Intelligence Artificielle
Gemini de Google est-il désormais en tête de la course à l'IA ?
Securities.io applique des normes éditoriales rigoureuses et peut percevoir une rémunération pour les liens vérifiés. Nous ne sommes pas un conseiller en investissement agréé et ceci ne constitue pas un conseil en investissement. Veuillez consulter notre divulgation de l'affiliation.
Le développement de l'intelligence artificielle a été décrit à juste titre comme une course, où des start-ups privées comme OpenAI et Anthropic rivalisent directement avec des géants de la technologie comme Microsoft. (MSFT -0.31%) et Google (GOOGL + 4.01%)Cette course a été alimentée par des centaines de milliards de dollars d'investissements, non seulement dans le développement de logiciels, mais aussi dans des dépenses d'investissement massives pour construire des centres de données d'IA toujours plus grands et plus gourmands en énergie afin d'entraîner les modèles les plus récents.
Parallèlement, les modèles chinois progressent également rapidement, ajoutant un sentiment d'urgence et de concurrence géopolitique aux efforts des entreprises occidentales.
Ces derniers temps, il semble que le système Gemini de Google prenne l'avantage sur ses concurrents, notamment grâce à la sortie de Gemini 3 Deep Think, un modèle axé sur une compréhension réaliste non seulement des langues, mais aussi du monde physique. De plus, Google est également sélectionné par Apple. (AAPL + 1.54%) pour alimenter l'IA des appareils de l'entreprise et progresse dans le secteur de la fabrication de puces IA.
Gemini 3 Réflexion approfondie : Qu'est-ce qui a changé ?
Deep Think Release
Sortie prévue le 12 févrierthEn 2026, lors du projet Gemini 3 Deep Think, Google a franchi une étape décisive en passant d'IA principalement axées sur la recherche et le langage (LLM) à des IA plus généralistes capables de comprendre le monde physique.
Il s'agit d'une évolution importante, car l'« IA physique » est la direction que prend l'industrie, une tendance que nous avons explorée plus en détail dans «Intelligence artificielle physique : investir dans le boom des robots humanoïdes de 2026. »
Pour l'instant, la nouvelle version de Deep Think est disponible dans l'application Gemini pour les abonnés à Google AI Ultra et, pour la première fois, via l'API Gemini pour une sélection de chercheurs, d'ingénieurs et d'entreprises, ce qui rend cette IA déjà disponible commercialement, et non plus seulement un modèle de test.
Mathématiques et sciences d'abord
Ce qui distingue Deep Think des précédentes versions de Gemini, et dans une certaine mesure des autres IA également, c'est son accent mis sur la compréhension mathématique.
Les modèles LLM sont réputés pour leurs piètres performances dans les tâches mathématiques simples, échouant parfois même à des additions élémentaires ou au dénombrement. Ce n'est pas le cas de Deep Think, qui a permis à des agents spécialisés de mener des explorations mathématiques de niveau recherche. Ce modèle surpasse largement les autres modèles aux tests de mathématiques et de sciences. Il obtient également d'excellents résultats aux tâches de programmation.
Source: Google
La différence avec Gemini Pro Preview est encore plus marquée sur les tests portant sur des sujets scientifiques, comme les Olympiades internationales de mathématiques ou les Olympiades internationales de chimie, où il a obtenu un score d'environ 82 %, contre seulement 14 % pour le test de mathématiques du modèle précédent de Google LLM.
Source: Google
Ces résultats ont été possibles grâce à une architecture radicalement différente de celle des « IA classiques », qui souffrent d'hallucinations lorsque les données sont trop rares, ce qui sera par définition toujours le cas pour les dernières découvertes scientifiques.
Par exemple, en mathématiques pures, un agent de recherche mathématique (nom de code interne : Aletheia), basé sur la technologie Gemini Deep Think, intègre un vérificateur de langage naturel pour identifier les failles des solutions proposées. Il permet un processus itératif de génération et de révision des solutions. Surtout, cet agent peut reconnaître son incapacité à résoudre un problème, une caractéristique essentielle qui a considérablement amélioré l'efficacité des chercheurs.
Source: Google
Cette approche est non seulement plus performante pour donner les bons résultats, mais elle est aussi plus efficace, comme l'a démontré Aletheia, qui a démontré qu'une meilleure qualité de raisonnement pouvait être atteinte avec un temps de calcul d'inférence plus court.
Cette approche peut être étendue des mathématiques à d'autres sciences physiques. Par exemple, Gemini Deep Think a découvert comment utiliser « une solution novatrice faisant appel aux polynômes de Gegenbauer » pour calculer le rayonnement gravitationnel des cordes cosmiques.
Applications scientifiques réelles
Cette performance se traduit déjà par des applications scientifiques concrètes pour les chercheurs.
Par exemple, la mathématicienne Lisa Carbone de l'université Rutgers a utilisé Deep Think pour trouver une faille logique qui avait échappé aux relecteurs humains dans un article mathématique très technique sur la théorie de la gravité et la mécanique quantique d'Einstein.
Deep Think a également été utilisé par le laboratoire Wang de l'université Duke pour concevoir une méthode de croissance de films minces semi-conducteurs de plus de 100 micromètres, un objectif auparavant difficile à atteindre.
Distribution, matériel et dynamique stratégique
La réussite de Deep Think s'ajoute à d'autres bonnes nouvelles pour l'équipe d'IA de Google.
La décision la plus importante a été celle d'Apple, le seul géant technologique à être resté largement à l'écart de la course à l'IA, d'adopter Gemini comme IA par défaut sur ses appareils. Dans ce contexte, Il est donc logique qu'OpenAI ait déclaré en décembre 2025 une « alerte rouge » concernant les progrès de Google et d'autres entreprises spécialisées dans l'IA..
« La base d'utilisateurs de Gemini n'a cessé de croître depuis la sortie en août de Nano Banana, un générateur d'images, et Google a indiqué que le nombre d'utilisateurs actifs mensuels est passé de 450 millions en juillet à 650 millions en octobre. »
OpenAI subit également la pression d'Anthropic, qui gagne en popularité auprès des clients professionnels.
Un autre succès récent de Google est celui de ses puces d'IA. Premièrement, C’est Anthropic qui a annoncé qu’elle commencerait à utiliser les puces d’IA de Google, appelées TPU. (Unités de traitement tensoriel), notamment en utilisant jusqu'à un million de processeurs pour alimenter son logiciel d'IA. À présent, Meta, une entreprise concurrente spécialisée dans l'IA, se joint également à la course en utilisant les TPU de Google.ce qui soulève la question de savoir si Google est en train de devenir un concurrent de Nvidia. (NVDA + 1.02%) autant qu'à OpenAI.
(Vous pouvez en savoir plus sur les TPU et autres matériels axés sur l'IA comme les XPU, les FPGA, etc., dans «Investir dans le matériel d'IA : des processeurs aux unités centrales de traitement (XPU)")
Stratégie d'Alphabet en matière d'IA : intégration verticale à grande échelle
Glissez pour faire défiler →
| Société | Focus sur le modèle | Stratégie matérielle | Contrôle de la distribution | Intégration verticale |
|---|---|---|---|---|
| Alphabet | Gémeaux 3 Réflexion approfondie (Mathématiques/Sciences) | TPU internes | Android + Recherche + Routage Apple potentiel | Pile complète (Puce → Cloud → Consommateur) |
| Microsoft/OpenAI | Modèles GPT (LLM général) | GPU Nvidia via Azure | Windows + SaaS d'entreprise | Partiel |
| Meta | Lama (poids libre) | GPU + Silicium personnalisé | Plateformes sociales | Modérée |
| Anthropique | Claude (Spécialisé en entreprises) | TPU de Google | Offres API + Entreprise | Faible |
L'accent mis sur les TPU témoigne de la stratégie de Google. Des architectures LLM robustes comme Gemini et des performances supérieures dans des applications concrètes telles que Deep Think sont, bien entendu, primordiales.
Mais c’est au niveau du contrôle de la distribution de l’IA et de la structure des coûts + de l’accès aux capitaux que Google occupe une position solide.
La présence de Google sur le marché mobile via Android est déjà forte, mais avec l'accord avec Apple, il est quasiment certain que la plupart des requêtes d'IA qui ne sont pas spécifiquement dirigées vers une application d'IA donnée iront à Gemini, directement ou indirectement.
L'autre facteur est le recours croissant aux TPU. Selon certaines études, les TPU sont environ 30 % moins chers que les GPU Nvidia et offrent des performances 2 à 4 fois supérieures par dollar investi pour des charges de travail comparables. La réduction de la consommation d'énergie pour une même puissance de calcul n'est pas seulement un avantage financier ; elle permet également d'adapter les centres de données d'IA malgré les contraintes croissantes en matière d'approvisionnement énergétique.
Enfin, le niveau d'intégration verticale — depuis les TPU jusqu'aux centres de données détenus directement, en passant par une plateforme cloud d'entreprise et un canal de distribution grand public — est sans égal dans le secteur, seul Microsoft s'en approchant quelque peu dans le domaine des entreprises.
Enfin, le développement de l'infrastructure d'IA s'est avéré extrêmement coûteux. Ces centaines de milliards de dollars investis dans les puces et les centres de données doivent désormais être amortis, ce qui engendre des charges d'amortissement considérables inscrites au bilan chaque année. L'ampleur des flux de trésorerie générés par la recherche, YouTube, Android et d'autres produits d'Alphabet lui permet de mieux absorber les coûts initiaux et d'assurer la maintenance future de cette infrastructure.
Gemini est-il réellement en train de prendre de l'avance ?
Il est certainement prématuré de désigner un « vainqueur » dans la course à l'IA. Par exemple, tout le paradigme actuel pourrait être bouleversé si Les centres de données orbitaux de la société désormais fusionnée xAI/Space s'avèrent être un avantage concurrentiel majeur.
Mais il semble que quelques tendances émergent, qui évoluent en faveur de Google.
Le premier besoin concerne le matériel spécialisé en IA, un domaine où de nombreux géants de la technologie sont à la traîne, ce qui donne un avantage aux fabricants de puces et à Google.
L'autre point concerne l'importance du contrôle de la distribution pour le grand public, qui n'est pas toujours conscient des IA qu'il peut ou devrait utiliser. À cet égard, l'accès direct à l'ensemble de l'écosystème Apple fait écho à la stratégie précédente consistant à faire de Google le moteur de recherche par défaut sur les iPhones (ce qui a même entraîné des décisions antitrust américaines fin 2025, car cela était jugé « trop avantageux ».).
Grâce à l'expertise de Deep Think en mathématiques et en sciences, Google aborde l'année 2026 avec un excellent départ dans le domaine de l'IA. Reste à savoir si cette position dominante se maintiendra face à la concurrence d'OpenAI, Microsoft, Meta, Anthropic et d'une multitude de modèles chinois, y compris ceux de géants technologiques chinois comme Alibaba. (BABA + 0.12%) ou ByteDance — l'avenir nous le dira.
