Gemini 4 Pro est peut-être apparu dans Arena — mais l’enjeu majeur concerne l’amélioration récursive autonome
Google est resté inhabituellement discret concernant la gamme Gemini Pro, tandis que ses modèles Flash ont continué d’évoluer rapidement.
Gemini 3.6 Flash, 3.7 Flash et 3.8 Flash sont arrivés à un rythme soutenu. Google a officiellement lancé Gemini 3.8 Flash le 2 septembre 2026, en le présentant comme son modèle Flash le plus performant pour l’ingénierie logicielle sur de longues séquences, les agents autonomes et les tâches complexes en plusieurs étapes.
Puis un événement étrange s’est produit.
Un modèle portant le même libellé gemini-3.8-flash a commencé à apparaître dans Arena, mais les développeurs qui l’ont testé ont déclaré que son comportement semblait nettement plus performant que celui du Gemini 3.8 Flash de production qu’ils connaissaient déjà.
Le modèle a généré des SVG plus aboutis, des interfaces web plus complètes, des scènes 3D plus riches et des résultats de type agent plus performants que ce que les testeurs attendaient de la version publique 3.8 Flash.
Cela a rapidement déclenché une théorie :
Le modèle d’Arena pourrait en réalité être un checkpoint de test caché de Gemini 4 Pro.
Les éléments sont intrigants, mais restent circonstanciels. Google n’a pas annoncé Gemini 4 Pro et, au 20 septembre, la documentation publique de Google consacrée aux modèles Gemini ne répertorie aucun modèle Gemini 4.
La partie la plus importante de cette histoire se trouve donc peut-être ailleurs : les systèmes d’IA sont de plus en plus utilisés pour évaluer, optimiser et construire les prochaines générations de systèmes d’IA.
C’est dans ce contexte qu’intervient l’amélioration récursive autonome, ou RSI.
L’historique confirmé des lancements de Google fournit un contexte utile.
Gemini 3.8 Flash a été lancé le 2 septembre, seulement trois semaines après Gemini 3.7 Flash. Google l’a présenté comme son troisième lancement Flash en six semaines et a affirmé qu’il améliorait l’ingénierie logicielle, les tâches d’agent et le raisonnement complexe en plusieurs étapes, tout en conservant la vitesse et le coût associés à la gamme Flash.
Comme le véritable 3.8 Flash est déjà disponible publiquement, les développeurs disposent d’un point de comparaison direct.
Lorsqu’un second modèle portant le même nom est apparu dans Arena et semblait nettement plus performant, il a rapidement attiré l’attention.
Une comparaison largement relayée demandait aux modèles de dessiner un chat domestique de profil en SVG.
Les trois résultats présentés dans la source étaient identifiés, de gauche à droite, comme « Gemini 4 Pro » supposé, GPT-6 Astra et Gemini 3.8 Flash commercialisé.
Le résultat anonyme d’Arena semblait plus complet et mieux proportionné que celui du Flash de production.
Cela ne permet pas à lui seul d’identifier le modèle caché. Arena repose sur une évaluation à l’aveugle ou partiellement à l’aveugle, et un modèle anonyme plus performant peut être un nouveau checkpoint, un système configuré différemment ou une autre variante Gemini non commercialisée.
Mais l’écart était suffisamment important pour entretenir la rumeur.
D’autres testeurs ont soumis le modèle à des tâches de génération plus complexes.
Un utilisateur a indiqué que le modèle supposé avait consacré environ huit minutes à la production d’une scène interactive de pagode de style voxel.
Le même testeur a également décrit une page détaillée consacrée à l’hélicoptère Airbus H145, générée en environ dix minutes, ainsi qu’un site monochrome réalisé en près de quatorze minutes.
Un autre membre de la communauté a utilisé le modèle supposé pour créer un jeu et a rapporté une qualité visuelle élevée ainsi qu’une génération complète de l’univers.
Le point commun n’était pas la vitesse brute. Le modèle semblait souvent consacrer davantage de temps au raisonnement ou à la génération qu’un modèle Flash classique.
Ce comportement a lui-même alimenté la théorie selon laquelle le libellé Arena pourrait dissimuler un checkpoint de niveau Pro.
Une affirmation plus sensationnelle est venue du développeur Qwinah, qui a déclaré avoir été « redirigé fantôme » vers un backend Gemini 4 Pro.
Il a publié une capture d’écran semblant montrer des métadonnées internes contenant notamment les chaînes G4P-ARGON et VIA_3.8_FLASH.
La capture indiquait également des capacités telles que :
Ces affirmations ne sont confirmées ni par Google, ni par Google DeepMind, ni par Arena, ni par la documentation officielle de Gemini.
La capture doit donc être considérée comme un élément communautaire non vérifié, et non comme une fiche de spécifications.
Au 20 septembre, la documentation publiée par Google concernant l’API Gemini indique pour Gemini 3.8 Flash une limite d’entrée de 1 048 576 tokens et une limite de sortie de 65 536 tokens. Il n’existe aucune page officielle consacrée à Gemini 4 Pro ni aucun identifiant d’API correspondant.
Un autre tableau de benchmarks a également largement circulé.
Le tableau affirmait que le Gemini 4 Pro supposé avait obtenu environ :
| Benchmark | Affirmation virale |
|---|---|
| DeepSWE v1.1 | 88,7 % |
| Terminal-Bench 2.1 | 95,3 % |
| HLE-Verified | 72,1 % |
| OSWorld 2.0 | 86,8 % |
| GDPval-AA v2 | 2064 Elo |
Si ces chiffres étaient réels, ils placeraient le modèle au-dessus de plusieurs systèmes de pointe dans les domaines du codage, des agents, du raisonnement et de l’utilisation d’ordinateurs.
Mais le tableau présente de sérieux problèmes.
Il ne cite aucune source officielle de Google, aucune validation d’Arena, aucune configuration d’évaluation publiée et aucun test de benchmark reproductible. Certaines valeurs de comparaison concernant d’autres modèles ne correspondent pas non plus à leurs résultats officiels publiés.
Par exemple, les documents officiels de lancement d’OpenAI pour GPT-6 Astra indiquent un score de 74,1 % sur DeepSWE v1.1 pour Astra et utilisent des versions de benchmarks différentes pour plusieurs autres catégories.
Le tableau de benchmarks ne doit donc pas être présenté comme un résultat Gemini 4 vérifié.
Son statut exact est simple :
modèle Arena mystérieux et plus performant : observé
identité Gemini 4 Pro : non confirmée
tableau de benchmarks viral : non vérifié
affirmations concernant 10M de contexte / 256K en sortie : non vérifiées
La documentation publique de Google fournit une image beaucoup plus prudente.
Au 20 septembre 2026 :
gemini-3.8-flash est disponible de manière générale.Cela ne prouve pas que Gemini 4 ne soit pas testé en interne.
Les laboratoires de pointe évaluent régulièrement des checkpoints non commercialisés avant leur lancement officiel.
Cela signifie simplement que les éléments publics ne permettent pas encore de considérer « Gemini 4 Pro » comme un produit annoncé.
La deuxième partie de l’article d’origine s’éloigne de la fuite pour se concentrer sur une idée plus large : l’amélioration récursive autonome.
Le RSI décrit un processus dans lequel les systèmes d’IA contribuent de plus en plus à la conception, à l’évaluation ou à l’amélioration des futurs systèmes d’IA, créant une boucle de rétroaction où de meilleurs modèles contribuent à accélérer la production de modèles encore plus performants.
Une version simplifiée ressemble à ceci :
L’IA contribue à améliorer le développement de l’IA
↓
les modèles de nouvelle génération deviennent plus performants
↓
une IA plus performante contribue davantage à la R&D
↓
le cycle de développement s’accélère
La distinction importante est qu’aucun laboratoire de pointe ne revendique publiquement une explosion d’intelligence entièrement autonome.
Les humains définissent encore les objectifs de recherche, conçoivent les systèmes d’entraînement, allouent les ressources de calcul, approuvent les modifications risquées et décident du déploiement des modèles.
Ce qui change, c’est la part de la boucle de développement que l’IA peut déjà réaliser.
L’annonce officielle de Google concernant Gemini 3.8 constitue l’un des éléments les plus solides montrant que cette tendance est réelle.
L’entreprise indique que Gemini 3.8 Flash et 3.8 Flash Cyber sont accélérés par de longues boucles d’agents conçues pour évaluer et affiner récursivement les modèles sous-jacents.
Cette formulation est importante car elle vient directement de Google et non d’une spéculation communautaire.
Elle ne signifie pas que Google a atteint un RSI entièrement autonome.
Elle signifie que les boucles d’évaluation pilotées par l’IA font déjà partie du processus de développement des modèles Gemini de production.
Le chercheur de Google DeepMind Shunyu Yao a résumé l’importance de cette évolution dans une courte publication après le lancement de la version 3.8 :
Decrivez votre idee une fois, et We0 AI peut generer un site vitrine, des pages et un CMS, puis vous aider a attirer clients et trafic apres le lancement.
Une génération de projet complète pour une inscription gratuite
Idéal pour essayer un flux de génération complet et voir rapidement une première ébauche de projet.
Le message paraphrasait la phrase d’Apollo 11 : un petit pas pour le modèle, mais un pas beaucoup plus important pour le RSI.
Le 14 septembre, des chercheurs de Google, Google DeepMind, de l’Université du Maryland et de l’Université de Virginie ont publié Dream-RSI: Recursive Self-Improvement through Evolving Worlds.
L’article s’intéresse à un goulot d’étranglement précis : comment un agent peut améliorer sa manière d’explorer des espaces de recherche difficiles sans devoir payer à répétition le coût élevé d’essais en ligne.
Dream-RSI utilise une boucle fondée sur l’historique des explorations précédentes :
Les chercheurs rapportent des améliorations dans plusieurs domaines, notamment :
Le travail est plus limité que l’idée populaire d’une IA qui reconçoit de manière autonome chaque composant d’elle-même.
Il démontre néanmoins un véritable mécanisme récursif : le travail précédent du système devient une donnée d’entraînement permettant d’améliorer la manière dont il recherche de futures améliorations.
La même semaine, Anthropic a publié des métriques internes particulièrement détaillées montrant à quel point l’IA est déjà intégrée à son propre processus de recherche.
En août 2026, Anthropic affirme que :
Anthropic définit l’expression « l’IA dirige » comme le fait pour le modèle d’accomplir la majeure partie d’une tâche de bout en bout à partir d’une consigne générale, sous la supervision d’un humain.
Le chiffre de 26 % est particulièrement frappant, car Anthropic indique que cette proportion était inférieure à 1 % plus tôt dans l’année.
Anthropic a publié cette métrique en partie parce qu’elle estime que les observateurs externes ont besoin d’une meilleure visibilité sur la vitesse à laquelle les laboratoires de pointe automatisent leurs propres processus de développement de modèles.
Z.ai a publié un autre exemple utile.
L’entreprise affirme qu’un Infra Agent propulsé par GLM-5.3 a contribué à construire et à optimiser l’infrastructure d’inférence servant GLM-5.3-Flash.
Selon la communication de Z.ai publiée en septembre :
Z.ai précise explicitement qu’il ne s’agit pas d’une amélioration récursive autonome complète.
Son interprétation est plus mesurée : une boucle de taille minimale est apparue, dans laquelle un modèle contribue à optimiser le système qui sert un autre modèle.
Cette distinction est importante.
Les systèmes actuels ont encore besoin d’objectifs humains, d’une conception des retours, de contraintes d’infrastructure et d’un examen des modifications présentant les risques les plus élevés.
Mais cette boucle n’est plus purement théorique.
La dernière partie de l’article d’origine relie le RSI à un nouveau débat parmi les dirigeants de l’IA de pointe.
Le 12 septembre, le PDG d’Anthropic, Dario Amodei, a publiquement défendu l’idée de ralentir le rythme de l’innovation de pointe afin de laisser davantage de temps aux travaux de sécurité pour rattraper les capacités des modèles.
Sa proposition comprenait un accès permanent, au niveau des employés, pour des évaluateurs indépendants tiers, ainsi qu’à terme une coordination plus large autour de seuils de capacité et de mesures de sécurité.
Sam Altman, Elon Musk et Demis Hassabis ont tous exprimé des degrés variables de soutien à l’idée générale selon laquelle le développement de modèles de pointe pourrait nécessiter des garde-fous plus stricts ou un rythme plus lent dans certaines conditions.
Mais il est plus facile de s’accorder sur la nécessité de la prudence que de décider qui doit ralentir en premier.
Chaque laboratoire de pointe est confronté au même problème stratégique.
Si une entreprise ralentit le développement de ses capacités tandis que ses concurrents continuent d’avancer, elle risque de perdre son leadership technologique, ses talents, ses clients et ses parts de marché.
La même logique s’applique au niveau national.
Un pays qui envisage de fortes limites au développement de modèles de pointe peut craindre que ses rivaux continuent d’accélérer.
Cela rend les propositions de ralentissement coordonné structurellement difficiles, même lorsque les principaux laboratoires reconnaissent que les risques sont sérieux.
La tension est visible dans le cycle actuel des modèles.
Google lance rapidement des modèles Flash et teste peut-être des checkpoints cachés plus performants. Anthropic mesure publiquement la part de sa propre R&D déjà réalisée par Claude tout en envisageant de futurs lancements de modèles. OpenAI continue de publier des systèmes de pointe tout en renforçant les évaluations par des tiers et les exigences de sécurité.
Le résultat n’est pas une simple contradiction.
Il s’agit d’un problème de coordination : les mêmes organisations peuvent sincèrement s’inquiéter des risques liés aux modèles de pointe tout en étant fortement incitées à rester à la frontière technologique.
L’article d’origine cite également des informations communautaires laissant penser que d’autres laboratoires pourraient tester des modèles de nouvelle génération derrière des interfaces de produits existantes.
Une publication largement relayée affirmait que certaines requêtes de Claude Code avaient affiché un identifiant claude-opus-5-2.
Il ne s’agit pas d’une annonce officielle de produit par Anthropic.
De même, des publications communautaires ont affirmé avoir aperçu d’autres identifiants de modèles OpenAI en dehors de la gamme actuellement annoncée.
Ces informations doivent être traitées comme la théorie Gemini 4 Pro : elles peuvent indiquer qu’un élément est en cours de test, mais ne constituent pas une preuve de lancement officiel, de spécification ou de calendrier de sortie.
| Affirmation | Statut au 20 septembre 2026 |
|---|---|
| Google a lancé Gemini 3.8 Flash le 2 septembre | Confirmé |
| Gemini 3.8 utilise de longues boucles d’agents pour évaluer et affiner récursivement les modèles sous-jacents | Confirmé par Google |
Un modèle plus performant nommé gemini-3.8-flash est apparu dans Arena | Signalé et largement observé |
| Le modèle d’Arena est Gemini 4 Pro | Non confirmé |
| Google a officiellement annoncé Gemini 4 Pro | Non |
| La documentation publique de Google répertorie actuellement Gemini 4 | Non |
G4P-ARGON est un véritable identifiant interne de modèle Google | Non vérifié |
| Gemini 4 Pro dispose de plus de 10 millions de tokens de contexte et de 256K tokens en sortie | Non vérifié |
| Les scores viraux de Gemini 4 sur les benchmarks sont officiels | Non |
| Dream-RSI est un véritable article de recherche publié en septembre 2026 | Confirmé |
| Anthropic affirme que Claude dirige 26 % des travaux de R&D en IA mesurés | Confirmé |
| Anthropic affirme que plus de 90 % des travaux de R&D en IA mesurés impliquent au moins une collaboration avec l’IA | Confirmé |
| Z.ai affirme que l’Infra Agent de GLM-5.3 a contribué à augmenter de 3,2 fois le débit de service de GLM-5.3-Flash | Confirmé comme résultat communiqué par le fournisseur |
| Les observations communautaires de Claude Opus 5.2 correspondent à un lancement officiel | Non |
Non. Google n’a pas officiellement annoncé Gemini 4 Pro et la documentation publique actuelle de l’API Gemini ne répertorie aucun modèle Gemini 4. L’histoire repose actuellement sur un modèle Arena inhabituellement performant et sur des spéculations communautaires concernant son identité.
Le modèle caché utilisait le libellé gemini-3.8-flash, mais semblait plus performant que le modèle public de production dans des tests SVG, web, 3D et de type agent. Son comportement plus lent et plus délibéré a également conduit certains testeurs à penser qu’il ressemblait davantage à un checkpoint de niveau Pro qu’à un modèle Flash.
Ils ne sont pas vérifiés. Le tableau viral ne bénéficie d’aucune validation officielle de Google ou d’Arena, ne fournit pas de configuration d’évaluation reproductible et contient des valeurs de comparaison qui ne correspondent pas entièrement aux publications officielles d’autres fournisseurs.
L’amélioration récursive autonome désigne le fait que des systèmes d’IA contribuent à améliorer le processus qui produit des systèmes d’IA plus performants, créant ainsi une boucle de rétroaction. Les laboratoires de pointe ne revendiquent pas publiquement un RSI entièrement autonome, mais l’IA contribue déjà à l’évaluation, au codage, à l’optimisation des infrastructures et à la R&D sur les modèles.
Google affirme que Gemini 3.8 est accéléré par de longues boucles d’agents qui évaluent et affinent récursivement les modèles sous-jacents. Il s’agit d’un véritable mécanisme d’amélioration autonome, même s’il est beaucoup plus limité qu’un système entièrement autonome concevant son propre successeur sans supervision humaine.
Dream-RSI est un cadre de recherche publié en septembre 2026 par Google, Google DeepMind et des collaborateurs universitaires. Il utilise les historiques d’exploration précédents comme simulateurs de rejeu afin qu’un agent puisse améliorer à moindre coût sa politique d’exploration, puis redéployer cette politique améliorée dans l’environnement réel.
Anthropic affirme que Claude dirige 26 % de ses travaux de R&D en IA mesurés et que plus de 90 % de ces travaux impliquent au moins une collaboration avec l’IA. Anthropic précise également que Claude n’est entièrement autonome dans aucune des catégories de travaux mesurées.
Une entreprise qui ralentit seule risque de perdre du terrain face à des concurrents qui continuent d’avancer. Le même problème d’incitation existe entre les pays, ce qui explique pourquoi il est plus facile de proposer des règles communes d’évaluation et des seuils de capacité que de les mettre en œuvre.
Un modèle plus performant que prévu, nommé gemini-3.8-flash, est apparu dans Arena, et les testeurs de la communauté ont produit suffisamment de résultats inhabituels pour rendre plausible la théorie Gemini 4 Pro. Mais plausible ne signifie pas confirmé : Google n’a pas annoncé Gemini 4 Pro, la capture d’écran du backend viral n’est pas vérifiée et le tableau de benchmarks circulant en ligne ne bénéficie d’aucune validation officielle.
L’histoire la plus durable concerne l’accélération du développement de l’IA assisté par l’IA. Google affirme ouvertement que Gemini 3.8 utilise de longues boucles pour évaluer et affiner récursivement ses modèles sous-jacents. Dream-RSI formalise une boucle d’exploration capable de s’améliorer elle-même. Anthropic affirme que Claude dirige déjà 26 % des travaux de R&D en IA mesurés, tandis que Z.ai indique qu’un agent d’infrastructure propulsé par GLM a contribué à tripler le débit de service de GLM-5.3-Flash.
Cela rend le débat sur le ralentissement de l’industrie plus difficile, et non plus simple. Les laboratoires de pointe peuvent convenir qu’une évaluation indépendante et des garde-fous plus stricts sont nécessaires tout en restant fortement incités à poursuivre leur progression.
Gemini 4 Pro reste une rumeur ; l’évolution vers des systèmes d’IA qui contribuent à construire la prochaine génération d’IA est déjà une réalité.
Partez d’une phrase et obtenez un site complet en quelques minutes.
