Google a lancé Gemini 4 Hydrogen, un modèle conçu pour exécuter rapidement des tâches de recherche, de codage et de traitement de documents. Disponible sur plusieurs produits Google, son prix est de 1,50 dollar par million de tokens en entrée et 7,50 dollars en sortie. Les avantages de vitesse et de quota annoncés dans les flux multi-modèles sont des déclarations de Google, pas des résultats indépendants.
Hydrogen est dérivé de Gemini 4 Carbon, mais conçu pour l'exécution rapide de tâches quotidiennes et de flux agentiques. Google l'a rendu disponible via l'API Gemini, AI Studio, Gemini for Business, l'application Gemini et Google Search. Dans Antigravity, il est accessible aux abonnés Google AI Pro et Ultra. Dans Google Sheets, les fonctions Gemini basées sur ce modèle sont indiquées pour les abonnements éligibles, à partir des plans Pro et Ultra. Le lancement a été annoncé le 12 novembre, et la page Google mise à jour le 13.
Prix et disponibilité
Le tarif de l'API est de 1,50 dollar par million de tokens en entrée et de 7,50 dollars par million de tokens en sortie. Google indique que ce tarif reste inchangé sur toute la fenêtre contextuelle d'un million de tokens.
La disponibilité annoncée est large, mais les canaux ne proposent pas tous les mêmes fonctions aux mêmes conditions. L'accès à Hydrogen dans Antigravity dépend du plan souscrit, tandis que Google indique une disponibilité dans Search pour l'ensemble des utilisateurs. L'entreprise ne précise pas que chaque fonction est présente simultanément dans tous les pays et tous les comptes.
Google présente aussi Hydrogen comme moteur pour les tâches sur documents et données: la fiche technique du modèle indique des entrées texte, image, audio et vidéo, avec une fenêtre contextuelle allant jusqu'à un million de tokens. Dans Google Sheets, Google illustre l'utilisation du modèle pour construire des modèles interactifs à partir de données financières et de scénarios prévisionnels.
Orchestrator coordonne différents modèles
La nouveauté la plus significative pour l'automatisation professionnelle est Orchestrator, une fonction de Google Antigravity capable d'alterner différents modèles au cours d'une même session. Dans le flux décrit par Google, un modèle plus puissant comme Carbon peut se charger de la planification, tandis qu'Hydrogen assure les tâches d'exécution ou de vérification. Les agents peuvent travailler en parallèle sur des espaces de travail isolés.
Selon les tests communiqués par Google sur Terminal-Bench 4.0, Orchestrator a atteint des taux de réussite proches de Carbon, en consommant en moyenne 24 % de quota en moins et en complétant les tâches 19 % plus rapidement. Ce sont des résultats rapportés par Google sur un benchmark spécifique: le chiffre sur le quota ne correspond pas à une réduction universelle de 24 % des coûts monétaires.
Google rapporte également qu'Hydrogen, comparé à Gemini 3.8 Flash, a réalisé certaines tâches 2,5 fois plus vite et obtenu 57 % sur Terminal-Bench 4.1, contre 18,2 % pour le modèle précédent. La société déclare par ailleurs une réduction de plus de cinq fois des affirmations inventées dans sa propre comparaison. Ces mesures dépendent des tâches, des paramètres et de la méthode de test retenue par le fournisseur: elles ne décrivent pas automatiquement les performances pour chaque usage en entreprise.
Search intègre le nouveau modèle
Google déclare qu'Hydrogen a été intégré à l'échelle mondiale dans Search. L'entreprise lui attribue une meilleure gestion des questions complexes, des recherches simultanées sur plusieurs aspects et des réponses structurées incluant images, tableaux et liens. Ce changement concerne aussi les utilisateurs qui ne développent pas de logiciels et ne construisent pas d'agents: le modèle entre dans un produit de recherche d'usage courant.
La présence du modèle dans Search ne signifie pas pour autant que chaque réponse soit exacte ou que la recherche disparaisse derrière l'automatisation. La fiche technique de Google signale des hallucinations possibles, des ralentissements et des timeouts; elle précise aussi que la consommation de tokens peut augmenter, notamment aux niveaux de raisonnement les plus élevés.
Le modèle rapide comme force opérationnelle
Notre lecture est que Google déplace la valeur de l'utilisation d'un seul modèle vers la distribution des tâches entre plusieurs modèles. Dans cette logique, le plus puissant définit le plan, tandis qu'un modèle plus rapide effectue les recherches, produit les documents, vérifie les fichiers ou répète les contrôles. La promesse est d'utiliser la capacité la plus coûteuse uniquement là où elle est nécessaire. Les économies réelles dépendent cependant du travail à accomplir et du nombre d'étapes.
Pour les entreprises, les tarifs API, les niveaux de raisonnement et l'accès aux produits sont des éléments vérifiables. Les avantages opérationnels cités par Google restent à évaluer sur les processus réels: aucune donnée indépendante n'a été publiée sur les coûts globaux des flux multi-agents, tenant compte des erreurs, des contrôles humains et des éventuelles reprises de tâches. Les équipes IT françaises et africaines francophones qui envisagent d'intégrer ces outils via l'AMF ou dans le cadre des règles européennes sur l'IA devraient suivre de près les audits tiers avant tout déploiement à grande échelle.
