Google dévoile Gemini 3.5 Flash, une IA capable d’agir de manière autonome

Google vient de présenter Gemini 3.5 Flash, un nouveau modèle d’IA orienté action, pensé pour exécuter des tâches complexes de bout en bout plutôt que de se limiter à répondre à des requêtes.

L’annonce, faite dans le cadre de Google I/O 2026, s’accompagne d’un discours clair: la bataille ne se joue plus sur le “meilleur chatbot”, mais sur des agents IA capables de planifier, agir, vérifier, puis itérer avec une supervision limitée. Sur le papier, Google met en avant un profil très opérationnel: codage, gestion de projets logiciels, préparation de documents, coordination de sous-agents, et traitement de tâches dites “long-horizon”, celles qui s’étalent sur de nombreuses étapes. Le groupe affirme aussi que 3.5 Flash tourne 4 fois plus vite que des modèles “frontier” concurrents, avec une logique de déploiement large, du grand public aux entreprises.

Google annonce Gemini 3.5 Flash, 4 fois plus rapide

Le message de Google est simple: Gemini 3.5 Flash doit servir de moteur pour des agents capables d’exécuter des objectifs multi-étapes. La marque insiste sur l’idée de “frontier intelligence with action”, autrement dit des performances de haut niveau, mais orientées vers l’exécution. Dans sa communication, Google avance que Flash peut aider à terminer en une fraction du temps des tâches qui prenaient auparavant des jours à un développeur ou des semaines à un auditeur.

Un autre argument mis en avant concerne les coûts. Google indique que cette combinaison vitesse-performance rend Flash adapté aux tâches agentiques à grande échelle, souvent à moins de la moitié du coût de modèles comparables. Pour les équipes produit, cela change la donne sur des usages où l’IA doit “tourner” longtemps, relancer des actions, faire des vérifications, et maintenir une cohérence sur une longue séquence de travail.

Ce positionnement est aussi une réponse à une limite bien connue: les modèles peuvent être brillants sur une réponse unique, mais perdre en fiabilité quand il faut enchaîner 20, 50 ou 200 étapes. Google met donc l’accent sur les tâches “long-horizon”, avec un contrôle humain toujours présent. Nuance importante: l’autonomie promise reste cadrée, Google parle d’exécution “sous supervision”, ce qui laisse entendre des garde-fous et des validations.

Antigravity et Gemini API ciblent les workflows multi-étapes

Google ne vend pas seulement un modèle, mais une chaîne de production. Google Antigravity est présenté comme une plateforme de développement “agent-first”, pensée pour déployer des sous-agents collaboratifs capables d’exécuter des tâches en parallèle, par exemple coder, tester, documenter, puis corriger. L’objectif est de réduire le goulot d’étranglement qui freine souvent les projets agentiques: l’orchestration fiable de plusieurs composants sur un même workflow.

La distribution est large. Flash est annoncé disponible via l’app Gemini et l’AI Mode dans Google Search pour le grand public, et via Gemini API dans Google AI Studio, Android Studio, et Antigravity pour les développeurs. Pour les entreprises, Google met en avant Gemini Enterprise et la Gemini Enterprise Agent Platform. Le sous-texte est limpide: la même brique doit pouvoir passer du prototype à la production sans changer d’écosystème.

Sur Google Cloud, le discours porte sur l’efficacité de calcul et la réduction des coûts opérationnels en production. Google cite aussi des marqueurs de performance en compréhension multimodale, avec un score CharXiv à 84,2% mentionné dans ses annonces Cloud. Dans le même mouvement, l’entreprise confirme que Gemini 3.5 Pro est en test et annoncé “le mois prochain”, signe d’une gamme appelée à se compléter rapidement.

Gemini Spark et les usages entreprise, de Xero à Databricks

Au-delà du modèle, Google pousse l’idée d’un agent persistant. Gemini Spark est décrit comme un agent personnel qui tourne “en arrière-plan”, prend des actions pour l’utilisateur, tout en restant sous supervision. Les premiers accès sont annoncés pour des testeurs de confiance, avant une ouverture plus large aux abonnés Google AI Ultra aux États-Unis dès la semaine suivante, selon les informations communiquées lors de la présentation.

Côté entreprise, Google met en avant des cas d’usage concrets. Xero déploie des agents pour gérer des workflows étalés sur plusieurs semaines, comme l’identification de fournisseurs et la collecte d’informations pour des formulaires fiscaux 1099, une tâche administrative lourde pour les petites structures. L’idée n’est pas d’obtenir un résumé, mais de faire avancer un dossier, étape après étape, avec des actions et des vérifications.

Databricks est cité sur un autre registre: des workflows agentiques capables de surveiller et récupérer des informations en temps réel, raisonner sur de grands volumes de données, diagnostiquer des problèmes, identifier des correctifs et proposer des solutions pour des data scientists. La promesse est séduisante, mais elle appelle une lecture prudente: plus un agent agit sur des systèmes critiques, plus la qualité des permissions, des logs et des validations devient centrale, sous peine d’automatiser aussi les erreurs.