Gemini 3.5 Pro retardé, Google reconstruit son modèle après des difficultés en programmation

Le déploiement de Gemini 3.5 Pro, l'un des modèles d'intelligence artificielle les plus puissants attendus de Google, a été reporté de plusieurs mois. Des évaluations internes ont montré que le modèle ne répond pas encore aux exigences de performance fixées, notamment dans la rédaction de code et l'exécution de tâches complexes.

Selon un rapport publié par Bloomberg, les équipes de Google ont dû reconstruire une grande partie de Gemini 3.5 Pro. Ce travail a été motivé par des difficultés rencontrées dans la gestion de tâches de programmation longues et dans le maintien de la précision lors d'opérations impliquant plusieurs étapes successives. La société n'a pas communiqué de nouvelle date précise pour une sortie publique, alors que le modèle accuse un retard de plusieurs mois par rapport au calendrier initial.

Ce retard survient dans un contexte de compétition intense avec OpenAI, Anthropic et xAI, qui ont récemment lancé des modèles ciblant les usages professionnels, la programmation et le pilotage d'agents autonomes. Par ailleurs, Google fait face à une pression supplémentaire liée au départ récent de plusieurs chercheurs clés vers des entreprises concurrentes.

La publication de cette information a eu un impact sur le cours de l'action Alphabet, maison-mère de Google, qui a chuté d'environ 4,4 % lors des échanges. Les investisseurs s'inquiètent de l'écart grandissant entre les investissements massifs réalisés dans les infrastructures d'intelligence artificielle et la capacité de l'entreprise à proposer un modèle capable de rivaliser avec les dernières innovations du marché.

Google avait précédemment mis à disposition une version limitée de Gemini 3.5 Pro auprès de certains clients professionnels, tout en poursuivant les ajustements de ses fonctionnalités avant un lancement plus large. Les équipes de développement se concentrent notamment sur l'amélioration des capacités en programmation, la réduction des erreurs et l'optimisation de l'exécution de tâches complexes impliquant plusieurs outils.