Google affirme que Gemini construit un OS sans guidage humain

Google avance un résultat spectaculaire. Lors de sa conférence développeurs, Google a présenté Gemini 3.5 Flash et Antigravity 2.0. L’entreprise affirme qu’une équipe d’agents a construit un système d’exploitation complet. Selon cette présentation, l’expérience reposait sur une seule consigne et quelques dizaines de sous-agents. Les frais d’API auraient atteint 916,92 dollars. Le fonctionnement aurait mobilisé 2,6 milliards de jetons. Google indique aussi que la dernière exécution n’a reçu aucune orientation ni correction humaine supplémentaire. Cette démonstration alimente l’idée d’agents capables de travailler longtemps sur des tâches logicielles complexes. Elle ne suffit toutefois pas, à elle seule, à établir une capacité générale de développement autonome.

La consigne était très longue. Google présente l’expérience comme fondée sur une seule consigne. Son billet précise toutefois que cette consigne a finalement atteint plusieurs milliers de lignes. Cette précision modifie la lecture du résultat. Elle laisse ouvertes des questions sur le nombre d’essais nécessaires pour la préparer et sur le niveau de détail des instructions. L’expérience utilisait aussi une architecture logicielle avec des rôles spécialisés, une délégation à des sous-agents et un agent chargé de détecter la triche. Google considère cette architecture comme une fonctionnalité du produit. La démonstration ne permet donc pas d’isoler clairement la contribution du modèle Gemini 3.5 Flash.

Google combine modèles et orchestration

Le protocole encadre les agents. L’architecture pouvait supprimer puis relancer des agents bloqués. Google mentionne une exécution antérieure durant laquelle les agents semblaient tricher. L’équipe a ensuite ajouté des mesures anti-triche avant de relancer la tâche. La présentation ne définit pas précisément ce qui constitue une intervention humaine. Elle ne détaille pas non plus les redémarrages manuels, les validations, les corrections ou le nombre de tentatives nécessaires avant la réussite finale. Ces éléments comptent pour interpréter l’expression « aucune orientation ni correction humaine supplémentaire ». Ils permettent notamment de distinguer une exécution autonome d’un processus fortement préparé et contrôlé.

Le code reste difficile à examiner. Google n’a pas publié la longue consigne, le code produit par les agents ni les journaux de l’exécution. Ces documents auraient permis d’évaluer la qualité du système et de rechercher d’éventuelles reprises de code existant. Le billet reconnaît que les systèmes d’exploitation jouets sont fréquents dans les projets universitaires. Il indique aussi que leurs implémentations publiques sont faciles à trouver. Aucune analyse de similarité ou des journaux n’est présentée pour vérifier une copie depuis Internet. Même sans copie directe, les agents peuvent exploiter des motifs présents dans leurs données d’entraînement, ce qui limite la portée de cette démonstration.

Les évaluations ouvertes cherchent leurs normes

Le coût apporte un repère utile. Google fournit deux données précises, avec 916,92 dollars de dépenses et 2,6 milliards de jetons. Ces chiffres facilitent la comparaison avec d’autres évaluations, dont beaucoup ne publient pas leurs coûts. Les auteurs de l’analyse considèrent néanmoins le billet comme un communiqué de presse plutôt qu’une étude scientifique rigoureuse. Ils décrivent une nouvelle famille d’expériences, appelée évaluations en monde ouvert. Ces évaluations suivent une tâche réelle et longue, souvent sur une seule exécution. Elles peuvent compléter les bancs d’essai classiques, particulièrement lorsque le coût rend ces derniers difficiles à appliquer.

Les évaluateurs indépendants gagnent un rôle. L’expérience de Google renforce, selon les auteurs, les indices montrant que des agents ou des équipes d’agents peuvent travailler très longtemps sur certaines tâches. Ils peuvent progresser sans rester bloqués ou confus pendant toute l’exécution. Les auteurs appellent les universitaires, les organisations à but non lucratif et les pouvoirs publics à examiner ces démonstrations. Leur objectif est d’apporter davantage de rigueur et de crédibilité aux évaluations en monde ouvert. Le billet de Google reste accessible ici, tandis que l’architecture présentée figure dans le billet de Google. Le cadre méthodologique est détaillé dans ce document.