Cours
IA pratique avec Google Gemini et NotebookLM
2 h
10K
Google enchaîne les sorties de modèles Flash à un rythme difficile à suivre. Gemini 3.8 Flash est le troisième modèle Flash en six semaines, et s'impose comme son meilleur modèle de raisonnement et de code dans la gamme Flash, avec la même vitesse et le même coût que 3.7 Flash sorti trois semaines plus tôt.
\nEn parallèle du modèle standard, Google a présenté Gemini 3.8 Flash Cyber, une variante spécialisée en cybersécurité, réservée aux défenseurs de confiance via le programme Fairwind, une initiative à accès limité lancée en même temps que les nouveaux modèles. Les deux modèles partagent la même intelligence de base.
\nLes chiffres phares sont solides : Gemini 3.8 Flash affiche 90,8 % sur Terminal-Bench 2.1 (contre 81,6 % pour 3.7 Flash), 54,9 % sur HLE-Verified, et un taux de découverte de vulnérabilités en situation réelle supérieur à 70 % pour la variante Cyber.
\nDans cet article, nous passons en revue toutes les nouveautés de Gemini 3.8 Flash et 3.8 Flash Cyber : nouvelles fonctionnalités, benchmarks, et tests pratiques. Voyez le modèle à l’œuvre dans notre tutoriel API Gemini 3.8 Flash, et découvrez le nouveau modèle d’assistant vocal de Google dans notre guide Gemini 3.8 Live.
\nPour comparer avec les modèles concurrents, consultez nos guides DeepSeek v4.1 vs Gemini 3.8 Flash et Claude Opus 5 vs Sonnet 5.
\n\nEn bref
\n- \n
- Gemini 3.8 Flash est le modèle le plus intelligent de la gamme Flash de Google, publié le 2 septembre 2026, et son troisième modèle Flash en six semaines. \n
- Il atteint 90,8 % sur Terminal-Bench 2.1 (contre 81,6 % pour 3.7 Flash) et dépasse la plupart des modèles de pointe plus grands sur DeepSWE v1.1 pour le codage à long horizon. \n
- Les progrès sont hétérogènes : le code et l'utilisation d'outils bondissent, mais Humanity's Last Exam reste stable à 45,4 % vs 45,7 %. \n
- Les tarifs restent à 0,75 $ en entrée et 3,75 $ en sortie par million de tokens jusqu'au 31 décembre 2026, puis 1,50 $/7,50 $. \n
- Gemini 3.8 Flash Cyber, réservé aux défenseurs du programme Fairwind, dépasse 70 % de découverte de vulnérabilités en conditions réelles et se situe sur la frontière de Pareto de CWE-Bench pour le patching. \n
Qu'est-ce que Gemini 3.8 Flash ?
\nGemini 3.8 Flash est le modèle le plus intelligent de la gamme Flash de Google, conçu pour l’ingénierie logicielle à long horizon, les agents autonomes et les workflows d’entreprise complexes.
\nIl se place sous la gamme Pro (comme Gemini 3.1 Pro) mais coûte une fraction du prix, avec un tarif de lancement maintenu à 0,75 $ par 1 M de tokens en entrée et 3,75 $ par 1 M de tokens en sortie jusqu'au 31 décembre 2026.
\nLe principal changement par rapport à 3.7 Flash, c'est que 3.8 Flash travaille tout simplement plus.
\nSur les tâches complexes, il exécute des étapes de raisonnement supplémentaires et appelle les outils de manière itérative, ce qui explique qu'il se rapproche des performances de modèles de pointe plus coûteux. Le compromis, c'est la consommation de tokens : à des niveaux d'effort élevés, le modèle peut consommer davantage pour gratter les derniers points de précision.
\nLe chiffre le plus marquant concerne Terminal-Bench 2.1, où 3.8 Flash atteint 90,8 % contre 81,6 % pour 3.7 Flash. Terminal-Bench évalue la fiabilité d'un modèle à mener à bien des tâches réelles en ligne de commande et en codage de bout en bout ; un gain de 9 points indique directement un meilleur comportement d'agent pour le code.
\n![\"Gemini](\"https://media.datacamp.com/cms/bc7de8520707ac3be758d9ee83c1b9af.png\")
Quoi de neuf avec Gemini 3.8 Flash ?
\nLes fonctionnalités de 3.8 Flash ciblent les développeurs qui font tourner des agents et de longues sessions de codage, plutôt que l’usage conversationnel.
\nVoici les capacités à connaître.
\nNiveaux d'effort ajustables par tâche
\nVous pouvez augmenter ou diminuer l'effort du modèle selon que vous privilégiez la précision ou le coût.
\n- \n
- Avec un effort plus élevé, 3.8 Flash exécute davantage d'étapes de raisonnement et appelle répétément les outils, ce qui améliore ses scores sur les tâches d'ingénierie difficiles. \n
- Avec un effort réduit, il limite la surconsommation de tokens pour les travaux sensibles à la latence ou contraints en calcul. \n
C'est essentiel car les gains de 3.8 Flash s'obtiennent au prix de tokens supplémentaires.
\nSi votre priorité est l'efficacité, Google indique clairement que vous pouvez rester sur 3.7 Flash, qui reste pleinement supporté.
\nCette précision inhabituelle pour un lancement Google confirme que le réglage de l'effort est un vrai compromis, et non de la performance gratuite.
\nAgents autonomes à long horizon
\nGemini 3.8 Flash est conçu pour faire tourner des agents capables de résoudre des problèmes d'ingénierie en plusieurs étapes sans assistance.
\nSur DeepSWE v1.1, un benchmark d'ingénierie logicielle à long horizon, il surpasse la plupart des modèles de pointe plus grands pour une fraction de leur coût, tout en résolvant des problèmes complexes de bout en bout.
\nPour celles et ceux qui construisent des agents de code, c'est l'indicateur qui compte.
\nSur Reddit et X, des utilisateurs ayant partagé des impressions préalables parlaient de \"performances niveau Fable 5 à un prix Flash\", et le Wall Street Journal a rapporté que, dans les tests internes \"Jetski\" de Google en face-à-face, les ingénieurs préféraient 3.8 Flash au modèle Opus d'Anthropic pour le codage.
\nLa revendication est offensive ; elle mérite vérification dès que l'API sera largement accessible.
\nFiabilité dans des domaines professionnels spécialisés
\n3.8 Flash cible des secteurs réglementés et à forts enjeux, où l'erreur coûte cher.
\nIl surpasse 3.7 Flash et d'autres modèles de pointe sur Vals Finance Agent V2 et le benchmark juridique de Harvey, qui évaluent l'analyse et le reporting en finance et en droit.
\nPensez à un workflow où un agent lit des documents trimestriels et rédige un résumé de conformité, ou passe en revue des clauses de contrat au regard d'une politique. La fiabilité requise diffère d'un chat générique, et Google positionne 3.8 Flash pour l'autonomie en entreprise dans ces domaines de connaissance.
\nConçu pour l'outillage agentique dans Antigravity et AI Studio
\nGemini 3.8 Flash s'exécute dans Google Antigravity et Google AI Studio, où une seule invite en boucle peut piloter l'intégralité d'un build.
\nL'exemple de Google est une version jouable, façon DOS, de Google Maps générée à partir d'une seule invite dans Antigravity, avec lieux, itinéraires et Street View.
\nPour vos propres projets, imaginez donner une instruction unique comme \"créez un tableau de bord interactif qui importe ce CSV, trace trois types de graphiques et me permet de filtrer par région\", puis laisser la boucle agentique itérer jusqu'à exécution.
\nCe schéma d'invite en boucle est là où les niveaux d'effort supérieurs paient, car le modèle affine en continu au lieu de s'arrêter au premier jet.
\nBenchmarks de Gemini 3.8 Flash
\nLe panorama des benchmarks est contrasté, ce qui est plus instructif qu'un \"grand chelem\" : on voit où se situent réellement les gains.
\nLes tâches de code et de terminal progressent nettement, tandis que le raisonnement façon examen bouge peu.
\nVoici les chiffres issus de la doc développeur et de l'annonce de Google.
\n![\"Gemini](\"https://media.datacamp.com/cms/c5db6a3cfe9a412fe7748ba8ed5447a0.png\")
Terminal-Bench 2.1
\nGemini 3.8 Flash atteint 90,8 % sur Terminal-Bench 2.1, contre 81,6 % pour 3.7 Flash.
\nCe benchmark mesure la capacité d'un modèle à accomplir de bout en bout des tâches réelles en ligne de commande et en codage, y compris l'utilisation d'outils et la récupération après erreurs.
\nPour situer face aux modèles concurrents de milieu de gamme : dans notre comparatif GPT-5.6 Terra vs Claude Sonnet 5, Terra atteignait 87,4 % sur Terminal-Bench 2.1 et Sonnet 5 80,4 %. Avec 90,8 %, 3.8 Flash passe devant les deux : une performance notable pour un modèle Flash à 0,75 $ en entrée.
\nDeepSWE v1.1
\nSur DeepSWE v1.1, benchmark d'ingénierie logicielle à long horizon, 3.8 Flash surpasse la plupart des modèles de pointe plus grands pour une fraction de leur coût.
\nGoogle n'a pas publié le pourcentage exact dans les notes extraites, mais le message est qu'il résout de manière autonome des problèmes d'ingénierie complexes, de bout en bout.
\nC'est le benchmark qui étaye la promesse de \"l'agent qui termine le travail\".
\nSi votre charge implique un agent qui itère de nombreuses étapes sur une base de code, DeepSWE est plus proche de votre réalité qu'un score de code en un seul tir.
\nSWE-Bench Pro et SWE-Atlas
\nSur SWE-Bench Pro, 3.8 Flash atteint 61,6 % contre 60,4 % pour 3.7 Flash, et sur SWE-Atlas il monte à 51,9 % contre 48,0 %.
\nCe sont des benchmarks d'ingénierie logicielle au niveau des dépôts, qui mesurent la résolution de vrais problèmes dans de vrais codebases.
\nLe gain de peu plus d'un point sur SWE-Bench Pro reste modeste : à signaler. Les plus fortes hausses sont sur Terminal-Bench ; si vous tenez spécifiquement à la fiabilité terminal/outils, c'est là que 3.8 Flash se distingue de son prédécesseur.
\nHLE-Verified et Humanity's Last Exam
\n3.8 Flash atteint 54,9 % sur HLE-Verified, un test de raisonnement multi-étapes couvrant les sciences, les humanités et les domaines professionnels.
\nSur l'ensemble Humanity's Last Exam dans la documentation développeur de Google, le score est en revanche quasi inchangé : 45,4 % pour 3.8 Flash contre 45,7 % pour 3.7 Flash.
\nLe raisonnement général façon examen n'a guère progressé ; si votre cas d'usage est du raisonnement ouvert et difficile plutôt que le code et l'usage d'outils, la mise à niveau 3.7 → 3.8 Flash risque de ne pas compenser les tokens en plus.
\nBenchmarks cyber : CyberGym et CWE-Bench
\nGemini 3.8 Flash Cyber affiche des résultats de niveau « frontier » sur la découverte et la correction de vulnérabilités.
\nSur CyberGym, le benchmark référence du secteur pour la découverte autonome de vulnérabilités, il dépasse 3.5 Flash Cyber et des modèles de pointe nettement plus grands, et sur le benchmark interne de Google couvrant 20 langages de programmation, il franchit 70 % de réussite.
\nSur CWE-Bench, un benchmark externe de correction opéré par Collinear, Cyber se situe sur la frontière de Pareto avec un pass@1 de 47,2 % contre 47,8 % pour un modèle de pointe, pour un coût bien moindre.
\nGoogle a délibérément privilégié la réparation de vulnérabilités par rapport à l'exploitation offensive, une approche comparable à Anthropic qui livre Sonnet 5 avec des garde-fous cyber activés par défaut (0,0 % sur une évaluation de développement d'exploit Firefox, comme nous l'avons noté dans notre comparatif Opus 5 vs Sonnet 5).
\nGemini 3.8 Flash vs Gemini 3.7 Flash
\nLe tableau ci-dessous montre comment le nouveau modèle se compare à son prédécesseur tout récent :
\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n| Benchmark | Gemini 3.8 Flash | Gemini 3.7 Flash |
|---|---|---|
| Terminal-Bench 2.1 | 90,8 % | 81,6 % |
| SWE-Bench Pro | 61,6 % | 60,4 % |
| SWE-Atlas | 51,9 % | 48,0 % |
| τ³-bench Banking | 38,1 % | 30,9 % |
| CharXiv (multimodal) | 86,2 % | 84,5 % |
| Humanity's Last Exam | 45,4 % | 45,7 % |
Tarifs et disponibilité de Gemini 3.8 Flash
\nGemini 3.8 Flash est généralement disponible via Google AI Studio et la Gemini Enterprise Agent Platform, publié le 2 septembre 2026, avec l'ID de modèle API gemini-3.8-flash.
La variante 3.8 Flash Cyber est réservée aux défenseurs de confiance via le programme Fairwind et n'est pas diffusée en général.
\nLa grille tarifaire conserve les mêmes prix de lancement que 3.7 Flash :
\n- \n
- Entrée : 0,75 $ par 1 M de tokens jusqu'au 31 décembre 2026 \n
- Sortie (y compris les tokens de raisonnement) : 3,75 $ par 1 M de tokens jusqu'au 31 décembre 2026 \n
- Après le 1er janvier 2027 : 1,50 $ par 1 M en entrée et 7,50 $ par 1 M en sortie \n
Pour situer face aux concurrents en septembre 2026 : GPT-5.6 Sol tourne autour de 5 $ en entrée et 30 $ en sortie par 1 M de tokens, et le nouveau Claude Fable 5.1 coûte 10 $/50 $.
\nGemini 3.8 Flash est nettement moins cher que les deux, ce qui est l'objectif de la gamme Flash.
\nEn conclusion
\nAvec Gemini 3.8 Flash, Google met la pression sur le segment \u00ab valeur \u00bb du marché des modèles de code, avec une stratégie limpide : approcher la performance des modèles de pointe pour 0,75 $ en entrée, tout en livrant un nouveau modèle Flash toutes les deux semaines.
\nLe 90,8 % sur Terminal-Bench 2.1 et un prix sous le dollar en font un sérieux \u00ab par défaut \u00bb pour les charges d'agent de codage.
\nNotre lecture : la sortie est contrastée, et Google ne le cache pas.
\nLes scores terminal/outils bondissent, DeepSWE ainsi que les benchmarks finance et juridique progressent, mais HLE reste plat et SWE-Bench Pro bouge à peine.
\nSi vous construisez des agents de code, c'est une mise à niveau significative par rapport à 3.7 Flash.
\nSi vous avez besoin de raisonnement ouvert difficile, l'argument est plus mince, et rester sur 3.7 Flash pour la priorité à l'efficacité se défend.
\nLa variante Cyber est le pari le plus intéressant à long terme. Un taux de découverte de vulnérabilités réelles au-delà de 70 % et une correction sur la frontière de Pareto, avec un accès via le programme Fairwind et un biais assumé pour la défense plutôt que l'exploitation, c'est une position défendable pour une entreprise qui s'en sert déjà pour sécuriser son propre code.
\nNous attendons des reproductions indépendantes avant de prendre pour argent comptant les résultats CyberGym et CWE-Bench, la plupart des données provenant pour l'heure de Google lui-même.
\nSi vous souhaitez construire des agents et des workflows de code autour de ce type de modèles, notre parcours de compétences AI Agent Fundamentals est un excellent point de départ.
