J'ai ouvert la page officielle de Gemini 3.5 Pro en espérant y trouver un tableau de benchmarks. Ce que j'ai eu à la place : un paragraphe de marketing et un grand vide — pas de model card, pas d'évaluations publiées, pas de tarification confirmée. Puis j'ai ouvert mes fils d'actualité, et ce même modèle sur lequel Google refuse de dire un mot faisait l'objet d'une centaine de publications : démos SVG fuitées, cotes de marchés prédictifs et captures d'écran d'un jeu 3D qu'il aurait soi-disant généré en un seul prompt.
Cet écart — entre le silence à la source et le vacarme partout ailleurs — c'est toute l'histoire de Gemini 3.5 Pro en ce moment. Alors laissez-moi vous donner la version directe d'abord, avant de passer aux choses amusantes.
Début juillet 2026, Gemini 3.5 Pro est le prochain modèle phare de raisonnement et de programmation de Google DeepMind. Il a été annoncé à la Google I/O le 19 mai 2026, vise une fenêtre de contexte de 2 millions de tokens et un mode de raisonnement « Deep Think », et sa disponibilité générale a glissé de juin à juillet. Il reste cantonné à une préversion entreprise limitée sur Vertex AI. Tout ce qui dépasse ces faits — la date de sortie exacte, les fuites de benchmarks, les rumeurs de modèle d'image — est non confirmé. Traitez-le comme tel.
J'ai testé chaque version publique de Gemini que Google a livrée dans ce cycle, de Gemini 3 avec Deep Think à une mise à niveau furtive de Gemini 3 Flash sur LMArena. Je n'ai pas testé 3.5 Pro, parce que personne en dehors d'un cercle de préversion ne le peut. Ceci n'est donc pas un test. C'est le guide de terrain d'un sceptique face à un lancement qui compte plus que la plupart — et un cadre d'analyse que vous pourrez réutiliser la prochaine fois qu'un labo se taira pendant qu'Internet remplit les blancs.
Pourquoi ce lancement précis pèse aussi lourd
Des lancements de modèles, il y en a en permanence. Celui-ci est différent à cause de ce qui se joue en coulisses.
Google DeepMind a passé le premier semestre 2026 à perdre ses talents seniors. Sur une seule fenêtre de 48 heures en juin, deux de ses chercheurs les plus reconnaissables sont partis. Noam Shazeer — l'un des auteurs de « Attention Is All You Need », l'homme derrière les premiers travaux de Google sur LaMDA — a annoncé son départ pour OpenAI. Quelques jours plus tard, John Jumper, co-lauréat avec le PDG de DeepMind Demis Hassabis du prix Nobel de chimie 2024 pour AlphaFold, a annoncé qu'il rejoignait Anthropic. Denny Zhou, fondateur de l'équipe raisonnement de Google Brain, était déjà parti chez Meta. Selon les informations de Fortune et d'Axios, cela fait six chercheurs partis chez Meta, OpenAI et Anthropic en environ cinq mois, et la nouvelle a fait chuter l'action Google de plus de 5 % en un seul lundi.
Ce qui relie cet exode au modèle passe par une décision interne. En avril 2026, Google a mis sur pied ce qu'il appelait en interne une « AI Coding Strike Team » — un groupe chargé spécifiquement de combler l'écart de Gemini face à Claude et OpenAI sur le codage agentique. Les articles de presse suggèrent que du calcul initialement réservé à la recherche en pré-entraînement à long horizon a été réalloué vers cette offensive commerciale sur le code. Certaines des personnes qui sont parties étaient précisément celles dont les priorités de recherche ont été déclassées.
Gemini 3.5 Pro n'est donc pas juste « le prochain Gemini ». C'est le premier modèle phare livré après cette réorganisation, par un labo qui essaie simultanément de prouver qu'il sait encore construire des modèles de pointe et qu'il sait retenir les gens qui les construisent. Cela fait beaucoup de narratif sur les épaules d'une seule sortie. Et le narratif est exactement ce qui rend le battage médiatique difficile à lire.
C'est pourquoi, avant de toucher à la moindre fuite, je veux tracer une ligne nette entre ce qui est réellement confirmé et ce qui n'est que du vent.
Ce qui est confirmé sur Gemini 3.5 Pro vs ce qui reste une rumeur
Laissez-moi séparer les deux proprement, parce que la plupart des articles les mélangent, et c'est comme ça que les gens finissent par croire des choses qui n'ont jamais été annoncées.
Ce que Google a réellement acté publiquement :
- Gemini 3.5 a été dévoilé à la Google I/O le 19 mai 2026, présenté comme « l'intelligence de pointe avec l'action ».
- Le palier Pro vise une fenêtre de contexte allant jusqu'à 2 millions de tokens — l'une des plus grandes jamais proposées par Google.
- Il embarque un mode de raisonnement « Deep Think », et Google a indiqué que la chaîne de raisonnement est visible pour les développeurs et peut être plafonnée pour maîtriser le coût de calcul.
- La disponibilité générale était attendue en juin, a glissé, et est désormais attendue courant juillet 2026.
- Début juillet, le modèle reste en préversion entreprise limitée sur Vertex AI. Il n'existe aucune model card publique, aucune suite de benchmarks officielle et aucune tarification confirmée.
Ce qui relève de la fuite, de la rumeur ou du carrément invérifié :
- Une date de sortie précise au « 17 juillet ». Elle remonte à des identifiants de modèles fuités repérés sur des serveurs Google Cloud, que des utilisateurs de marchés prédictifs ont transformés en pari on-chain affichant une confiance d'environ 60 et quelques pour cent. C'est une foule qui devine à partir d'un nom de fichier. Ce n'est pas une date confirmée par Google.
- Des « cercles d'évaluation privés » qui montreraient 3.5 Pro prendre l'avantage sur l'apprentissage few-shot. Pas de méthodologie, pas de chiffres à inspecter, pas de source à nommer. Signal intéressant, poids probant nul.
- Des checkpoints mystères — un « Gemini 3.5 Flash High », plus quelque chose que les gens appellent « Gemini 3.6 » ou « Gemini 4 Flash » — qui seraient testés en parallèle dans l'Arena. Les checkpoints anonymes de l'Arena existent bel et bien, mais leurs noms et leur filiation relèvent presque toujours de la conjecture communautaire.
Et il y a une affirmation que je veux corriger frontalement, parce que je l'ai vue répétée comme un fait : l'idée que le modèle d'image phare de Google, « Nano Banana Pro », serait construit sur la fondation Gemini 3.5 Pro. C'est faux. Nano Banana Pro est le nom de code interne de Google pour Gemini 3 Pro Image — construit sur Gemini 3 Pro, et déjà en disponibilité générale avec sa propre page de modèle et sa propre tarification. C'est un excellent modèle d'image. Ce n'est pas une preuve concernant les capacités de 3.5 Pro, et le traiter comme un « prototype de la fondation 3.5 » est exactement la façon dont un nom de code devient un mythe.
Remarquez ce qui figure sur la liste des faits confirmés par rapport à la liste des rumeurs. Les faits confirmés sont architecturaux — la taille du contexte, un mode de raisonnement, une date repoussée. Les faits excitants — ceux qui se partagent — sont tous du côté des rumeurs. Cette asymétrie n'est pas un accident. C'est la forme par défaut de tout lancement de modèle moderne, et c'est la première chose que mon filtre anti-battage cherche.
Mais je ne veux pas balayer les fuites entièrement, parce que certaines sont réellement intéressantes. Regardons ce que les sorties fuitées montrent vraiment.
Les rendus fuités de Gemini 3.5 Pro, passés au crible un par un
Les fuites les plus partagées ne sont pas des captures d'écran de benchmarks. Ce sont des artefacts générés — et plus précisément des sorties front-end et visuelles. C'est un choix délibéré de la part de celui ou celle qui fait fuiter, parce que la sortie visuelle est la chose la plus viscéralement impressionnante qu'un modèle puisse produire. Pas besoin de lire une méthodologie pour réagir à un beau rendu.
Quelques-unes des démos qui circulent, et ma lecture honnête de chacune :
Le SVG isométrique. Une petite machine minimaliste et isométrique de passage de carte — un terminal de paiement qui anime un glissement de carte et crache un reçu, réalisé en un seul SVG propre avec un travail de dégradés fluide. Si c'est authentique, c'est un cran au-dessus. Le SVG complexe et animé a historiquement été un point faible de tous les modèles de pointe que j'ai testés ; ils tendent à produire des tracés cassés, des transformations mal alignées ou des dégradés boueux. Un modèle qui réussit la géométrie isométrique et l'animation et les dégradés en un seul coup serait un vrai bond de capacité, pas un progrès cosmétique.
L'île flottante steampunk (three.js). Une scène HTML avec une île flottante, du brouillard atmosphérique et des ressources environnementales en couches — lampes, ciels, effets de particules — rendue via three.js. Ce qui est intéressant, ce n'est pas l'esthétique ; c'est l'intégration de three.js. Câbler une scène 3D cohérente à travers une bibliothèque JavaScript en une seule génération est une tâche de code déguisée en tâche artistique.
Le jeu 3D façon subway-surfers d'environ 800 lignes. Un seul fichier HTML, environ 800 lignes, prototypant un jeu urbain d'endless runner — voitures, piétons, feux de circulation, un système de passages piétons. Une version fuitée ultérieure aurait nettoyé les animations et rendu le comportement du trafic plus crédible. Pour être clair sur l'échelle : c'est un prototype low-to-mid-poly, rien qui s'approche d'un jeu commercialisé. Mais un prototype jouable de 800 lignes issu d'un seul prompt est un artefact réel, si l'artefact est authentique.
La scène cinématique d'alunissage. Un astronaute, une animation de drapeau planté, des empreintes poussiéreuses dans le régolithe, un lever de Terre à l'horizon. C'est l'argument du « goût en design » — l'idée que 3.5 Pro ne se contente pas de rendre correctement, il rend avec goût, avec un sens de la composition et de l'ambiance qui manquait aux sorties Gemini précédentes.
Voici ma réserve de sceptique, et elle est de taille : je ne peux vérifier qu'aucune de ces démos provient réellement de Gemini 3.5 Pro. Une capture d'écran fuitée n'a aucune provenance. Elle peut être triée sur le volet parmi cinquante tentatives. Elle peut venir d'un tout autre modèle. Elle peut être légèrement retouchée. Ce que je peux vous dire, pour avoir réellement testé les modèles qui l'ont précédé, c'est que c'est exactement l'axe sur lequel Gemini progresse le plus vite. La génération front-end et SVG de Google suit une courbe plus raide que son codage agentique. Un bond ici est donc plausible d'une manière qu'une capture fuitée du type « on bat Claude sur SWE-bench » ne le serait pas.
Plausible n'est pas prouvé. Mais plausible mérite qu'on surveille. Et si ces démos tiennent la route à la disponibilité générale — et si Google tarifie le modèle de façon compétitive — Gemini 3.5 Pro pourrait devenir un choix véritablement solide pour le travail front-end et SVG spécifiquement, même en restant derrière sur d'autres axes. C'est une affirmation étroite et défendable. Elle est très différente de « Gemini est de retour au sommet », qui est l'affirmation que le cycle de battage veut vous faire porter à sa place.
Alors qu'est-ce qui justifierait vraiment cette affirmation plus large ? Laissez-moi poser la barre.
Ce qu'un vrai retour de DeepMind devrait livrer
C'est la section que je voulais le plus écrire, parce que « est-il bon ? » est la mauvaise question. La bonne question est « bon à quoi exactement, face à un terrain qui n'est pas resté immobile ? » Voici la barre à laquelle je tiendrai Gemini 3.5 Pro à sa sortie — et vous pouvez l'y tenir aussi.
1. La parité en codage agentique, mesurée sur les benchmarks difficiles — pas sur des démos. Le terrain de juillet 2026 est brutal. Claude Opus 4.8 domine l'Artificial Analysis Intelligence Index autour de 61,4 et affiche environ 69 % sur SWE-bench Pro. Claude Fable 5 se situe encore plus haut sur SWE-bench Pro, autour de 80 %. GPT-5.5 mène Terminal-Bench 2.0 près de 83 %. Une jolie île en three.js ne fait bouger aucun de ces chiffres. Si la Coding Strike Team a fait son travail, 3.5 Pro doit se poser de manière crédible sur les évaluations de codage agentique multi-fichiers à long horizon. C'est l'écart qu'il a été construit pour combler.
2. Un contexte réellement utilisable, pas juste affichable. Deux millions de tokens, c'est un chiffre d'affiche. La vraie question est de savoir si la qualité de récupération tient sur toute cette fenêtre ou se dégrade au milieu — le problème du « lost in the middle » qui afflige la plupart des modèles à long contexte. Une fenêtre de 2M qui raisonne de façon fiable sur les 200K premiers et derniers tokens mais devient floue entre les deux est un chiffre marketing, pas un chiffre d'ingénierie. Je lancerai des tests de type aiguille-dans-une-botte-de-foin le jour où j'aurai accès.
3. Une fiabilité qui inverse le récit de dégradation. L'un des fils plus discrets de la tourmente chez DeepMind concernait des signalements de problèmes de dégradation de modèles — des checkpoints moins performants que les modèles déjà en production. Une sortie censée marquer un retour ne peut pas être livrée avec cette réputation accrochée à elle. La constance d'une exécution à l'autre compte plus qu'une seule démo spectaculaire.
4. Une tarification qui respecte la concurrence. L'avantage historique de Google a été le rapport prix-performance, en particulier sur les modèles de niveau Flash. Si 3.5 Pro est tarifé comme un modèle de pointe premium mais ne fait qu'égaler le terrain, il perd. S'il sous-cote Claude et GPT tout en atterrissant proche sur le code, cela change le calcul pour beaucoup d'équipes. La tarification est une décision de capacité, pas une note de bas de page.
5. L'honnêteté sur la spécialisation. Voici la nuance que les articles catastrophistes ratent : Gemini n'est pas réellement en train de perdre partout. Gemini 3.1 Pro mène déjà plusieurs benchmarks de précision et de recherche — environ 94 % sur GPQA Diamond, solide sur Humanity's Last Exam. Aucun modèle ne domine chaque ligne du tableau en 2026 ; le terrain entier s'est fragmenté en spécialistes. Une victoire réaliste pour Gemini 3.5 Pro ressemble à « clairement le meilleur en recherche à long contexte et en génération front-end, compétitif sur le code », pas à « bat tout le monde sur tout ». Quiconque promet la seconde version vous vend une histoire.
Si vous êtes une équipe qui se demande s'il faut miser un workflow sur ce modèle, cette barre en cinq points est votre checklist de due diligence. Et si vous préférez ne pas mener cette évaluation vous-même — si vous voulez que quelqu'un benchmarke ces modèles sur votre cas d'usage réel et vous dise lequel adopter comme standard — c'est exactement le genre de mission que je prends en direct. Vous pouvez voir ce que je construis sur fiverr.com/s/EgxYmWD.
Cette checklist fonctionne pour Gemini 3.5 Pro. Mais la chose la plus précieuse, c'est la compétence générale en dessous : lire n'importe quel lancement de modèle sans se faire manipuler.
Comment lire le battage d'un lancement de modèle IA sans se faire avoir
J'ai regardé assez de ces cycles pour voir le schéma se répéter presque battement par battement. Voici le modèle mental que j'utilise — volez-le, il est plus utile que n'importe quel test de modèle isolé.
Séparez la source du signal. Quand le labo est silencieux mais qu'Internet est bruyant, demandez-vous à qui profite le bruit. Des démos fuitées sans provenance, des marchés prédictifs bâtis sur des noms de fichiers, des « cercles d'évaluation privés » sans chiffres — tout cela génère de l'engagement, pas des preuves. L'absence de tableau de benchmarks officiel n'est pas un vide neutre. C'est de l'information. Cela signifie généralement que les chiffres ne sont pas encore prêts à survivre à l'examen.
Pondérez les artefacts selon leur falsifiabilité. Un SVG fuité que vous ne pouvez pas reproduire vaut moins qu'un benchmark que vous le pouvez. Un benchmark que vous ne pouvez pas auditer vaut moins qu'un benchmark à la méthodologie publiée. Une méthodologie publiée vaut moins que le modèle entre vos mains, exécutant vos propres tâches. Classez chaque affirmation selon la facilité avec laquelle elle pourrait être réfutée, et faites confiance à celles qui prennent des risques.
Méfiez-vous du saut démo-vers-capacité. La sortie la plus partagée est presque toujours la plus visuelle, parce que le visuel voyage. Mais « a généré une superbe scène d'alunissage » et « gère de façon fiable ma base de code en production » sont des affirmations différentes exigeant des preuves différentes. Les coups d'éclat en un prompt sont triés sur le volet par définition. La question intéressante, c'est la cinquantième tentative, pas la première.
Ancrez chaque lancement dans un terrain qui a bougé. Un modèle n'est pas bon dans le vide ; il est bon relativement à ce qui est sorti le mois dernier. En 2026, quelque chose de frontier tombe toutes les quelques semaines. « Avancée majeure » ne veut dire quelque chose que mesuré face à Opus 4.8, Fable 5 et GPT-5.5 tels qu'ils existent aujourd'hui — pas face à la version de la concurrence qui existait quand le modèle a commencé son entraînement.
Décomptez la prime narrative. Une histoire de retour, une histoire d'outsider, une histoire de « ils sont finis » — toutes ajoutent une charge émotionnelle qui n'a rien à voir avec les poids du modèle. La tourmente chez DeepMind donne à 3.5 Pro une impression d'enjeu plus élevé, et cette impression déteint sur la façon dont les gens notent les démos. Remarquez le moment où vous évaluez un modèle sur son histoire au lieu de sa sortie.
Passez n'importe quel lancement à travers ces cinq filtres et le bruit se calme vite. La plupart des « fuites » s'évaporent. Ce qui reste est généralement un petit ensemble spécifique et défendable de choses que le modèle fait probablement bien — qui est exactement ce que vous aviez besoin de savoir depuis le début.
Le verdict honnête
Je veux que Gemini 3.5 Pro soit excellent. Un modèle phare DeepMind réellement solide oblige Anthropic et OpenAI à rester honnêtes, et la concurrence à la frontière est la meilleure chose qui arrive à ceux d'entre nous qui construisent sur ces modèles. La fenêtre de contexte de 2M est réelle. Deep Think est réel. La trajectoire front-end est réelle et progresse vite. Ce sont des raisons légitimes d'être optimiste.
Mais l'optimisme n'est pas un benchmark. À ce jour, les faits confirmés sur ce modèle tiendraient sur une fiche bristol, et les faits excitants sont tous invérifiés. Le labo qui le livre vient de perdre six chercheurs seniors au profit de ses concurrents directs et s'est réorganisé autour d'un écart de codage qu'il n'a pas encore comblé publiquement. Cela ne veut pas dire que le retour échoue. Cela veut dire que la charge de la preuve est élevée, et que la preuve n'est pas encore là.
Vous vous souvenez de cette page de benchmarks vide que j'ai ouverte au début ? Quand elle se remplira enfin — avec de vrais chiffres, une vraie tarification et un modèle que n'importe qui peut exécuter — c'est le moment où cette affaire cessera d'être une histoire pour devenir une décision. Je le testerai face à la barre en cinq points le jour même, de la même façon que j'ai testé une mise à niveau furtive de Gemini 3 Flash et les premières fuites de 3.5 avant l'I/O. D'ici là, tenez le battage à distance. Internet est très confiant à propos d'un modèle qu'il n'a jamais fait tourner. Ne laissez pas sa confiance devenir la vôtre.
Foire aux questions
Quand Gemini 3.5 Pro sort-il ?
La disponibilité générale de Gemini 3.5 Pro est attendue courant juillet 2026, après avoir glissé depuis un objectif initial en juin. Début juillet, il reste en préversion entreprise limitée sur Vertex AI. La date précise du « 17 juillet » qui circule en ligne vient de marchés prédictifs réagissant à des identifiants de serveurs fuités, pas de Google — traitez-la comme une supposition non confirmée.
Gemini 3.5 Pro est-il meilleur que Claude et GPT ?
Il n'y a aucun moyen de le savoir pour l'instant, parce que Google n'a publié aucun benchmark officiel, aucune model card ni aucune tarification pour Gemini 3.5 Pro. Le terrain actuel est fragmenté — Claude Opus 4.8 mène l'Intelligence Index, GPT-5.5 mène certains benchmarks de code, et Gemini 3.1 Pro mène déjà des tests de précision comme GPQA Diamond. Attendez-vous à de la spécialisation, pas à un vainqueur unique.
Quelle est la fenêtre de contexte de Gemini 3.5 Pro ?
Gemini 3.5 Pro vise une fenêtre de contexte allant jusqu'à 2 millions de tokens, l'une des plus grandes jamais proposées par Google. Le chiffre qui compte davantage, cependant, est la qualité de récupération sur toute cette fenêtre — sa capacité à raisonner de façon fiable sur le milieu, pas seulement sur le début et la fin. Cela ne sera pas vérifiable avant des tests indépendants à la disponibilité générale.
Nano Banana Pro fait-il partie de Gemini 3.5 Pro ?
Non. Nano Banana Pro est le nom de code de Google pour Gemini 3 Pro Image, un modèle de génération et d'édition d'images construit sur Gemini 3 Pro — pas sur la fondation 3.5 Pro. Il est déjà en disponibilité générale avec sa propre page de modèle et sa propre tarification, et il ne constitue pas une preuve des capacités de Gemini 3.5 Pro.
Pourquoi Gemini 3.5 Pro de Google DeepMind est-il perçu comme un « retour » ?
Parce que DeepMind a perdu six chercheurs seniors au profit de Meta, OpenAI et Anthropic sur cinq mois de 2026 — dont Noam Shazeer et le lauréat du Nobel John Jumper sur une seule fenêtre de 48 heures en juin — et s'est réorganisé autour d'une « AI Coding Strike Team » pour combler son écart face à Claude et OpenAI. Gemini 3.5 Pro est le premier modèle phare livré après cette tourmente.
Vous voulez une réponse claire sur le modèle à adopter comme standard ?
Si vous mettez Gemini 3.5 Pro en balance avec Claude ou GPT pour du vrai travail en production, je mène exactement cette évaluation sur votre base de code et vos tâches réelles — pas de battage, juste des chiffres exploitables. Si c'est la décision que vous essayez de prendre, dites-moi ce que vous construisez et je benchmarkerai la shortlist pour votre cas d'usage.
