confier les modifications parallèles de fichiers et les tâches d'implémentation routinières à des modèles plus légers et plus rapides. Le message de Google est limpide : ce n'est plus le modèle qui fait la différence, mais la composition de l'équipe.

Les démonstrations fournies par Google illustrent le propos : à partir d'une seule instruction, une équipe Carbon a transformé des photos historiques et des planches d'ingénierie en une exposition 3D interactive (Three.js) de la construction de la Tour Eiffel ; une autre a reconstruit en 906 000 triangles les bureaux de la Platform 37 à partir de sept PDF d'urbanisme, en dix boucles nocturnes. En interne, cinq semaines de dogfooding ont vu des essaims s'attaquer à des migrations multi-paquets, des investigations de causes racines inter-sous-systèmes et des refontes d'architecture.

Les limites, y compris celles que Google reconnaît

• Preview. /swarm est lancé en preview, sans date de disponibilité générale. Google AI Pro y a accès, mais Carbon lui-même reste réservé aux abonnés Ultra côté grand public, sans date annoncée pour les autres paliers ni pour les utilisateurs gratuits.
• Le quota fond vite. Google avertit lui-même : chaque worker est un agent à part entière, et un essaim « consomme le quota beaucoup plus vite » qu'une conversation standard, même avec les veilles gratuites et le changement de modèle à chaud.
• Des benchmarks à prendre avec recul. Les chiffres de lancement sont ceux de Google, sur des benchmarks qu'elle a choisis - certains créés avec des partenaires. The Verge note que, sur les benchmarks cités lors de l'annonce du 28 octobre, Fable 5.2 devance Carbon sur la plupart des métriques. Et un prix au token inférieur ne garantit pas un coût par tâche inférieur : Carbon consomme volontairement plus de tokens pour raisonner plus longtemps.
• L'orchestration multi-agents n'est pas née hier. Des frameworks open source comme AutoGen ou CrewAI, et l'ADK de Google lui-même, explorent la coopération entre agents depuis des années. Ce qui change avec /swarm, c'est l'intégration native dans l'outil de développement : isolation par worktree, vérification adverse et observation en direct, sans rien assembler soi-même.

Pourquoi c'est important

Pendant deux ans, la compétition entre laboratoires s'est résumée à une question : qui a le modèle le plus intelligent ? Avec /swarm, Google propose un autre axe de course : qui orchestre le mieux ? Si l'approche tient ses promesses, la valeur ne se mesurera plus seulement en points de benchmark, mais en capacité à faire travailler ensemble des intelligences de calibres différents - un chef d'orchestre puissant entouré d'exécutants rapides et bon marché, le tout sous contrôle d'un vérificateur qui ne croit personne sur parole. Le prix introductif de Carbon, calqué sur celui d'Argon, suggère d'ailleurs que Google veut surtout verrouiller les habitudes de développement avant que les tarifs ne doublent. La suite à surveiller : si Anthropic et OpenAI répondent avec leurs propres orchestrateurs natifs, l'angle de cet article deviendra la norme de l'industrie.