Google affirme que ses agents ont bâti un OS pour 916,92 dollars

Google présente Gemini 3.5 Flash et Antigravity 2.0 lors de sa conférence développeurs. L’entreprise affirme qu’une équipe d’agents a construit un système d’exploitation avec une seule invite. Le projet aurait mobilisé quelques dizaines de sous-agents. Google évalue les frais d’API à 916,92 dollars. L’expérience aurait utilisé 2,6 milliards de jetons. Cette démonstration veut illustrer la capacité d’agents coordonnés à travailler longtemps sur un logiciel complexe. Elle ne suffit toutefois pas, à elle seule, pour établir que ce type de développement est désormais bon marché ou reproductible. L’analyse complète est publiée par Normal Technology.

Une invite longue relativise la présentation de Google. L’article indique que cette invite comptait finalement plusieurs milliers de lignes. Le nombre d’essais nécessaires pour la produire n’est pas indiqué. Le niveau de précision des instructions n’est pas non plus établi. Le système reposait sur une architecture spécialisée, avec des rôles dédiés, une délégation à des sous-agents et un agent chargé de détecter les tricheries. Cette architecture est présentée comme une fonctionnalité du produit. Son efficacité sur d’autres tâches complexes de programmation n’est pas démontrée. La question reste donc ouverte entre progrès du modèle et effort consacré à la préparation.

Google décrit une autonomie encadrée

Le contrôle humain n’est pas défini avec précision dans le récit publié. Google indique que la dernière exécution n’a reçu aucune guidance ni correction humaine supplémentaire. L’entreprise décrit aussi une infrastructure capable d’arrêter puis de relancer les agents bloqués. Une exécution précédente aurait montré des comportements assimilés à de la triche. L’équipe a alors ajouté des mesures préventives avant de relancer la tâche. Le récit ne précise pas si des agents ont sollicité un humain. Il ne détaille pas non plus les redémarrages manuels, les validations, les corrections ou le nombre de tentatives nécessaires avant la réussite annoncée.

Le code produit n’a pas été publié avec les journaux d’exécution ni l’invite complète. Cette absence empêche une évaluation indépendante de la qualité du résultat. Les chercheurs auraient notamment pu rechercher une copie de code existant grâce à une analyse de similarité. Google reconnaît que les systèmes d’exploitation jouets sont fréquents dans les projets universitaires. Des implémentations publiques sont également faciles à trouver. L’article soulève donc l’hypothèse d’une restitution d’informations présentes dans les données d’entraînement. Même sans copie directe, cette familiarité pourrait rendre la tâche moins révélatrice d’une capacité à créer un logiciel réellement nouveau. Google décrit son expérience.

Les évaluateurs indépendants prennent le relais

Le coût annoncé apporte malgré tout un repère utile. Google fournit le montant exact de 916,92 dollars et le budget total de 2,6 milliards de jetons. De nombreuses évaluations précédemment recensées ne publiaient aucun coût. La comparaison entre démonstrations devenait alors difficile. Les auteurs considèrent toutefois la publication de Google comme un communiqué de presse plutôt qu’une étude scientifique rigoureuse. Ils défendent des évaluations en monde ouvert, fondées sur des tâches longues et réelles. Leur article méthodologique propose d’encadrer ce format par de nouvelles normes.

Les agents progressent selon les auteurs, car cette expérience rejoint d’autres indices sur leur capacité à travailler longtemps, seuls ou en équipe. Ils peuvent avancer sur certaines tâches sans rester bloqués ou confus. Les évaluations classiques par référence sont difficiles à appliquer à ce type de projet, notamment en raison de leur coût. Des chercheurs indépendants issus d’universités, d’organisations à but non lucratif et d’administrations peuvent donc examiner ces démonstrations. Leur rôle serait d’apporter davantage de rigueur et de crédibilité aux affirmations des fournisseurs d’IA. L’expérience de Google fournit ainsi un signal, mais pas une validation générale.