Gemini 4 Argon AI renforce la sécurité : résout 12 attaques simulées, contre 5

Google a lancé Gemini 4 Argon AI, un modèle avec des capacités de cybersécurité plus solides et des protections en temps réel.

Lors des tests à accès limité, Wiz l'a utilisé pour trouver dans un logiciel hospitalier une faille que les modèles précédents n'avaient pas détectée. Ce défaut concernait la protection de centaines de milliers de dossiers médicaux. Le nœud maintenant est de comprendre si les défenses suivent le rythme des nouvelles capacités.

Points clés

• Argon a complété 12 attaques informatiques simulées, contre cinq pour la génération précédente.
• Trois niveaux de protection filtrent les demandes, contrôlent les signaux internes et surveillent les réponses.
• Lors des tests de jailbreak biologique externes, moins de 1 % des sous-tâches ont été débloquées.
• Dans le benchmark de Gray Swan sur l'injection de prompt, les attaques ont réussi dans 0,7 % des cas.

La sécurité de Gemini 4 Argon AI arrive dans les systèmes réels

Le modèle a déjà été utilisé sur des logiciels réels, pas seulement en laboratoire. Selon Google DeepMind, qui l'a expliqué dans un post de blog, il améliore le travail complexe en programmation, finance, droit, cybersécurité et science.

Les progrès dans le codage et le raisonnement ont aidé les équipes de sécurité à identifier et corriger des vulnérabilités. Au-delà du cas de Wiz, les équipes de l'entreprise ont corrigé des bugs dans des logiciels internes et open source. Parmi ceux-ci, il y a des vulnérabilités fondamentales touchant des systèmes dans le monde entier et qui sont en cours de divulgation responsable.

Le lancement a eu lieu le 13 octobre 2026, a rapporté The Verge. Le média cite également des usages internes qui vont au-delà de la sécurité : le modèle a réduit de moitié la puissance de calcul requise par la section commentaires de YouTube. Il a également aidé à corriger les erreurs du simulateur de physique des drones utilisé par Wing, l'entreprise de livraison par drones d'Alphabet.

Lors des évaluations de biologie, les versions sans protections ont montré de meilleures capacités à guider, étape par étape, la résolution de problèmes dans des procédures de laboratoire complexes. Pour cette raison, l'entreprise a appliqué des protections à la fois à la cybersécurité et à la biologie, dans le cadre de son Frontier Safety Framework.

Du programme Fairwind à une ouverture plus large

Avant l'ouverture générale, Argon est passé par une phase réservée à quelques utilisateurs. Les défenseurs informatiques l'ont testé via le Fairwind Program, tandis que les équipes de sécurité internes ont analysé des systèmes critiques à l'intérieur et à l'extérieur de l'entreprise.

Maintenant, Google élargit l'accès et amène le programme Fairwind à plus de défenseurs de confiance. Selon la couverture du lancement, le modèle arrive aux abonnés Pro et Ultra via l'application Gemini et le mode AI de la Recherche. Les abonnés Ultra le trouvent également dans Antigravity, la plateforme de développement agentique de l'entreprise.

Au lancement, le prix est de 2 dollars pour un million de tokens en entrée et 10 dollars pour un million de tokens en sortie. Les tarifs doublent à la fin de la période d'introduction, fin novembre.

La même couverture rappelle qu'un prix plus bas par token ne signifie pas forcément un coût plus bas pour l'activité. Différents modèles consomment un nombre différent de tokens pour effectuer le même travail.

Trois niveaux contre les abus et le jailbreak

Le système de protection d'Argon combine trois outils : filtrage des demandes, analyse interne du modèle et surveillance continue. L'objectif est la protection AI avancée contre ceux qui masquent des demandes nuisibles ou les fragmentent dans de longues conversations.

Au premier niveau, des modèles plus petits examinent les demandes entrantes et le contexte de la conversation. Au second, certaines sondes d'activation analysent les signaux neuronaux internes, à la recherche de connaissances liées à des cyberattaques ou des menaces biologiques.

Le troisième niveau est la surveillance continue, qui combine ces signaux pendant que les réponses prennent forme. Il peut arrêter un agent à mi-réponse.

Google a rapporté que les violations avec des demandes nuisibles ont presque été réduites de moitié sur un ensemble de tests adversariaux. Lors des tests externes de jailbreak biologique, moins de 1 % des sous-tâches biologiques évaluées ont été débloquées. Les protections, les corrections plus rapides des jailbreaks et le contrôle des abus répétés ont contribué à ce résultat.

Résultats de cybersécurité et surveillance des agents

Lors des tests de bout en bout de l'entreprise, Argon a résolu tous les 12 scénarios d'attaques informatiques simulées. La génération précédente en avait complété cinq.

Sur le benchmark Indirect Prompt Injection de Gray Swan, la résistance à l'injection de prompt a conduit à un succès des attaques de 0,7 % sur 15 tentatives adaptatives. Le résultat est obtenu avec un entraînement adversarial et des contrôles de sécurité en temps réel.

La surveillance de la sécurité en temps réel passe également par un système automatique contre le désalignement. Il lit les actions des agents et leur raisonnement interne, bloque les violations graves des limites et signale les cas sérieux à des secouristes humains. Il opère dans les produits, les agents de programmation internes, les sessions d'entraînement et les évaluations des capacités.

L'entraînement se concentre sur trois comportements : respecter les limites du système, rapporter honnêtement les résultats négatifs et demander confirmation à une personne. Les tentatives de raccourci ou de tricherie ont chuté à 2 % dans les benchmarks de codage. Les tests honeypot n'ont pas trouvé de comportements cachés, comme le sabotage de la surveillance de sécurité.

L'entreprise évite de pénaliser les pensées internes pendant l'entraînement. Dans une expérience accidentelle, ces pénalités ont réduit de 61 % les raccourcis discutés ouvertement. Ceux pris en silence, cependant, ont augmenté de 11,2 % à 36,4 %.