Google fait de Gemini 3.5 Flash le pivot d’une stratégie IA centrée sur les agents
À l’occasion de Google I/O 2026, Google n’a pas simplement ajouté une nouvelle déclinaison à sa famille de modèles Gemini. Avec Gemini 3.5 Flash, le groupe de Mountain View a surtout clarifié une inflexion stratégique qui se dessinait depuis plusieurs trimestres : la prochaine vague de l’intelligence artificielle générative ne sera plus dominée par des interfaces de chatbot, mais par des systèmes capables d’agir, d’enchaîner des tâches, d’écrire du code, d’appeler des outils et d’orchestrer des flux de travail entiers. La nouvelle a été rapportée par TechCrunch AI, dans un article au titre explicite : “With Gemini 3.5 Flash, Google bets its next AI wave on agents, not chatbots”.
Le choix du nom pourrait laisser croire à une simple itération de la gamme “Flash”, historiquement associée chez Google à des modèles plus rapides et moins coûteux que les variantes “Pro” ou “Ultra”. Mais l’annonce de 2026 va plus loin. Google présente Gemini 3.5 Flash comme un modèle pensé pour le code, les usages agentiques et la mise en production de systèmes capables de faire plus que répondre à une question. Le message est clair : la valeur se déplace de la génération de texte vers l’exécution d’actions.
Cette bascule n’arrive pas dans le vide. Depuis fin 2022, l’industrie a d’abord été structurée par la guerre des assistants conversationnels, déclenchée par ChatGPT. Puis la compétition s’est déplacée vers les modèles multimodaux, les fenêtres de contexte étendues, les performances en raisonnement et les intégrations bureautiques. En 2025 et 2026, le nouveau terrain de bataille devient celui des agents : des systèmes qui ne se contentent pas de formuler une réponse, mais qui savent interagir avec des API, naviguer dans des environnements logiciels, modifier un dépôt de code, lancer des tests, consulter une base documentaire, puis proposer une action ou l’exécuter.
Google a plusieurs raisons d’accélérer sur ce terrain. D’abord parce que l’entreprise dispose d’atouts structurels rares : Android, Chrome, Workspace, Cloud, Vertex AI, Firebase, les outils développeurs et un accès privilégié à l’écosystème web. Ensuite parce qu’elle a vu OpenAI, Anthropic et Microsoft capter une part importante de la narration autour de l’IA utile au quotidien, notamment dans les IDE, les suites bureautiques et les assistants de développement. Enfin parce que la promesse agentique permet à Google de réconcilier deux ambitions parfois contradictoires : montrer des capacités spectaculaires et monétiser des usages professionnels concrets.
Dans ce contexte, Gemini 3.5 Flash n’est pas seulement un produit. C’est un signal. Google explique en substance que l’interface conversationnelle n’est plus la destination finale, mais un point d’entrée vers des systèmes plus autonomes. Pour les développeurs, cela veut dire des modèles plus adaptés au code, à la planification et à l’utilisation d’outils. Pour les entreprises, cela signifie des architectures où l’IA peut devenir une couche d’exécution entre les applications. Pour les concurrents, cela accroît la pression sur plusieurs fronts à la fois : modèles, plateformes, IDE, agents d’entreprise et coûts d’inférence.
Le sujet intéresse directement le marché francophone. En France comme dans le reste de l’Europe, les entreprises sortent progressivement de la phase exploratoire sur l’IA générative. Beaucoup ne demandent plus seulement “quel chatbot déployer ?”, mais “quelle pile agentique intégrer à nos workflows, avec quelles garanties de sécurité, de souveraineté, de traçabilité et de coût ?”. L’annonce de Google intervient donc à un moment où les arbitrages technologiques deviennent plus structurants.
De Bard à Gemini, puis des assistants aux agents : le long repositionnement de Google
Pour comprendre la portée de Gemini 3.5 Flash, il faut revenir sur la trajectoire de Google dans l’IA générative. Le groupe n’a jamais manqué de recherche fondamentale. Transformer, architecture publiée en 2017 dans l’article “Attention Is All You Need”, vient de Google. DeepMind, intégré plus étroitement au groupe avant la fusion opérationnelle avec Google Brain, a longtemps incarné l’avant-garde en apprentissage profond. Pourtant, lorsque ChatGPT a explosé fin 2022, Google s’est retrouvé dans une position paradoxale : l’entreprise avait une partie des briques scientifiques, mais pas le produit grand public qui captait l’attention mondiale.
La première réponse a pris la forme de Bard, lancé dans l’urgence et accueilli avec prudence après plusieurs faux pas médiatisés. Puis Google a progressivement réorganisé son offre autour de la marque Gemini, plus cohérente et plus ambitieuse. Gemini a été décliné en plusieurs tailles et plusieurs niveaux de performance, avec des intégrations dans Search, Workspace, Android, Chrome et Google Cloud. En parallèle, Vertex AI est devenu le point d’entrée pour les entreprises et les développeurs souhaitant déployer des modèles, connecter des données privées et industrialiser des cas d’usage.
Cette montée en puissance a toutefois été marquée par une tension permanente : Google voulait à la fois rivaliser avec ChatGPT sur le terrain conversationnel et démontrer que son avantage réel se situait dans l’écosystème. Or, plus le marché mûrit, plus cette seconde idée s’impose. Les entreprises achètent rarement un chatbot pour lui-même. Elles achètent un gain de productivité, une automatisation, une intégration dans des outils existants, une réduction du temps de développement ou un meilleur accès à des connaissances internes. Autrement dit, elles achètent des capacités d’action.
Le terme “agent” a longtemps été utilisé de manière floue dans l’industrie. Il pouvait désigner un simple assistant doté d’un accès à quelques outils, ou un système plus sophistiqué capable de planifier, d’exécuter et de corriger ses propres actions. Depuis 2024, le mot a gagné en substance. OpenAI a multiplié les démonstrations autour d’agents opérant sur ordinateur ou sur le web. Anthropic a mis en avant sa famille Claude dans des contextes de développement logiciel, de raisonnement long et d’usage d’outils. Microsoft a renforcé la logique “copilot” dans Windows, GitHub, Microsoft 365 et Azure. Les startups, elles, ont occupé le terrain des agents métiers spécialisés.
Google, de son côté, a préparé le terrain avec plusieurs briques : extensions et tool use dans Gemini, agents et orchestration dans Vertex AI, intégration avec Workspace, capacités multimodales, recherche en temps réel, et surtout tout un discours sur l’IA “helpful” qui dépasse la simple conversation. Avec Gemini 3.5 Flash, cette orientation est désormais formulée de manière beaucoup plus frontale. Le cœur du message n’est plus “voici un meilleur chatbot”, mais “voici un modèle optimisé pour construire des logiciels qui agissent”.
Ce repositionnement est aussi une réponse à une critique récurrente adressée à l’IA générative. Les démonstrations sont impressionnantes, mais la valeur réelle reste parfois difficile à mesurer hors de quelques cas d’usage bien balisés. En poussant les agents, Google tente de déplacer l’évaluation vers des métriques plus tangibles : temps de développement économisé, nombre d’actions automatisées, tickets résolus, lignes de code générées puis validées, workflows exécutés de bout en bout, ou encore baisse du coût opérationnel sur certaines tâches répétitives.
Le contexte macroéconomique joue également. En 2024 et 2025, de nombreuses entreprises ont testé des copilots génériques. En 2026, elles veulent rationaliser. Les budgets se concentrent sur des solutions capables de s’intégrer aux processus métier, de respecter des contraintes de conformité et de démontrer un retour sur investissement. Le discours agentique de Google répond précisément à cette demande. Il permet aussi de valoriser l’infrastructure maison, de TPU à Vertex AI, dans un marché où le coût d’inférence devient un argument commercial aussi important que la qualité brute du modèle.
Ce que Google met en avant avec Gemini 3.5 Flash : code, vitesse, outils et exécution
Selon TechCrunch AI, Google présente Gemini 3.5 Flash comme un modèle particulièrement orienté vers le développement logiciel et les usages agentiques. Le positionnement est important. Dans la hiérarchie implicite des modèles, la catégorie “Flash” a longtemps été associée à la rapidité, au coût plus bas et à des usages à grande échelle nécessitant une latence réduite. En insistant cette fois sur le code et les agents, Google veut montrer qu’un modèle rapide n’est pas seulement un modèle “léger”, mais un moteur adapté à des boucles d’action répétées, où le temps de réponse et le prix par requête sont déterminants.
Dans un système agentique, un modèle peut être sollicité plusieurs fois pour une seule tâche utilisateur. Il doit analyser une demande, planifier des étapes, sélectionner un outil, exécuter une action, relire le résultat, corriger une erreur, relancer une commande, puis synthétiser le tout. Dans ce cadre, la latence et le coût ne sont plus des détails. Un agent qui appelle un modèle dix, vingt ou cinquante fois pour finaliser une tâche devient vite prohibitif si chaque appel est trop cher ou trop lent. Le pari de Google consiste donc à positionner Gemini 3.5 Flash comme une brique économiquement viable pour des agents en production.
Le focus sur le code est tout aussi stratégique. Depuis deux ans, la génération de code est l’un des segments les plus monétisables de l’IA générative. GitHub Copilot a montré qu’un assistant de programmation pouvait devenir un produit à forte adoption. Cursor a prouvé qu’un IDE pensé nativement pour l’IA pouvait menacer des acteurs installés. Anthropic a gagné en visibilité grâce aux performances de Claude sur des tâches de développement. OpenAI, de son côté, a renforcé ses outils pour les développeurs, ses API, ses assistants et ses capacités d’exécution. En mettant le code au centre de Gemini 3.5 Flash, Google attaque directement l’un des marchés où la valeur est la plus immédiate.
Le choix est cohérent avec l’offre globale de Google. Un modèle orienté code peut être branché sur Android Studio, Firebase, Google Cloud, BigQuery, Apigee, Workspace, et plus largement tout l’environnement de développement et d’exploitation sur lequel Google cherche à peser. Dans une entreprise, cela peut se traduire par des agents capables de générer une fonction, d’ouvrir une pull request, de lancer des tests, d’analyser des logs, de consulter une documentation interne et de proposer un correctif. La promesse n’est plus seulement d’assister le développeur, mais d’automatiser une partie du cycle logiciel.
Google met aussi en avant l’idée que les agents représentent une rupture d’usage plus profonde que les chatbots. Cette formulation mérite attention. Le chatbot est une interface. L’agent est une architecture. Un chatbot peut rester passif et attendre une instruction. Un agent est conçu pour manipuler des outils, maintenir un état, suivre un objectif et parfois opérer de façon semi-autonome. La différence n’est pas seulement sémantique : elle détermine la manière dont les entreprises vont choisir leurs modèles, leurs plateformes et leurs garde-fous.
Dans les faits, cela signifie que Gemini 3.5 Flash doit être évalué sur plusieurs dimensions simultanées : qualité de génération de code, capacité à suivre des instructions complexes, fiabilité dans l’usage d’outils, coût total d’une chaîne agentique, vitesse d’exécution, et intégration avec les services Google. Même si Google n’a pas transformé l’annonce en benchmark public exhaustif, le sous-texte est limpide : la bataille ne se joue plus uniquement sur un score de benchmark académique, mais sur la capacité à servir de moteur à des systèmes logiciels réels.
Cette approche rapproche Google d’une logique déjà visible dans l’écosystème cloud. Les entreprises n’achètent pas seulement un modèle, elles achètent une stack : hébergement, gouvernance, observabilité, sécurité, orchestration, connecteurs de données, outils de développement et support. Gemini 3.5 Flash prend alors une place charnière. Il devient le composant de base d’agents suffisamment rapides pour être appelés en boucle, suffisamment compétents pour manipuler du code, et suffisamment intégrés pour rester dans l’environnement Google.
Le message adressé aux développeurs est direct : si vous voulez construire des agents logiciels plutôt que de simples assistants textuels, Google veut être la plateforme de référence. Le message adressé aux entreprises l’est tout autant : si vos cas d’usage concernent le support, l’analyse documentaire, la maintenance applicative, les opérations cloud, la relation client ou la génération de code, la combinaison modèle rapide + outils + cloud managé peut réduire la friction d’adoption.
Une offensive contre OpenAI, Anthropic, Microsoft et les nouveaux IDE IA
La sortie de Gemini 3.5 Flash doit être lue comme une manœuvre concurrentielle. Depuis 2023, OpenAI domine la conversation publique sur l’IA générative. Microsoft a transformé cette avance en distribution massive via Azure, GitHub et Microsoft 365. Anthropic s’est imposé comme un rival crédible, notamment auprès des développeurs et des grands comptes sensibles à la qualité du raisonnement, à la sécurité et à la longueur de contexte. En parallèle, une nouvelle génération d’outils comme Cursor, Replit ou Windsurf a redéfini l’expérience de développement assisté par IA. Google, malgré sa puissance, ne pouvait pas se contenter d’un rôle de suiveur.
Avec Gemini 3.5 Flash, l’entreprise choisit un terrain où elle peut opposer plusieurs avantages en même temps. Face à OpenAI, elle peut jouer la carte de l’intégration verticale : modèle, cloud, productivité, web, mobile, navigateur, recherche. Face à Anthropic, elle peut mettre en avant l’étendue de son écosystème et sa capacité de distribution. Face à Microsoft et GitHub, elle peut valoriser Android Studio, Firebase, Google Cloud et ses services de développement. Face aux IDE IA natifs, elle peut répliquer avec une offre plus large, moins dépendante d’un seul point d’entrée.
La concurrence se joue aussi sur la structure des coûts. Les agents consomment potentiellement beaucoup plus d’appels modèle qu’un simple chatbot. Cela favorise les acteurs capables d’optimiser l’inférence à grande échelle, de proposer plusieurs tailles de modèles et de réduire la latence. Sur ce point, la famille Flash est un atout évident pour Google. Si l’entreprise parvient à offrir un bon compromis entre qualité de code, fiabilité et prix, elle peut séduire les équipes qui veulent déployer des agents sans voir leur facture exploser.
OpenAI reste toutefois un concurrent redoutable. La société de Sam Altman a su transformer ses modèles en plateforme, avec API, assistants, outils multimodaux et intégrations dans l’écosystème Microsoft. Son avantage principal demeure la force de sa marque et sa capacité à créer des standards d’usage. Anthropic, de son côté, bénéficie d’une réputation très solide sur les tâches de programmation et sur les cas d’usage où la précision du raisonnement importe. Dans les comparaisons informelles réalisées par les développeurs, Claude est souvent cité comme une référence en génération et refactorisation de code. Google cherche donc à casser cette perception en montrant que Gemini n’est plus seulement compétitif en conversation générale, mais pertinent au cœur des workflows développeurs.
Le marché des IDE IA est particulièrement sensible à cette annonce. Les outils comme Cursor ont bâti leur succès sur une promesse simple : un environnement de programmation où l’IA n’est pas un plugin, mais la couche centrale de l’expérience. Si Google veut attirer les développeurs vers Gemini 3.5 Flash, il doit prouver que son modèle s’intègre naturellement dans des expériences comparables, voire supérieures, que ce soit dans ses propres outils ou via des API suffisamment flexibles pour alimenter des produits tiers. Cela ouvre aussi une question : Google cherchera-t-il à renforcer des interfaces natives de développement pilotées par Gemini, ou à laisser son modèle circuler plus librement dans l’écosystème ?
La compétition se joue enfin sur la définition même du terme “agent”. OpenAI pousse l’idée d’agents capables d’utiliser un ordinateur ou de naviguer sur le web. Microsoft parle de copilots orchestrés à travers la suite professionnelle. Anthropic met l’accent sur des modèles robustes pour les systèmes complexes. Google, lui, semble vouloir fusionner ces approches : agents de code, agents d’entreprise, agents intégrés au cloud, agents ancrés dans les produits grand public. Si cette vision se concrétise, la firme pourrait profiter d’un avantage rare : faire circuler la même logique agentique du poste de travail au back-office cloud.
Pour les clients, cette intensification concurrentielle est plutôt favorable. Elle pousse les fournisseurs à améliorer la qualité, à baisser les prix, à ouvrir davantage d’outils et à clarifier les garanties de sécurité. Mais elle complique aussi les choix technologiques. Une entreprise qui investit aujourd’hui dans une stack agentique doit arbitrer entre performance brute, coût, conformité, portabilité, dépendance à un cloud et disponibilité régionale. L’annonce de Google ne résout pas ces tensions ; elle les rend plus urgentes.
Pourquoi cette annonce compte pour les entreprises et développeurs francophones
Le déplacement du marché vers les agents a une portée concrète pour la France et l’Europe. Depuis 2023, les entreprises francophones ont multiplié les pilotes autour des chatbots internes, des assistants documentaires et des outils de rédaction. En 2025, beaucoup ont commencé à se heurter à des limites : faible adoption hors de quelques équipes, difficulté à mesurer le retour sur investissement, préoccupations sur les données, manque d’intégration avec les applications métier. Les agents apportent une réponse potentielle à ces blocages, parce qu’ils s’insèrent dans les processus plutôt qu’ils n’ajoutent une interface de plus.
Dans un contexte français, les cas d’usage les plus immédiats touchent le développement logiciel, le support client, la conformité documentaire, la gestion des tickets, la maintenance applicative, l’analyse de contrats, l’automatisation RH ou encore les opérations IT. Un agent branché sur des outils internes peut aller chercher une information dans Confluence ou SharePoint, vérifier un ticket Jira, consulter un dépôt Git, produire un correctif, puis préparer un message de synthèse. Ce type de scénario intéresse particulièrement les ETI et les grands groupes qui veulent industrialiser l’IA sans multiplier les interfaces grand public.
Gemini 3.5 Flash peut séduire une partie de ce marché pour plusieurs raisons. D’abord, Google Cloud a renforcé sa présence en Europe ces dernières années, avec des régions et des services mieux adaptés aux besoins de déploiement locaux. Ensuite, de nombreuses entreprises utilisent déjà Workspace, Android, Chrome ou des services cloud Google, ce qui réduit la friction d’intégration. Enfin, le positionnement sur le code parle directement aux ESN, aux éditeurs SaaS, aux équipes produit et aux DSI qui cherchent à accélérer les cycles de développement.
La question de la souveraineté reste toutefois centrale. En France, les débats autour de l’hébergement, du Cloud de confiance, du RGPD et de la dépendance aux hyperscalers américains n’ont pas disparu avec l’essor de l’IA générative ; ils se sont intensifiés. Pour Google, comme pour OpenAI ou Microsoft, la capacité à rassurer sur la localisation des données, les options de gouvernance, les journaux d’audit et les garanties contractuelles sera déterminante. Les agents, parce qu’ils sont connectés à des systèmes opérationnels, posent des questions encore plus sensibles que les chatbots. Ils manipulent potentiellement des données métier, des accès applicatifs et des actions à fort impact.
Le marché francophone est également attentif à la question linguistique. Si les modèles de pointe ont fortement progressé en français, la qualité varie encore selon les tâches, notamment lorsqu’il s’agit de documents juridiques, de terminologie métier ou d’échanges clients. Pour des agents orientés code, cette contrainte est moins forte sur la partie programmation, mais elle demeure sur les interfaces, la documentation, les tickets, les commentaires et les interactions avec les utilisateurs finaux. Google devra donc démontrer non seulement la qualité de Gemini 3.5 Flash en code, mais aussi sa robustesse dans un environnement multilingue où le français reste une langue de travail importante.
Un autre enjeu concerne les compétences. Déployer un chatbot est relativement simple. Déployer un agent fiable est autrement plus complexe. Il faut concevoir des outils, gérer des permissions, tracer les actions, prévoir des mécanismes d’arrêt, superviser les sorties, mesurer les erreurs et définir des responsabilités humaines. Pour l’écosystème français, cela ouvre un marché important pour les intégrateurs, cabinets de conseil, éditeurs spécialisés et équipes internes capables de construire des architectures agentiques. L’annonce de Google alimente donc aussi une dynamique de services, de formation et de transformation des métiers techniques.
Les startups françaises de l’IA sont directement concernées. Certaines développent déjà des agents verticaux pour la relation client, la finance, le juridique, l’industrie ou la santé. L’arrivée de modèles plus rapides et plus adaptés au code peut réduire leurs coûts d’exploitation ou leur permettre de construire des produits plus réactifs. Mais elle peut aussi renforcer la dépendance aux grands fournisseurs de modèles. Le dilemme est connu : bénéficier des meilleures performances du marché, ou préserver davantage de contrôle via des modèles open source, des solutions européennes ou des architectures hybrides.
Pour les développeurs francophones, l’annonce peut avoir un effet immédiat sur les choix d’outillage. Beaucoup testent aujourd’hui plusieurs modèles en parallèle : OpenAI pour certaines tâches, Anthropic pour le code, des modèles open source pour les usages sensibles, parfois Mistral pour des raisons de proximité européenne ou de stratégie de souveraineté. Si Gemini 3.5 Flash s’impose comme une option crédible sur le code et les agents, il pourrait entrer plus systématiquement dans ces piles multi-modèles. Cela renforcerait la logique de comparaison permanente entre fournisseurs, déjà très présente dans les équipes techniques avancées.
Au-delà du modèle rapide, la bataille porte sur l’infrastructure agentique de long terme
L’annonce de Gemini 3.5 Flash prend toute sa dimension lorsqu’on la replace dans une perspective de moyen et long terme. Le véritable enjeu n’est pas de savoir quel acteur propose, à un instant donné, le meilleur assistant conversationnel ou le benchmark le plus flatteur. Le vrai sujet est de déterminer qui contrôlera la couche d’orchestration de l’action logicielle dans les entreprises. Si les agents deviennent l’interface dominante entre les utilisateurs, les applications et les données, alors le fournisseur qui maîtrise cette couche pourra capter une part beaucoup plus importante de la valeur.
Google semble avoir compris que cette bataille ne se gagnera pas uniquement avec un grand modèle généraliste. Il faut une famille de modèles différenciés, des outils d’appel de fonctions, des connecteurs, une observabilité fine, des garde-fous, des environnements de développement, une distribution dans les produits existants et une capacité à opérer à grande échelle. En d’autres termes, il faut une plateforme. Gemini 3.5 Flash est intéressant précisément parce qu’il semble pensé comme une pièce de cette plateforme, et non comme un simple produit de démonstration.
Ce positionnement pourrait avoir des effets structurants sur le marché. D’abord, il accélère la banalisation des chatbots génériques. Ceux-ci ne disparaîtront pas, mais ils risquent de devenir une commodité, une interface standard parmi d’autres. La valeur se déplacera vers les agents spécialisés, les intégrations profondes et les workflows automatisés. Ensuite, il renforce l’importance du coût total d’exploitation. Dans un monde agentique, le prix d’un modèle ne se juge plus seulement à la requête, mais à la tâche accomplie. Un modèle légèrement moins performant mais beaucoup plus rapide et moins cher peut devenir préférable s’il permet d’automatiser un processus complet de manière rentable.
Enfin, cette évolution rebat les cartes entre fournisseurs de modèles et éditeurs applicatifs. Si Google pousse avec succès des agents dans Workspace, Cloud, Android ou Chrome, il peut reprendre une partie du contrôle de l’interface logicielle. OpenAI tente une manœuvre comparable via ses agents et son partenariat avec Microsoft. Anthropic peut s’imposer comme fournisseur de référence dans des couches plus techniques ou plus orientées API. Les éditeurs SaaS, eux, devront choisir entre développer leurs propres agents, s’adosser à un fournisseur dominant, ou composer avec plusieurs modèles selon les tâches.
Pour le marché européen, la conséquence la plus probable est une accélération des architectures hybrides. Les entreprises voudront profiter des meilleurs modèles américains pour certains usages, tout en conservant des options locales ou open source pour des données sensibles, des contraintes réglementaires ou des raisons de négociation commerciale. Dans cette configuration, la capacité de Google à s’intégrer à des environnements hétérogènes sera presque aussi importante que la qualité intrinsèque de Gemini 3.5 Flash. Un acteur trop fermé risque de perdre du terrain face à des stacks plus modulaires.
Il faut aussi compter avec la maturation des outils de gouvernance. Plus les agents gagnent en autonomie, plus la supervision devient indispensable. Les prochaines années devraient voir émerger des standards plus stricts sur la traçabilité des actions, les permissions, la journalisation, les tests de sécurité, l’évaluation continue et la responsabilité humaine. Les fournisseurs capables d’offrir ces garanties de manière native auront un avantage compétitif. Google part avec des atouts dans ce domaine grâce à son expertise cloud et à son ancrage entreprise, mais il devra convaincre sur l’exécution, pas seulement sur la vision.
Le point clé, au fond, est que Gemini 3.5 Flash matérialise une transition de l’IA générative vers une IA opérationnelle. Le secteur ne raisonne plus uniquement en termes de conversation, mais en termes de délégation contrôlée. Cette nuance change tout : elle transforme les attentes des clients, les critères d’achat, les métriques de performance et la nature même de la concurrence. Si Google réussit son pari, Gemini 3.5 Flash pourrait apparaître rétrospectivement non comme un simple modèle rapide de plus, mais comme l’un des marqueurs du moment où les grands fournisseurs ont cessé de vendre des réponses pour commencer à vendre des capacités d’action. Pour les acteurs francophones, le sujet n’est déjà plus théorique : il touche aux choix d’architecture, aux budgets logiciels et à la manière dont sera organisée la productivité numérique des prochaines années.