thejournalofsierraleonestudies.com

Gemini 4 Argon : Google muscle son IA pour détecter les failles de sécurité - ZDNET

Gemini 4 Argon est un modèle d’IA destiné aux tâches complexes en entreprise et à la cybersécurité. Dans un premier temps, il est réservé à des experts avant un déploiement plus large.

Gemini 4 Argon est un modèle d’IA destiné aux tâches complexes en entreprise et à la cybersécurité. Dans un premier temps, il est réservé à des experts avant un déploiement plus large.

Google a officialisé son nouveau modèle d’IA Gemini 4 Argon. Il proposé à un nombre restreint de défenseurs en cybersécurité de confiance participant au « programme Fairwind ». Google prévoit d’élargir progressivement l’accès aux développeurs, aux entreprises puis au grand public, après avoir affiné ses dispositifs de sécurité sur la base des retours des premiers utilisateurs.

Un raisonnement plus long et plus approfondi

Gemini 4 Argon est conçu pour maintenir un raisonnement approfondi sur des tâches complexes et de longue durée. Il peut notamment effectuer des missions de codage, de droit et de finance, ainsi que la détection, la vérification et la correction de vulnérabilités de sécurité.

Google a porté la limite de tokens pouvant être générés en une seule fois de 64 000 à un million. Selon l’entreprise, cette extension permet au modèle de raisonner plus longuement et de produire davantage de contenu au cours d’un même traitement, afin de résoudre des problèmes complexes.

Des performances en tête sur plusieurs référentiels

Le modèle a également obtenu de bons résultats sur des référentiels évaluant le développement logiciel réel et les tâches en entreprise. Selon Google, Argon a obtenu le meilleur score, soit 77,9 %, sur « DeepSWE 1.1 », qui évalue la capacité à mener des tâches d’ingénierie logicielle sur la durée. Il s’est également classé premier sur « AutomationBench », de Zapier, qui évalue l’exécution complète de tâches métiers clés en entreprise, avec un score de 51,3 %.

Argon s’est aussi placé en tête du « VALS Index », qui évalue de façon globale les tâches financières, de codage, juridiques et fiscales. Le modèle prend également en charge des tâches nécessitant une compréhension visuelle, comme l’analyse de graphiques ou le travail à partir de documents, et a obtenu un score de 91,7 % sur « LVBench », qui mesure la compréhension de vidéos longues.

Des capacités renforcées en cybersécurité

Dans le domaine de la cybersécurité, le modèle a vu ses capacités de détection, de vérification et de correction autonomes des vulnérabilités logicielles renforcées. Il s’est classé en tête ex æquo, avec un score de 68 %, sur « CWEBench 1 », qui évalue la capacité à résoudre des vulnérabilités de sécurité. Google prévoit de fournir aux défenseurs de confiance et à ses équipes internes une version d’Argon dépourvue des garde-fous liés à la cybersécurité, afin qu’ils puissent exploiter pleinement les capacités défensives du modèle.

L’entreprise de sécurité Wiz utilise actuellement Argon dans le cadre de son programme « Scan for Good », qui protège gratuitement des infrastructures publiques essentielles. Argon aurait ainsi détecté une vulnérabilité critique exposant des données personnelles sensibles dans un logiciel médical utilisé par des hôpitaux à travers le monde, un risque que les modèles de pointe existants n’avaient pas identifié.

Des usages internes chez Google, de l’optimisation des datacenters à la réécriture de code

Google utilise également Argon en interne pour ses propres activités de développement et de gestion d’infrastructure. Des agents fondés sur Argon ont analysé l’utilisation de la mémoire dans les data centers de l’entreprise afin d’identifier des pistes d’optimisation, permettant de libérer plus de 300 tébioctets (TiB) de mémoire, pour un gain total estimé entre 500 TiB et 1 TiB.

Google a également cité un cas d’usage d’Argon pour convertir du code existant en C et C++ vers le langage Rust. Sur le logiciel de décodage vidéo « libgav1 », le modèle a remplacé une partie du code d’une version déjà portée en Rust, tout en conservant un rendu vidéo identique, ce qui a permis de multiplier par 2,7 la vitesse d’exécution. Les résultats de ces réécritures de code à grande échelle font l’objet d’audits automatiques et manuels, ainsi que de tests et de revues, avant tout déploiement en environnement réel.

Des garde-fous renforcés avant le déploiement public

Avant la mise à disposition générale d’Argon, Google renforce également ses mesures de sécurité, notamment contre les usages malveillants et les attaques par injection de requêtes (prompt injection). L’entreprise met en place un dispositif de surveillance du raisonnement et des actions du modèle afin de détecter tout comportement s’écartant de l’intention de l’utilisateur, avec la possibilité d’interrompre l’exécution si nécessaire. Les environnements d’entraînement et d’évaluation à haut risque seront par ailleurs isolés pour renforcer la sécurité.

Le tarif initial a été fixé à 2 dollars pour un million de tokens en entrée et 10 dollars pour un million de tokens en sortie. Les tokens d’entrée mis en cache bénéficient d’un tarif inférieur de 95 % au tarif standard d’entrée. L’élargissement de l’accès débutera auprès des clients payants de l’API et des abonnés à Google AI Ultra.