Gemini 3.5 Pro manque sa deadline de juin, Google rate deux engagements I/O consécutifs
Google a reporté à juillet le lancement de Gemini 3.5 Pro, initialement attendu le 30 juin, pour corriger une surconsommation de tokens sur les tâches agentiques longues. C'est le deuxième engagement calendaire manqué consécutif après la conférence I/O 2026, dans un contexte de départs de chercheurs vers des laboratoires concurrents.
Ce retard rappelle que même les grands acteurs de l'IA ne maîtrisent pas totalement leurs propres feuilles de route, un point essentiel pour les établissements qui construisent leurs enseignements ou leurs projets de recherche autour d'annonces produits. La veille technologique dans l'enseignement supérieur doit s'appuyer sur des versions effectivement disponibles et testées, plutôt que sur des promesses marketing, pour éviter de désynchroniser les programmes pédagogiques.
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.