Les modèles Google Gemini ont mal performé ces dernières années, passant d'être salués comme des IA de pointe à être moqués en ligne comme les « paquets de soja d'Amérique du Nord ». Ils présentent fréquemment des erreurs élémentaires telles que des défauts de raisonnement mathématique et des problèmes de génération d'images ; leurs compétences en programmation sont en bas de classement sur les principaux classements, et leur base de connaissances est en retard par rapport à GPT et Claude. La cause profonde réside dans une structure organisationnelle interne chaotique chez Google, où chaque département cherche à faire de l'IA son point d'entrée, entraînant une dispersion des ressources et une répartition inégale de la puissance de calcul. De nombreux chercheurs clés ont quitté l'entreprise, y compris les auteurs de Transformer et le lauréat du prix Nobel d'AlphaFold, recrutés par des concurrents. Bien que Google ait déjà lancé Gemini 3.6 Flash et entrepris l'entraînement de Gemini 4, il lui reste un défi considérable à relever pour retrouver son sommet en matière d'IA.Auteur et source de l'article : Chapi X.PIN
J'admets que Gemini était fort l'année dernière, mais maintenant, sa réputation est devenue un paquet de soja nord-américain...
J'admets que Gemini était fort l'année dernière, mais maintenant, sa réputation est devenue un paquet de soja nord-américain.
Discutez-lui de problèmes mathématiques, et voilà que, d'un coup, des crottes apparaissent.
Il a demandé une photo de plage, mais les gens ont immédiatement supposé que l'utilisateur était un pédophile.
En raison de ces déclarations abstraites, Gemini a été directement étiqueté sur Internet comme le « sac de soja nord-américain ».
Outre le fait que le modèle lui-même ait connu une chute soudaine, les récents changements au sein de l'équipe de chercheurs de Google ont été extrêmement fréquents.
Il y a deux ans, l'un des auteurs de Transformer, qui avait coûté 2,7 milliards de dollars à recruter, quitte maintenant son poste pour rejoindre OpenAI.
Même le lauréat du prix Nobel qui a travaillé assidûment pendant 9 ans sur AlphaFold a commencé à faire des yeux doux à Anthropic.
Les gens attendaient avec impatience la sortie de Gemini 3.5 Pro pour se venger de leur précédente défaite, mais ils ont attendu de mai à juillet sans que celle-ci soit publiée.
Il y a quelques jours, il y enfin eu un signe de vie, mais ce n'était pas le modèle Pro phare qui a été présenté, mais un modèle Flash axé sur le "prix abordable".
Quel est le niveau de capacité de ce modèle ?
Pour dire les choses simplement, tandis que les autres modèles se mesurent à Fable et GPT-5.6 Sol, Gemini 3.5 Flash choisit comme points de comparaison GPT-5.6 Luna et Claude Sonnet 5.
Juste à partir de cette comparaison, on peut voir les attentes de Google à l'égard de ce nouveau modèle...
Dans le domaine actuellement le plus prisé, à savoir la programmation IA et les agents intelligents, Gemini connaît un déclin marqué.
Sur la première page des classements, vous ne pourriez même pas trouver son nom.
Dans la vie réelle, personne ne utilise vraiment Gemini pour écrire du code, n’est-ce pas ? J’avais précédemment demandé à Gemini de gérer une migration de projet, mais il s’est contenté de fournir une valeur émotionnelle : il a dit plein de belles choses, sans pour autant terminer la moindre tâche.
Même la capacité de connaissance mondiale la plus fière de Google oscille follement entre夯 et 拉.
Il reconnaît maintenant son étendue ; auparavant, DeepSeek avait déjà admis clairement dans son article qu'il était inférieur à Gemini en termes de portée des connaissances.
DeepSeek-V4-Pro-Max dépasse nettement tous les modèles open source sur SimpleQA-Verified, mais reste encore en retard par rapport au modèle propriétaire leader Gemini-3.1-Pro.
Normalement, quand tu lui poses des questions sur des connaissances anciennes et peu connues, seul Gemini pourrait s'en souvenir.
Mais dès que vous discutez avec lui de choses apparues ces deux dernières années, les réponses de Gemini deviennent très étranges.
Par exemple, lors de la rédaction de cet article, nous avons demandé à Gemini de nous aider à structurer le plan.
Le résultat a été que, sans aucun lien avec le contexte, Gemini m'a soudainement sorti un Claude 3.5.
Oui, dans l'esprit par défaut de Gemini, sa connaissance de Claude s'arrête à la version 3.5.
C'est parce que, dans les modèles Gemini actuels, que ce soit le 3.5 Flash publié en mai de cette année ou le Gemini 2.5 Pro publié en juin de l'année dernière.
Les bases de connaissances intégrées à ces modèles ne contiennent que des informations antérieures à janvier 2025.
Ainsi, Claude 3.7, publié en février 2025, ne le reconnaît pas du tout, ne connaît que le 3.5 publié en 2024, et se met alors à dire n'importe quoi avec confiance.
Cela fait en sorte que, lors de vos conversations habituelles avec Gemini, si vous abordez les événements survenus au cours des dix-huit derniers mois, Gemini commencera à paniquer.
Si vous voulez lui faire assimiler des connaissances récentes, vous devez activer la recherche en ligne, mais souvent, après avoir activé la recherche en ligne, le modèle voit ses performances diminuer en raison de la surcharge d'informations, se retrouvant bloqué entre deux extrêmes.
Tandis que les trois grands GPT et Claude ont mis à jour leurs bases de connaissances jusqu'à la fin de l'année dernière, Google persiste à utiliser cette ancienne base de connaissances jusqu'à la récente sortie de Gemini 3.6 Flash, qui a enfin mis à jour sa base de connaissances jusqu'à mars 2026.
Il est difficile d'imaginer que Google, qui a commencé grâce à la recherche, se voit battu sur son domaine d'expertise : l'information.
Alors, qu'est-ce qui s'est passé chez Gemini ?
Après avoir examiné les révélations de divers médias sérieux, on constate qu'il n'y a rien de nouveau sous le soleil : les performances récentes inférieures aux attentes de Gemini sont en réalité un reflet du désordre organisationnel sous-jacent de Google dans son département IA.
Contrairement à des entreprises purement de grands modèles comme OpenAI et Anthropic, pour Google, Gemini n'a jamais été simplement un chatbot.
C’est à la fois le modèle de pointe de DeepMind, l’arme permettant à Google Search de maintenir son accès au moteur de recherche, l’API vendue aux clients entreprises par Google Cloud, et il va également intégrer Android, Chrome, Workspace, Pixel, Google Home...
Chaque ligne d’activité souhaite faire de l’IA son prochain point d’entrée, et chaque ligne d’activité pense que ses propres scénarios sont les plus importants.
Alors, qui est le plus important des grands frères ?
L'Information avait déjà rapporté que les collègues du laboratoire d'IA de Google avaient développé une application de prise de notes IA appelée NotebookLM, ce qui avait déplu aux collègues chargés de Gmail et de Google Docs.
Qui t’a dit de faire ça ? Tu ne comprends pas les règles professionnelles ? Ce n’est pas en train de te voler ton propre travail ?
On a même entendu dire que les employés de Workspace avaient préparé la fermeture de NotebookLM.
En outre, l'équipe Google Cloud et l'équipe DeepMind ont également mené un affrontement.
L'équipe mobile de Pixel souhaite développer certaines fonctionnalités IA pour les téléphones Pixel, tout en étant contrainte internement de ne pas entrer en concurrence avec l'assistant Gemini.
C’est après que l’entreprise soit devenue trop grande que chaque équipe protège son propre accès et craint que le produit d’une autre équipe ne lui vole sa place.
L'IA n'a pas encore commencé à changer véritablement le monde, mais Google a déjà commencé à s'emparer du volant.
Le philosophe anglais Hobbes a décrit dans Léviathan un état de guerre de tous contre tous.
En résumé : on veut tout, mais le gâteau n'est pas assez grand, alors on se bat sans fin.
Google est ainsi aujourd'hui : les frontières entre départements deviennent des rivales aussi impénétrables que le Fleuve Chu et la Rivière Han, et chacun serre étroitement les rares ressources de son propre bol.
Cette tendance a même influencé la répartition des ressources de calcul au sein de Google.
Normalement, Google ne devrait pas manquer de puissance de calcul.
Il possède ses propres TPU, du cloud et des centres de données, et vend également ses TPU à des entreprises externes telles qu'Anthropic, Meta et Midjourney...
Mais comment équilibrer commerce et recherche est devenu un gros problème au sein de Google.
Au sein de Google, certains chercheurs en IA ressentent que l'entreprise préfère allouer la puissance de calcul aux utilisateurs payants, qui sont les véritables clients.
Ces complications internes ont également entraîné le départ d'un certain nombre d'employés.
Même de nombreux chercheurs en IA ont constaté qu’il est plus simple de démissionner directement et de travailler pour soi-même plutôt que d’attendre des autorisations et de suivre des procédures complexes pour obtenir des ressources de calcul sur Google.
Lancer sa propre entreprise et gérer ses propres ressources de calcul est bien plus rapide que d’attendre passivement chez Google.
Si, pour un chercheur ordinaire, la limitation de Google réside dans la puissance de calcul, pour de nombreux chercheurs éminents, Google pourrait également échouer sur le plan financier.
En tant que géant dont la capitalisation boursière dépasse 4 billions de dollars, Google offre à ces talents de premier plan, en plus de la rémunération en espèces, principalement des actions restreintes fortement liées à l'entreprise.
Est-ce que cette action permet de gagner de l'argent ? Oui, on peut gagner de l'argent. Peut-on gagner beaucoup d'argent ? C'est un peu difficile.
Même si tu te dévoues au maximum, la capitalisation boursière de Google peut-elle encore doubler plusieurs fois à court terme ?
Mais OpenAI et Anthropic, de l'autre côté, sont différents.
Ces deux-là préparent discrètement leur introduction en bourse ces derniers temps ; si tu passes maintenant, tu pourrais très bien obtenir des actions initiales, ce qui te permettrait de doubler ta richesse dès la fin de l’introduction — bien mieux que de travailler pour un salaire.
Of course, Google is not unaware of these issues.
Il y a quelques temps, l'organisation a été réorganisée en créant une équipe dédiée « Middle Training » entre le pré-entraînement et l'entraînement standard, afin de renforcer spécifiquement les capacités de programmation du modèle.
Bien que Gemini 3.6 Flash fasse beaucoup parler d'elle actuellement, Google affirme désormais avec confiance qu'il a commencé à préparer l'entraînement de Gemini 4.
Google pourra-t-il retrouver sa gloire passée ? Peut-être que cela dépendra de cette vague.
Bien que nous ayons beaucoup discuté des problèmes de Gemini aujourd'hui, tu sais que je suis toujours un fan de Google.
J'aimais beaucoup le 2.5 Pro de l'année dernière, et même maintenant, je trouve que les textes écrits par Gemini ont un côté plus humain.
Ce sentiment d’être vivant devient encore plus précieux à une époque où tout le monde se compétitionne sur ses compétences en codage.