Trois semaines. C’est le temps que Google a laissé passer entre Gemini 3.6 Flash et son successeur. Le 13 août 2026, l’entreprise a lancé Gemini 3.7 Flash, qu’elle présente comme « notre modèle de travail le plus intelligent à ce jour pour le code et les agents ». Deux mots comptent dans cette phrase, et ce ne sont pas ceux que la presse tech retiendra en premier : les agents.
Ce qui est confirmé
Restons sur les faits que Google annonce officiellement, avant d’interpréter.
Le modèle progresse nettement sur le code et les tâches multi-étapes. Sur le benchmark DeepSWE v1.1, il passe de 49,0 % à 65,3 %. Sur AutomationBench — qui mesure la capacité à mener de vrais flux de travail métier — il bondit de 17,0 % à 30,4 %. Sur WebDev Arena, son score Elo grimpe de 1538 à 1588. Google résume son évolution d’une formule qui dit l’essentiel : « il réfléchit plus consciencieusement, en investissant davantage d’efforts dans la planification en plusieurs étapes et les appels d’outils ».
Côté prix, c’est une baisse franche. En tarif de lancement, jusqu’au 31 décembre 2026, il coûte 0,75 $ le million de tokens en entrée et 3,75 $ en sortie — la moitié du tarif de la 3.6 Flash. À partir du 1ᵉʳ janvier 2027, il repassera à 1,50 $ / 7,50 $.
Disponible tout de suite via Google AI Studio, la plateforme Gemini Enterprise, l’application Spark (pour les abonnés Pro et Ultra dans plus de 160 pays) et l’environnement de développement Antigravity.
Le mot qui compte : agents
« Le code et les agents ». La première moitié est attendue — chaque nouveau modèle promet de mieux coder. La seconde est le vrai signal.
Un agent, ce n’est pas une IA qui répond à une question. C’est une IA qui fait : elle enchaîne des étapes, appelle des outils, consulte une API, corrige sa trajectoire, et accomplit une tâche complète sans qu’on la tienne par la main à chaque pas. La différence entre « écris-moi une description produit » et « va chercher mes 200 produits sans description, rédige-les, et pousse-les en brouillon » — c’est le passage du chatbot à l’agent.
Quand Google positionne explicitement un modèle sur les agents, et qu’il double d’un coup son score sur un benchmark d’automatisation de flux métier, ce n’est pas un détail de communication. C’est la direction que prend l’IA utile : moins de conversation, plus d’exécution.
Pourquoi ça tombe pile pour l’e-commerce
Ce lancement ne se lit pas isolément. Il arrive quelques semaines après un autre événement qu’on a couvert ici : PrestaShop 9.2 a mis un assistant IA « Ask AI » dans son back-office, bâti sur le protocole MCP, capable de déclencher des actions sur la boutique en langage naturel.
Mettez les deux bout à bout et la trajectoire devient claire. D’un côté, PrestaShop rend sa boutique pilotable par une IA via un standard ouvert. De l’autre, Google sort un modèle taillé pour les agents, deux fois moins cher. Ce sont les deux moitiés de la même équation : l’infrastructure pour qu’une IA agisse sur votre boutique existe désormais, et le cerveau qui l’anime devient à la fois plus capable et plus abordable.
Concrètement, pour un e-commerçant, la question « est-ce que je peux confier des tâches répétitives à une IA » cesse d’être théorique. Générer et pousser des fiches produits, trier des commandes, répondre à un premier niveau de support, surveiller des anomalies : ces usages agentiques deviennent économiquement viables quand le coût par tâche est divisé par deux d’une version à l’autre.
Sous le capot : le pari du raisonnement à la demande
Google communique sur les performances, pas sur l’architecture interne de Gemini — comme toujours, les détails du modèle restent privés. Ce qu’on peut décrire honnêtement, c’est le principe que la formule officielle laisse transparaître.
La rupture de cette génération de modèles ne tient pas à un entraînement plus gros, mais à la façon dont ils dépensent leur calcul au moment de répondre. Un modèle « à génération directe » produit sa réponse d’un trait, au même coût quelle que soit la difficulté. Un modèle à raisonnement, lui, ajuste son effort : il « réfléchit » plus longuement sur un problème complexe, moins sur une question triviale. C’est ce que Google désigne par « réfléchir plus consciencieusement ».
L’intérêt pour un modèle Flash — dont la raison d’être est la vitesse et le faible coût — est de résoudre un vieux compromis : rester ultra-rapide et bon marché par défaut, tout en étant capable de mobiliser plus de profondeur quand la tâche l’exige. On ne paie la réflexion que lorsqu’elle est utile.
Au-delà de ce principe, méfiez-vous des descriptions techniques très détaillées qui circulent sur les internes supposés de tel ou tel modèle. Tant que le fournisseur ne les publie pas, ce sont des hypothèses plausibles, pas des faits. La performance mesurée, elle, est vérifiable ; l’architecture reste une boîte noire.
Un dernier signal à ne pas manquer
Un modèle toutes les trois semaines. Cette cadence dit quelque chose. Selon la presse spécialisée, Google pousse ses modèles de travail Flash pendant que son modèle phare de la génération, la 3.5 Pro, se fait attendre. Traduction : la valeur ne se joue plus seulement dans le modèle le plus gros et le plus lent, mais dans le modèle assez intelligent, assez rapide et assez bon marché pour être branché partout, en masse.
Pour vous, l’enseignement est constant, quelle que soit la version : ne courez pas après le dernier numéro. Vos outils bénéficieront de ces améliorations automatiquement. La vraie question n’est pas « quel est le modèle le plus récent », mais « quelle tâche de ma boutique puis-je enfin confier à une IA qui agit — maintenant que ça marche et que ça ne coûte presque rien ».
Pour aller plus loin :
- PrestaShop 9.2 met une IA dans le back-office : « Ask AI » via MCP
- Gemini 4 : non, il n’est pas sorti — ce que Google a vraiment dit
- Recherche sans clic à 65 % en 2026 : pourquoi l’e-commerce résiste
