Gemini 4 Carbon devance Claude Opus 5.5 d'un point et domine le nouvel indice d'hallucinations

Google a présenté Gemini 4 Carbon, son nouveau modèle de frontière, qui prend la tête de l'Intelligence Index V5 d'Artificial Analysis avec 59 points. Cette performance place le système un point devant Claude Opus 5.5 d'Anthropic et deux points au-dessus de GPT-6 Astra d'OpenAI, dans une lutte serrée pour le sommet du classement des capacités cognitives.

Ce lancement représente un redressement stratégique pour Google, qui sortait d'une année marquée par des sorties irrégulières dans le segment des modèles fondationnels. L'entreprise cherche à consolider sa position sur un marché où le leadership change fréquemment de mains et où l'efficacité des coûts est devenue aussi décisive que l'intelligence brute.

L'efficacité économique comme différenciateur

Au-delà de son score maximal, Gemini 4 Carbon se distingue par son coût opérationnel. Le modèle affiche un coût par tâche de 7,76 $ à l'Intelligence Index, légèrement inférieur à Gemini 3.8 Flash et nettement moins cher que ses concurrents directs. Claude Opus 5.5 et Sonnet 5.5, tous deux en configuration maximale avec fallback, coûtent plusieurs dollars de plus par tâche, tandis que Claude Fable 5.1 atteint 12,99 $ — près du double du nouveau modèle de Google.

Cette combinaison de hautes performances et de coût réduit positionne Gemini 4 Carbon sur la fameuse frontière de Pareto, un concept que les développeurs recherchent en quête du meilleur équilibre possible entre intelligence et prix. Pour les entreprises qui exploitent des modèles à grande échelle, la différence de quelques dollars par tâche peut représenter des économies substantielles dans les déploiements massifs.

Hallucinations sous surveillance

Le nouveau modèle prend également la tête du test AA-Omniscience v1.1, qui évalue la tendance des systèmes à inventer des informations et leur capacité à récupérer des connaissances avec précision. Gemini 4 Carbon présente le plus faible taux d'hallucinations parmi les modèles de frontière évalués, un différenciateur qui pourrait devenir décisif à mesure que les gouvernements et les institutions cherchent à maximiser la sécurité et la fiabilité dans l'usage de l'intelligence artificielle.

Cependant, les chiffres révèlent une réalité encore préoccupante pour le secteur. Même le mieux classé n'a obtenu que 54 sur l'échelle allant de -100 à +100, ce qui indique que les systèmes les plus avancés de 2026 restent loin d'une fiabilité constante dans la récupération d'informations. Cette métrique montre que, malgré les progrès, la tendance à l'hallucination demeure un défi structurel pour toute l'industrie.

Contexte concurrentiel

Le leadership de Gemini 4 Carbon, bien qu'étroit, signale un repositionnement de Google dans un paysage où Anthropic et OpenAI alternaient en tête. L'écart d'un seul point à l'Intelligence Index démontre que les modèles de frontière ont atteint un niveau de parité technique, où des facteurs comme le coût, la latence et la fiabilité définissent désormais les choix des entreprises.

Le test AA-Omniscience v1.1, en mesurant à la fois les connaissances factuelles et la propension aux erreurs, introduit une dimension qualitative dans la course aux benchmarks. Pour les secteurs réglementés, tels que la santé, la finance et le juridique, la capacité d'un modèle à reconnaître les limites de ses propres connaissances peut s'avérer plus précieuse que des points supplémentaires dans les indices d'intelligence générale.

L'échelle de -100 à +100 utilisée dans le test reflète un spectre allant de réponses complètement hallucinées à des récupérations précises et vérifiables. Le fait qu'aucun modèle n'ait dépassé 54 points suggère que l'industrie doit encore résoudre des questions fondamentales de calibration et d'honnêteté épistémique avant de promouvoir des déploiements critiques à grande échelle.