Gemini 3.5 Flash en disponibilité générale, Google parie sur l’agentique, pas le chat (4× plus rapide, OS construit de zéro en test)
Gemini 3.5 Flash de Google est désormais disponible via l'API, Gemini Enterprise et l'application Gemini, dépassant Gemini 3.1 Pro sur les benchmarks de code et d'agentique tout en étant nettement plus rapide. En test interne, le modèle a construit un système d'exploitation complet de façon autonome, confirmant le pivot de Google vers des IA qui planifient et agissent plutôt que de simplement répondre.
Les suites bureautiques et éducatives destinées aux établissements vont progressivement intégrer cette couche agentique, changeant la nature des compétences numériques attendues des étudiants. Les formations en informatique, ingénierie et gestion de projet doivent désormais enseigner le pilotage d'agents autonomes plutôt que le simple usage de chatbots. Un retard dans l'adaptation des cursus pourrait creuser un écart avec les pratiques déjà en cours en entreprise.
Analyse produite par l’AI Transformation Office de l’ISC Paris, co-écrite avec Claude (Anthropic).
À lire aussi
Google Gemini Omni Flash arrive dans l’API, la génération vidéo conversationnelle entre en production
Disponible depuis le 2 juillet via Google AI Studio et l'API Gemini, Gemini Omni Flash accepte texte, images, audio et vidéo en entrée et peut générer ou éditer des vidéos à partir d'instructions en langage naturel, avec synchronisation audio native grâce à Veo 3. Le tarif annoncé est de 0,10 dollar par seconde de vidéo générée.
Les grandes labs recrutent des philosophes pour savoir si leurs IA peuvent souffrir
Anthropic, Google DeepMind et Meta ont constitué des équipes de philosophes, neuroscientifiques et spécialistes du bien être pour étudier une éventuelle conscience de leurs modèles. Dario Amodei affirme que Claude montre des signes d'anxiété, tandis que DeepMind a recruté le philosophe Henry Shevlin sur ce sujet.
Google DeepMind publie "From AGI to ASI" : quatre trajectoires officielles vers la superintelligence
Dans un article publié sur arXiv, Google DeepMind formalise le passage conceptuel de l'AGI à l'ASI et identifie quatre trajectoires possibles : le scaling, les ruptures algorithmiques, l'auto amélioration récursive et la formation de collectifs d'agents.