📑 Table des matières

Gemini 4 Neon : Google accélère encore, 24 heures après Hydrogen

LLM & Modèles 🟢 Débutant ⏱️ 14 min de lecture 📅 2026-11-19

Gemini 4 Neon : Google accélère encore, 24 heures après Hydrogen

🔎 Une cadence qui n'a plus rien de normal

Le 18 novembre 2026, Google DeepMind a levé le voile sur Gemini 4 Neon. Son quatrième modèle de la famille Gemini 4 en à peine deux mois. Pour mettre les choses en perspective : entre Gemini 3.1 Pro (février 2026) et la vague Gemini 4, Google avait pris son temps. Aujourd'hui, la machine s'est emballée.

Le rythme est vertigineux. Selon les données de l'Arena, il s'est écoulé 28 jours entre Argon et Carbon, 15 jours entre Carbon et Hydrogen, et seulement 6 jours entre Hydrogen et Neon. Le site LLM Releases, qui traque chaque sortie de modèle, n'a tout simplement jamais enregistré une telle densité de lancements majeurs chez un même laboratoire.

Le titre de cet article parle de « 24 heures » — c'est un raccourci de la communication de Google, qui a annoncé Neon dans la foulée immédiate d'Hydrogen, à peine sorti le 12 novembre. En réalité, l'écart exact est de 6 jours. Mais l'effet ressenti est le même : à peine avez-vous fini de tester un modèle que le suivant arrive. Ce n'est plus une stratégie de release, c'est une stratégie de saturation.

Ce que cette frénésie dit du marché, comment Neon se positionne face à Carbon et Argon, et surtout ce que vous devez en faire concrètement : on fait le point, chiffres sourcés à l'appui.


L'essentiel

  • Gemini 4 Neon est sorti le 18 novembre 2026, quatrième modèle Gemini 4 en environ 7 semaines, après Argon, Carbon et Hydrogen (latent.space).
  • Prix : 3 $/M tokens en input, 15 $/M tokens en output, positionné entre Hydrogen (1,50 $/7,50 $) et Carbon (2 $ intro puis 4 $/10 $ intro puis 20 $) (shattered.io).
  • Contexte de 1M tokens et 4 niveaux de « thinking » réglables, une première chez Google qui laisse l'utilisateur choisir l'arbitrage qualité/latence/coût.
  • Neon remplace Argon dans l'application Gemini selon 9to5Google, le statut d'Argon côté API restant flou.
  • Positionnement : concurrent direct des modèles « Opus/Sol » d'Anthropic, soit le créneau du raisonnement frontier pour les workflows à haute fréquence.
  • La cadence de Google est désormais quasi mensuelle, comme l'avait annoncé Sundar Pichai dès juillet (emergent.sh).

Outils recommandés

Modèle Usage principal Prix API input/output (novembre 2026, vérifiez sur blog.google) Idéal pour
Gemini 4 Hydrogen Usage quotidien, rapide 1,50 $ / 7,50 $ par M tokens Tâches courantes, remplacement de Flash
Gemini 4 Argon Code et analyse 2 $ intro puis 4 $ / 10 $ intro puis 20 $ Développement, analyse de données
Gemini 4 Carbon Travaux les plus complexes 2 $ intro puis 4 $ / 10 $ intro puis 20 $ Long-horizon coding, recherche
Gemini 4 Neon Raisonnement frontier 3 $ / 15 $ par M tokens Workflows enterprise haute fréquence

Pour choisir entre ces modèles selon votre usage, notre comparatif mensuel des meilleurs LLM est mis à jour à chaque sortie majeure — et il a eu du travail ces derniers mois.


Qu'est-ce que Gemini 4 Neon apporte concrètement ?

Neon est le modèle « frontier » de la gamme Gemini 4, pensé pour le raisonnement lourd à haute fréquence, avec un contexte de 1M tokens et quatre niveaux de thinking réglables. C'est en substance la lecture qu'en fait shattered.io, qui a publié l'analyse la plus détaillée du modèle à ce jour.

Un positionnement tarifaire assumé : entre le rapide et le massif

La grille tarifaire de la famille Gemini 4 raconte à elle seule la stratégie de Google :

Modèle Input ($/M tokens) Output ($/M tokens) Rôle
Hydrogen 1,50 $ 7,50 $ Volume, quotidien
Argon 2 $ intro puis 4 $ 10 $ intro puis 20 $ Code et analyse
Carbon 2 $ intro puis 4 $ 10 $ intro puis 20 $ Capacité maximale
Neon 3 $ 15 $ Raisonnement frontier haute fréquence

Neon se place à 3 $/15 $ : deux fois le prix d'Hydrogen en input, mais deux fois moins cher que Carbon en output une fois les prix d'introduction terminés. La logique est limpide : Neon est fait pour les entreprises qui ont besoin d'un raisonnement de très haut niveau, mais sur des volumes qui rendent Carbon économiquement difficile à justifier.

C'est exactement le créneau qu'Anthropic occupe avec ses modèles Opus — et latent.space ne s'y trompe pas, qui titre directement sur Neon comme « contender » d'Opus/Sol chez Google DeepMind.

Quatre niveaux de thinking : l'arbitrage devient un paramètre

L'autre nouveauté de Neon, c'est ses 4 niveaux de « thinking ». Concrètement, vous choisissez combien le modèle réfléchit avant de répondre — du mode rapide pour les tâches simples au raisonnement approfondi pour les problèmes complexes.

Ce n'est pas anodin. Jusqu'ici, ce choix se faisait implicitement en choisissant un modèle (le rapide pour aller vite, le lourd pour réfléchir). Avec Neon, un seul modèle couvre tout le spectre, et c'est un paramètre d'appel API. Pour les équipes qui construisent des produits sur des API IA, c'est une simplification bienvenue : un seul modèle à intégrer, un curseur à ajuster selon le cas d'usage.

1M tokens de contexte, la norme s'installe

Le contexte de 1M tokens de Neon n'est plus une innovation en soi — Hydrogen propose déjà un prix plat sur l'intégralité de son million de tokens (emergent.sh). Mais le combiner avec un raisonnement frontier change la donne : analyser une base de code complète, un dossier juridique de plusieurs centaines de pages, ou un corpus de recherche entier en un seul appel, avec un niveau de réflexion maximal, devient un cas d'usage standard et non plus une prouesse.


Pourquoi Google sort-il quatre modèles en deux mois ?

Parce que le marché des modèles frontiers est devenu une guerre de cadence, et que Google a décidé de la gagner par la saturation. Sundar Pichai l'avait annoncé dès juillet : cadence quasi mensuelle pour les modèles Gemini (emergent.sh). Il a tenu parole — et accéléré encore.

La fragmentation par cas d'usage, pas l'incrément

Ce qui frappe dans la famille Gemini 4, c'est que ces quatre modèles ne sont pas des itérations successives du même produit. Ce sont quatre produits distincts :

  • Argon : le polyvalent code et analyse, premier de la série.
  • Carbon : le modèle lourd, lancé deux semaines après Argon, réservé dans un premier temps au Fairwind Program pour les cyber-défenseurs et partenaires de confiance (blog.google).
  • Hydrogen : le modèle rapide et low-cost, remplaçant de Flash, sorti le 12 novembre — nous en avons fait l'analyse détaillée dans notre article sur Gemini 4 Hydrogen et ses 51 points sur l'index Artificial Analysis.
  • Neon : le raisonnement frontier haute fréquence, sorti le 18 novembre.

Google ne sort plus « un meilleur modèle » : il sort une gamme. C'est la transposition de la logique du hardware (une gamme iPhone à plusieurs prix) au monde des modèles de fondation. Et cela fonctionne parce que les usages se sont réellement spécialisés : personne n'a besoin d'un modèle frontier pour résumer un email, et personne n'utilise un modèle Flash pour un audit de code sensible.

La pression concurrentielle est réelle

Cette cadence n'est pas de la vanité. Quand TheDecoder note que Neon est le « 4e modèle Gemini 4 en 4 semaines », c'est aussi un message envoyé aux concurrents : occuper l'espace. Chaque lancement comble un créneau tarifaire et capacitaire avant qu'OpenAI ou Anthropic ne le fasse.

La hiérarchie interne est d'ailleurs explicite : Carbon reste le modèle de capacité maximale, Neon vient s'insérer en dessous avec un meilleur rapport capacité/prix pour les volumes importants. Google cannibalise ses propres modèles avant que la concurrence ne le fasse.

Pour une lecture transversale du duel Google vs OpenAI, notre comparatif ChatGPT vs Gemini reste le point d'entrée le plus efficace.


Neon remplace Argon dans l'app Gemini : et l'API alors ?

Dans l'application Gemini, Neon remplace Argon comme modèle par défaut. Côté API, le statut d'Argon n'est pas précisé — et c'est le point de friction majeur pour les développeurs.

C'est l'information la plus importante pour les équipes techniques, et la moins documentée. Si vous avez construit sur Argon depuis son lancement, vous êtes dans une zone d'incertitude classique des cadences accélérées : votre modèle de production devient peut-être un modèle « héritage » six semaines après sa sortie.

Trois scénarios se dessinent :

  1. Argon reste disponible en API avec ses prix d'introduction prolongés (4 $/20 $), et devient le milieu de gamme stable.
  2. Argon est déprécié progressivement, et Neon + Hydrogen couvrent son créneau par le haut et par le bas.
  3. Argon fusionne avec Neon en tant que niveau de thinking, ce que les 4 niveaux de Neon rendent techniquement plausible.

Google n'a tranché publiquement aucun de ces scénarios. Mon conseil : si vous êtes en production sur Argon, prévoyez une couche d'abstraction sur vos appels API dès maintenant. À cette cadence, la question n'est pas de savoir si votre modèle sera remplacé, mais quand. Et pour les projets qui ne peuvent pas se permettre cette instabilité, faire tourner un LLM en local reste une option de stabilité que les API cloud n'offriront jamais.


Ce que cette frénésie de releases dit du marché

Le marché des LLM frontiers est entré dans sa phase de maturité commerciale : la différenciation ne se fait plus par une capacité magique, mais par le packaging tarifaire et la spécialisation par usage.

Fin du « one model to rule them all »

Regardez la gamme Gemini 4 dans son ensemble : un modèle à 1,50 $, deux à 4 $, un à 3 $. Aucun n'écrase les autres sur tous les tableaux. Carbon est le plus capable mais le plus cher en output. Hydrogen est le moins cher mais plafonne sur le raisonnement complexe. Neon occupe le milieu avec une proposition précise.

C'est exactement la structure d'un marché mature. Comparez avec 2023-2024, où chaque lancement visait la première place absolue des classements. Aujourd'hui, Google lance quatre modèles pour quatre segments — une logique qu'OpenAI suit aussi avec GPT-6.1 Terra, son modèle milieu de gamme à moitié prix — et qui oblige les comparatifs à classer par usage, pas par score global.

Les benchmarks deviennent secondaires, le coût par tâche devient central

Signe des temps : la couverture de Neon se concentre moins sur les scores bruts que sur le rapport capacité/prix. vals.ai a déjà ouvert sa page de benchmarks et de coûts pour le modèle, mais la discussion dominante dans les analyses (shattered.io, latent.space) porte sur le positionnement tarifaire et les niveaux de thinking, pas sur les points de MMLU.

Pour les entreprises, la question n'est plus « quel est le meilleur modèle ? » mais « quel est le modèle au meilleur coût pour MA tâche, à ce volume ? ». C'est un changement de paradigme qui favorise structurellement Google, dont l'infrastructure permet des prix agressifs sur toute la gamme.

Le risque pour l'utilisateur : la fatigue décisionnelle

Il y a une contrepartie. Quatre modèles en deux mois, c'est aussi quatre fiches techniques à lire, quatre migrations potentielles, quatre recalibrages de prompts. Les équipes qui optimisaient leurs applications sur Argon doivent déjà regarder Neon. Celles qui avaient calibré sur Hydrogen découvrent qu'un modèle « meilleur » existe à peine plus cher.

Ma position est simple : à cette cadence, ne migrez pas par réflexe. Migrez quand un modèle résout un problème concret que le vôtre ne résout pas, ou quand le coût par tâche justifie le travail de migration. Sinon, vous passez votre temps à migrer au lieu de construire.


Comment choisir dans la gamme Gemini 4 ?

Choisissez par usage et par volume, pas par prestige. Voici la grille de décision que je recommande, à la lumière des données de shattered.io :

Votre situation Modèle recommandé Pourquoi
Chatbot, résumé, tâches quotidiennes Hydrogen (1,50 $/7,50 $) Le meilleur rapport prix/performance du marché
Développement, analyse de code Argon ou Neon Argon si budget serré, Neon si raisonnement complexe récurrent
Recherche, audit, long-horizon coding Carbon Capacité maximale, malgré l'output à 20 $ post-intro
Agents en production, gros volumes Neon Raisonnement frontier à 15 $/M en output, durable

Deux nuances importantes :

  • Les prix d'introduction d'Argon et Carbon (2 $/10 $) sont temporaires et passeront à 4 $/20 $. Si vous planifiez un budget annuel, calculez sur les prix finaux, pas sur les prix promo.
  • Le cache d'input à 95 % de réduction (introduit avec Carbon) s'applique à la famille — pour les applications agentiques qui répètent de longs contextes système, c'est un levier d'économie majeur, souvent plus efficace que de changer de modèle.

Et si votre budget est à zéro, la bonne nouvelle est que les meilleurs LLM gratuits intègrent désormais des modèles de cette gamme en accès limité — largement suffisant pour un usage personnel.


❌ Erreurs courantes

Erreur 1 : migrer vers Neon « parce que c'est le dernier »

Le dernier né n'est pas automatiquement le meilleur pour votre cas. Neon est optimisé pour le raisonnement frontier à haute fréquence — si votre usage est du résumé de documents ou du support client, Hydrogen fera le travail à moitié prix. Solution : définissez votre métrique (coût par tâche réussie, latence p95) et testez le nouveau modèle sur vos cas réels avant toute migration.

Erreur 2 : bâtir sur les prix d'introduction

Les tarifs de 2 $/10 $ d'Argon et Carbon sont des prix d'appel. Bâtir un business model dessus, c'est construire sur du sable. Solution : modélisez vos coûts sur les prix cibles (4 $/20 $) et traitez les prix d'intro comme une marge temporaire.

Erreur 3 : ignorer le remplacement d'Argon dans l'app Gemini

Si votre équipe utilise l'app Gemini avec Argon, elle est passée à Neon sans nécessairement le savoir. Les résultats peuvent différer — parfois en mieux, parfois en coût de latence. Solution : auditez quels modèles votre équipe utilise réellement, et documentez les changements de comportement observés depuis le 18 novembre.

Erreur 4 : confondre cadence de release et progression réelle

Six modèles majeurs en deux mois ne signifient pas six fois plus de capacité. Une partie de cette cadence est de la segmentation marketing de capacités qui existaient déjà dans les modèles de recherche. Solution : suivez les benchmarks indépendants comme vals.ai plutôt que les annonces, et consultez notre article sur Carbon et la reprise de la première place de l'Intelligence Index pour distinguer les sauts réels des ajustements.


❓ Questions fréquentes

Gemini 4 Neon remplace-t-il Carbon ?

Non. Carbon reste le modèle de capacité maximale de la gamme, orienté long-horizon coding et recherche. Neon se positionne en dessous, avec un raisonnement frontier à coût maîtrisé (3 $/15 $) pour les workflows à haute fréquence. Neon remplace Argon dans l'application Gemini, pas Carbon dans la hiérarchie.

Quel est le prix exact de Gemini 4 Neon ?

3 $ par million de tokens en input et 15 $ par million de tokens en output, selon la grille publiée à sa sortie le 18 novembre 2026. Contrairement à Argon et Carbon, Neon ne semble pas avoir de prix d'introduction temporaire — sa tarification est présentée comme structurelle. Vérifiez les tarifs à jour sur la page officielle de Google.

Que sont les 4 niveaux de thinking de Neon ?

Quatre paliers de profondeur de raisonnement réglables au moment de l'appel. Le niveau bas privilégie la latence et le coût, le niveau haut le raisonnement approfondi. Cela permet d'utiliser un seul modèle pour des usages variés, en ajustant l'arbitrage qualité/coût par requête plutôt qu'en changeant de modèle.

Neon est-il disponible en API ?

Oui, avec sa grille tarifaire 3 $/15 $ et son contexte de 1M tokens. En revanche, le statut d'Argon côté API n'est pas précisé par Google au moment de la sortie de Neon, ce qui crée une incertitude pour les développeurs ayant construit sur Argon. Surveillez les annonces de dépréciation officielles.

Faut-il abandonner Claude ou ChatGPT pour Neon ?

Pas automatiquement. Neon est un excellent modèle de raisonnement frontier à prix agressif, mais le choix dépend de votre usage : notre comparatif Gemini vs ChatGPT vs Claude détaille les forces de chaque écosystème. Testez Neon sur vos cas réels avant de migrer, surtout si vos prompts sont calibrés pour un autre modèle.

Pourquoi Google sort-il autant de modèles si vite ?

Stratégie assumée par Sundar Pichai depuis juillet 2026 : une cadence quasi mensuelle. L'objectif est triple : occuper tous les créneaux tarifaires avant la concurrence, segmenter les usages (rapide, code, frontier, max capability), et saturer l'attention médiatique. C'est une guerre de cadence autant que de capacité.


✅ Conclusion

Gemini 4 Neon confirme que la vraie révolution de fin 2026 n'est pas un modèle en particulier, mais la vitesse à laquelle Google sait désormais en sortir : quatre modèles en sept semaines, chacun avec un créneau tarifaire précis, et une gamme qui couvre enfin tout le spectre de 1,50 $ à 20 $ par million de tokens. Le conseil qui vaut de l'or : testez Neon si vous avez des workflows de raisonnement à fort volume, sinon laissez la poussière retomber — et suivez notre comparatif mensuel des meilleurs LLM pour savoir quand un changement vaut vraiment la migration.