Gemini 3 : le LLM le plus puissant de Google

Quelques heures à peine après la présentation de Grok 4.1 par xAI, Google a frappé fort en annonçant Gemini 3. Ce nouveau modèle Gemini est le plus intelligent de Google à ce jour. Il est disponible dès maintenant dans l’application Gemini, ainsi que dans AI Studio et Vertex AI.

Gemini 3 va aussi commencer immédiatement à alimenter l’AI Mode dans la recherche. Google annonce également le mode Gemini 3 Deep Think et Google Antigravity, une nouvelle plateforme de développement agentique.

Dans cet article, je passe en revue toutes les annonces de Google, ce qu’elles impliquent pour le marché des LLM, et je prends en main le nouveau modèle Gemini 3 pour évaluer ses capacités. Vous pouvez aussi consulter notre guide de l’API Gemini 3 pour réaliser un projet pas à pas, découvrir Google Antigravity avec notre tutoriel, et notre guide pour créer un projet Gemini 3 Flash.

Qu’est-ce que Gemini 3 Pro ?

Gemini 3 Pro est le tout dernier et le plus avancé des grands modèles de langage de Google. Il est disponible dès maintenant via l’application Gemini, AI Studio et Vertex AI. L’entreprise le présente comme son modèle le plus intelligent, avec de meilleures performances en raisonnement, en code, et sur les tâches multimodales.

Ce modèle s’appuie sur le succès de la version Gemini 2.5 Pro, sortie il y a seulement sept mois. Gemini 3 caracole en tête du classement LMArena, remplaçant Grok 4.1 en quelques heures à peine.

Google affirme que Gemini 3 Pro possède un raisonnement de niveau doctorat, avec de nouveaux scores élevés sur différents benchmarks, notamment Humanity’s Last Exam, GPQA Diamond et MathArena Apex. Ces résultats impressionnants lui permettent de surpasser des modèles comme le nouveau GPT-5.1 d’OpenAI et Claude Sonnet 4.5 d’Anthropic.

Nouvelles fonctionnalités de Gemini 3

Qu’apporte donc Gemini 3 par rapport à son prédécesseur et à la nouvelle vague de modèles ? En plus d’un grand saut de performance, Google promet que vous pouvez « apprendre, construire et planifier n’importe quoi » avec Gemini 3. Des promesses ambitieuses. Voyons ce que recouvrent ces nouveautés :

Des performances en nette hausse

L’une des évolutions phares de Gemini 3 est son niveau de performance record. Même sans le mode Deep Think, cette version arrive en tête du classement Humanity’s Last Exam, avec un score de 37,2 % sans outils (41 % avec Deep Think), contre 26,5 % pour GPT-5.1.

Gemini 3 ne se limite pas au texte. Avec 23,4 % sur le benchmark MathArena Apex, il est aujourd’hui le modèle de pointe le mieux classé en mathématiques. De même, sur le Video-MMMU – un benchmark vidéo multimodal et pluridisciplinaire évaluant la capacité des LMM à acquérir des connaissances à partir de vidéos éducatives – il atteint 87,6 %, ce qui le place à nouveau en tête du classement.

Je sais qu’il est facile de se laisser emporter par les chiffres des benchmarks, et que le vrai test reste l’usage au quotidien, mais Gemini 3 Pro représente clairement une avancée majeure en performance LLM.

Qu’est-ce que le mode Gemini 3 Deep Think ?

Comme nous l’avons vu avec Gemini 2.5 Pro, le mode Gemini 3 Deep Think s’appuie sur une réflexion en parallèle et l’apprentissage par renforcement pour améliorer nettement les réponses (au prix d’un temps de réponse plus long). Deep Think rend Gemini plus détaillé, plus créatif et plus « réfléchi ».

Avec Gemini 3 Deep Think, on observe des gains par rapport à Gemini 3 Pro sans « thinking » sur des axes comme le raisonnement, les connaissances scientifiques et les casse-têtes de raisonnement visuel. En théorie, Deep Think gère mieux les problèmes nouveaux ou non familiers.

Deep Think est actuellement en phase d’évaluation : des testeurs sécurité le valident avant sa mise à disposition des abonnés Google AI Ultra « dans les prochaines semaines ».

La véritable multimodalité

Gemini 3 introduit une nouvelle architecture multimodale qui traite texte, image, audio, vidéo et code au sein d’une même pile Transformer, plutôt que via des encodeurs séparés.

Cette unification permet un véritable raisonnement intermodal. Gemini 3 peut interpréter un croquis et générer du code exécutable, ou analyser une vidéo et en expliquer les concepts scientifiques. Les résultats sur Video-MMMU et MMMU-Pro confirment un grand bond en compréhension spatiale et visuelle. Comme Gemini 2.5 Pro, il dispose aussi d’une fenêtre de contexte d’un million de tokens, pour relier des idées à travers des entrées variées et volumineuses.

Créativité agentique

Gemini 3 passe de la génération passive à la création agentique, grâce à de nouveaux progrès en utilisation d’outils, planification et « vibe coding ». Son architecture supporte des boucles de raisonnement sur le long terme, lui permettant de planifier, exécuter et valider des workflows multi-étapes : coder un jeu jouable, créer une interface interactive, le tout à partir d’un simple prompt.

Ces capacités sont désormais déployées dans Google Antigravity, tout juste annoncé : une plateforme de développement où les agents ont un accès direct à l’éditeur, au terminal et au navigateur. C’est la première version de Gemini pensée comme co-développeur, alliant autonomie structurée et intégration d’outils en temps réel pour transformer les idées en systèmes opérationnels.

Apprendre, construire et planifier n’importe quoi ?

Google donne plusieurs exemples de la façon dont le nouveau modèle peut vous aider à apprendre, créer et planifier.

L’accent est largement mis sur les progrès multimodaux : la capacité de Gemini à comprendre et produire des contenus en texte, image, vidéo, audio et code.

Alors que le « vibe coding » est au centre des attentions, Gemini 3 devrait encore faciliter la vie des développeurs pour concrétiser leurs idées. Google affirme qu’il excelle en génération one-shot, c’est-à-dire à produire des résultats de haute qualité à partir d’un seul prompt. Il sait également gérer des instructions complexes, indispensables pour rendre vos projets vraiment vivants et réactifs.

Gemini 3 est disponible pour que les développeurs lancent des projets agentiques dans Google AI Studio, Vertex AI, la Gemini CLI et le tout nouveau Google Antigravity (nous y revenons dans un instant).

Dernier point, plutôt remarquable : Gemini 3 Pro peut maintenir l’usage d’outils et une prise de décision cohérente sur une année d’opération simulée. Si vous êtes abonné à Google AI Ultra, vous pouvez accéder dès maintenant à la fonctionnalité expérimentale Gemini Agent, qui aide à construire des agents multi-étapes capables d’exploiter ces compétences.

Exemples Gemini 3 Pro

Grâce à sa fenêtre de contexte d’un million de tokens, Gemini 2.5 Pro fait partie de mes favoris depuis longtemps. J’ai donc hâte de voir ce que Gemini 3 propose avec une performance multimodale améliorée dans la même fenêtre de contexte. Pour commencer, voici quelques tests :

Un jeu simple inspiré de Half-Life 3

Comme avec Gemini 2.5, avec un prompt d’une dizaine de mots, j’ai demandé à Gemini 3 Pro de créer un jeu de plateforme d’inspiration Half-Life 3. Voici le prompt : Make me a simple side-scrolling Half-Life 3-inspired game

Avec un temps de réflexion très court et un temps de codage équivalent, Gemini 3 Pro (via AI Studio) a livré un résultat plutôt solide au vu du brief minimal. Le jeu tourne, c’est bien un side-scroller, et l’inspiration est claire.

Voici la vidéo du résultat :

Après cette expérience, j’ai voulu tenter quelque chose de plus classique. Je pensais au jeu du dinosaure de Chrome qui apparaît quand le navigateur est hors ligne.

Make me a simple side-scrolling game like the Chrome dinosaur that jumps over cactuses when the internet is down.

Place au Gemini Runner :

Les petits détails ne m’ont pas échappé. Gemini Runner reprenait le même ciel nocturne étoilé, alors que ce n’était même pas dans le prompt. Et quand je perdais, il affichait « Extinct ».

Capacités multimodales

Pour tester les capacités multimodales, j’ai téléversé un dessin réalisé par un enfant de six ans.

Je lui ai ensuite demandé de transformer la scène en un petit jeu. Voici le prompt utilisé :

Generate a simple browser game using the elements in this image. Base the game on what’s shown.

Dans ce prompt, j’ai évité de décrire les éléments de l’image, pour vérifier s’il saurait interpréter le contenu visuel et générer un jeu à partir de ce qu’il voyait.

Le résultat : un petit jeu baptisé Snowy’s Day, où l’on déplace le bonhomme-bâton pour collecter la neige qui tombe.

Comme vous le voyez, les éléments du jeu sont directement issus de l’image partagée. J’ai apprécié la fidélité d’esprit au visuel, même si ce n’est pas le jeu le plus amusant du monde. Peut-être qu’il ferait le bonheur d’un enfant de six ans.

Anecdote : Gemini a bien compris qu’il s’agissait de neige. Je me sentais un peu coupable, car j’avais cru à des étoiles !

Benchmarks de Gemini 3

Google a publié des données de benchmark très complètes pour Gemini 3 Pro et pour Gemini Deep Think, avec des résultats impressionnants sur toute la ligne.

Benchmarks de Gemini 3 Pro

Sur le pur raisonnement, Gemini 3 Pro démontre ce que Google appelle un « raisonnement de niveau PhD ». Voici les résultats marquants :

Raisonnement visuel

Le raisonnement visuel fait un bond spectaculaire.

Sur ARC-AGI-2, Gemini 3 Pro atteint 31,1 %. C’est un saut géant par rapport aux 4,9 % de Gemini 2.5 Pro, et bien devant Claude Sonnet 4.5 et GPT-5.1.
De même, sur ScreenSpot-Pro (compréhension d’écrans), Gemini 3 Pro obtient 72,7 %, écrasant littéralement Claude Sonnet 4.5 (36,2 %) et GPT-5.1 (3,5 %).

Ces deux résultats marquent une avancée majeure dans la compréhension et le raisonnement visuel du modèle.

Mathématiques

Avec 23,4 % sur MathArena Apex, Gemini 3 Pro écrase la concurrence. Pour situer : Gemini 2.5 Pro obtenait 0,5 %, Claude Sonnet 4.5 1,6 %, et GPT-5.1 seulement 1,0 %. C’est un nouveau référent pour les modèles de pointe en raisonnement mathématique.

Planification sur le long terme

Pour mesurer la planification de long terme, il existe un benchmark appelé Vending-Bench 2, qui simule l’exploitation d’un parc de distributeurs pendant une année. Le modèle doit décider en continu des stocks, des prix, etc. L’objectif est de tester la capacité de l’IA à garder un cap cohérent sur des milliers de décisions séquentielles.

Sur ce benchmark, Gemini 3 Pro atteint une valeur nette moyenne de 5 478,16 $. À comparer à Claude Sonnet 4.5 (3 838,74 $) et GPT-5.1 (1 473,43 $). Cela peut sembler spécifique, mais pour des agents réels amenés à gérer des tâches sur plusieurs jours ou semaines, cette fiabilité compte.

Autres benchmarks

Gemini 3 Pro affiche d’excellents scores sur un large éventail d’autres benchmarks. Il mène sur la compréhension multimodale (MMMU-Pro), la compréhension vidéo (Video-MMMU), le raisonnement à partir de graphiques (CharXiv) et le codage compétitif (LiveCodeBench Pro).

Une exception notable : Claude Sonnet 4.5 devance légèrement Gemini 3 Pro sur SWE-Bench Verified, un benchmark d’ingénierie logicielle.

Benchmarks du mode Gemini 3 Deep Think

Passons aux benchmarks de Gemini Deep Think, le mode de raisonnement amélioré actuellement évalué par les équipes de sécurité avant sa disponibilité pour les abonnés Google AI Ultra dans les prochaines semaines.

Vous vous demandez peut-être : si Gemini 3 Pro est déjà en tête des classements, à quoi sert Deep Think ? Certaines problématiques bénéficient d’un temps de raisonnement prolongé. Deep Think utilise un raisonnement parallèle et étendu pour consacrer plus de calcul aux tâches les plus ardues. Il est conçu pour prendre plus de temps, mais sur les cas les plus difficiles, ce temps supplémentaire se traduit par des résultats sensiblement meilleurs, comme le reflètent ces benchmarks :

Résolution de problèmes inédits

Le score sur ARC-AGI-2 est, à mes yeux, le plus marquant : Gemini 3 avec Deep Think atteint 45,1 % sur ARC-AGI-2 (la version officielle et vérifiée liée au concours ARC Prize). Dans ce test, le modèle est autorisé à écrire et exécuter du code comme outil de raisonnement : il s’appuie donc sur la programmation pour élucider les problèmes.

Pourquoi est-ce important ? ARC-AGI-2 évalue spécifiquement la capacité du modèle à résoudre des problèmes nouveaux, non familiers. Des énigmes jamais vues, impossibles à résoudre par simple appariement de motifs appris. Historiquement, c’est l’un des points les plus difficiles pour les systèmes d’IA ; un bon score suggère un véritable raisonnement plutôt qu’une mémorisation.

Questions extrêmement difficiles

Deep Think atteint 37,5 % sans outils sur Humanity’s Last Exam. Et avec Deep Think activé, cela grimpe à 41,0 %. À titre de comparaison, GPT-5.1 obtient 26,5 %.

Ce benchmark est fascinant car il teste la connaissance et le raisonnement aux limites de la compréhension humaine : des problèmes d’une grande difficulté, requérant une expertise poussée. Le fait que Gemini 3, avec Deep Think, puisse répondre correctement à plus d’un tiers de ces questions suggère qu’il ne se contente pas de réciter des faits, mais raisonne vraiment face à des problèmes très complexes et ambigus.

Sciences de niveau master

Deep Think obtient un A – 91,9 % – sur GPQA Diamond, un benchmark de questions scientifiques de niveau master/doctorat. Le mode pousse même le score à 93,8 %. Au-delà du 91,9 % déjà impressionnant, l’intérêt est de voir qu’il s’agit d’une base sur laquelle Deep Think peut encore améliorer les résultats.

Comment accéder à Gemini 3 ?

Gemini 3 Pro est disponible maintenant sur plusieurs plateformes. Vous pouvez l’utiliser immédiatement dans l’application Gemini. Il alimente également l’AI Mode dans la recherche ; vous interagissez peut-être déjà avec Gemini 3 sans le savoir.

Si vous êtes développeur, vous pouvez accéder à Gemini 3 Pro via l’API Gemini dans Google AI Studio, Vertex AI et la Gemini CLI. Il est aussi disponible dans la nouvelle plateforme Google Antigravity, ainsi que dans plusieurs outils tiers comme Cursor, GitHub, JetBrains, Manus et Replit.

Les abonnés Google AI Ultra ont accès à Gemini 3 Pro, ainsi qu’à la fonctionnalité expérimentale Gemini Agent pour construire des agents multi-étapes. Deep Think est actuellement évalué par les équipes de sécurité et sera disponible pour les abonnés Ultra dans les prochaines semaines, une fois des évaluations de sécurité supplémentaires terminées.

Pour les étudiants, Google a introduit une offre gratuite d’un an donnant accès à Gemini 3 Pro, aux téléversements d’images illimités, à 2 To de stockage et à des outils supplémentaires comme NotebookLM.

Comment Google utilise Gemini 3

Gemini 3 Pro est déjà déployé, et Google l’exploite d’ores et déjà dans deux fonctionnalités clés :

AI Overviews dans Google Search

Google croit tellement en ce modèle qu’il l’intègre directement dans la recherche. Alors que les AI Overviews s’étendent depuis avril à de plus en plus de pages, Gemini 3 Pro les alimente dès son lancement.

Gemini 3 et Google Antigravity

Autre annonce enthousiasmante : l’arrivée d’une nouvelle plateforme de développement agentique, Google Antigravity.

Cet outil est propulsé par les capacités de raisonnement, d’utilisation d’outils et de « coding agentique » de Gemini 3. Google promet une expérience familière, proche d’un IDE, mais où les agents accèdent directement à l’éditeur, au terminal et au navigateur pour vous aider à planifier, écrire et vérifier des projets complexes de manière autonome.

Antigravity s’intègre à Gemini 3 Pro, au modèle Gemini 2.5 Computer Use pour le contrôle du navigateur, et à Nano Banana (Gemini 2.5 Image) pour l’édition d’images.

En guise de conclusion

Avec cette sortie, Google envoie un signal clair : l’entreprise revient au premier plan dans la course au modèle d’IA le plus performant, et déploie rapidement à l’échelle tout son écosystème. Au vu des spécifications, difficile de ne pas être d’accord : Gemini 3 Pro apparaît comme le meilleur modèle pour la compréhension multimodale.

Comme toujours, Google est bien positionné. Son infrastructure cloud, ses puces sur mesure et sa pile IA intégrée se renforcent mutuellement pour offrir une performance que peu de concurrents peuvent égaler. Les gains couvrent le raisonnement, le code, la compréhension multimodale et la planification de long terme : tout indique des améliorations fondamentales de l’architecture de base avec Gemini 3 Pro. De plus, Google semble construire en pensant à des cas d’usage métiers concrets ; notre façon d’utiliser l’IA devient ainsi plus variée et plus intéressante.

Pour prendre rapidement en main les sujets IA, je vous recommande de commencer par le parcours de compétences AI Fundamentals.

FAQ sur Gemini 3

Quelle est la différence entre Gemini 3 Pro et Gemini 3 Deep Think ?

Gemini 3 Pro est le modèle principal proposé dans les applications et plateformes développeurs de Google, optimisé pour un usage quotidien. Deep Think est un mode optionnel, plus lent mais offrant un raisonnement multi-étapes avancé, disponible pour les utilisateurs premium une fois les tests de sécurité terminés.

À quoi sert la fenêtre de contexte d’un million de tokens ?

Il permet à Gemini 3 de traiter d’énormes entrées : articles de recherche complets, bases de code entières ou longues transcriptions vidéo, sans les découper en morceaux. Résultat : un raisonnement plus profond et cohérent sur de grands volumes de données.

Comment essayer gratuitement Gemini 3 Pro ?

Gemini 3 Pro est disponible pour tous dans l’application Gemini, ainsi que pour les abonnés Google AI Pro et Ultra. Il alimente aussi l’AI Mode dans la recherche. Côté développeurs, vous pouvez accéder à l’API dans AI Studio, ainsi que sur la nouvelle plateforme de développement agentique Google Antigravity. Les étudiants peuvent bénéficier d’un an gratuit de Gemini Pro, incluant l’accès à Gemini 3 Pro, 2 To de stockage Google Drive et des téléversements d’images illimités.

Qu’est-ce que Google Antigravity et en quoi diffère-t-il d’AI Studio ou de Vertex AI ?

Antigravity est la nouvelle plateforme de développement pilotée par des agents de Google, qui fonctionne comme un IDE dopé à l’IA où les agents peuvent coder, tester et utiliser des outils directement. AI Studio et Vertex AI sont des API et plateformes de déploiement ; Antigravity apporte ces capacités dans un espace de travail collaboratif et pratique.

Pourquoi les scores de benchmark comptent-ils pour Gemini 3 Pro ?

Les benchmarks apportent des éléments mesurables sur le raisonnement, le code et la performance multimodale d’un modèle. Ils aident à choisir le modèle le plus adapté à vos besoins ; toutefois, les tests en situation réelle restent essentiels, car aucun benchmark ne couvre tous les cas d’usage.

Auteur

Matt Crabtree

Rédacteur et éditeur de contenu dans le domaine des technologies de l'information et de la communication. Vous êtes déterminé à explorer les tendances en matière de données et enthousiaste à l'idée d'apprendre la science des données.