Google Gemini

Nous avons fourni à Gemini 2.5 Pro une base de code Next.js complète, soit environ 600 000 tokens (l'équivalent de 450 000 mots), et lui avons demandé de tracer un bug s'étendant sur quatre modules distincts. Il a identifié la cause racine en un seul passage. Aucun découpage, aucun téléchargement fichier par fichier, aucune solution de contournement basée sur la génération augmentée par la recherche (RAG). Juste l'intégralité de la base de code chargée en une seule fois, et une réponse unique qui a fait le lien entre les quatre modules simultanément.

Ce test illustre parfaitement la place que mérite Gemini en 2026. La fenêtre de contexte d'un million de tokens n'est pas qu'un simple chiffre sur une fiche technique, c'est un avantage pratique qu'aucun modèle grand public concurrent n'égale à ce jour. Mais ce même outil qui vous impressionne un mardi pourra, un jeudi, ignorer les instructions que vous lui avez données deux prompts plus tôt. Cette incohérence est le véritable sujet de cet avis.

Gemini en un coup d'œil. Avril 2026

Gemini a subi plus de changements de nom que presque n'importe quel autre produit d'IA sur le marché. Ce qui a été lancé sous le nom de Bard en 2023 est devenu Gemini en février 2024. "Gemini Advanced" est devenu Google One AI Premium, puis Google AI Pro lors de la Google I/O en mai 2025, date à laquelle un nouveau niveau Ultra à $249.99/month a également été lancé. En avril 2026, la gamme se présente ainsi : une version gratuite fonctionnant sous Gemini 3 Flash, Google AI Plus à ~$7.99/month, Google AI Pro à $19.99/month, et Google AI Ultra à $249.99/month.

La pile de modèles a évolué tout aussi rapidement : Gemini 2.5 Pro a été lancé en mars 2025 en tant que premier modèle de raisonnement (thinking model) de Google ; Gemini 3 est arrivé en novembre 2025 ; Gemini 3.1 Pro est entré en préversion en février 2026. L'abonnement Pro débloque une fenêtre de contexte d'un million de tokens, Deep Research (navigation autonome sur plus de 100 sources avec exportation vers Google Docs), et l'intégration à travers Gmail, Drive, Docs, Sheets et Slides. Si vous travaillez quotidiennement sur Google Workspace, cette intégration change complètement la donne par rapport aux outils d'IA autonomes.

Ce que Gemini fait vraiment bien

L'analyse de contexte long est sa capacité phare. Le test de la base de code que nous avons effectué est représentatif de la façon dont cela se traduit dans la pratique. Gemini 2.5 Pro atteint un rappel de 100 % jusqu'à 530 000 tokens et de 99,7 % à un million de tokens, soit la plus grande fenêtre de contexte fiable de tous les principaux modèles d'IA grand public. À titre de comparaison, GPT-4o plafonne à 128 000 tokens et Claude 3.7 à 200 000. Charger une vaste base de code, un long document juridique ou l'intégralité d'un backlog produit dans Gemini sans avoir à le fractionner est un véritable atout pour le flux de travail, et non un simple argument marketing.

"J'ai obtenu des résultats très impressionnants avec Gemini 2.5 Pro sur des tâches de codage complexes.". Un commentateur sur Hacker News, mars 2025

Dans le même fil de discussion, un développeur a raconté comment Gemini a généré du premier coup un interpréteur LISP entièrement fonctionnel — pas une simple structure, mais une implémentation opérationnelle. C'est dans la combinaison d'un contexte long et d'un raisonnement multi-étapes solide que Gemini se hisse au sommet du marché.

Deep Research possède un avantage UX qui compte. Avant d'exécuter une tâche de recherche, Gemini présente son plan de recherche et vous demande si vous souhaitez le modifier. Aucun autre outil d'IA majeur ne propose cette étape. Vous pouvez orienter la recherche vers des sources spécifiques, écarter certains angles ou définir un niveau de profondeur qui correspond à vos besoins. Les rapports incluent une cartographie des sources afin que vous puissiez vérifier le raisonnement derrière chaque conclusion, et s'exportent directement vers Google Docs en un seul clic.

La transparence du raisonnement en mode "thinking" est inhabituelle. Gemini 2.5 Pro va parfois raisonner de manière visible sur une tâche, puis s'arrêter pour vous dire que la tâche n'est pas réalisable en une seule fois, plutôt que de produire une réponse fausse avec aplomb. Un développeur a décrit cela comme "un nouveau type de refus" dans un sens positif, le modèle refusant de simuler la compétence.

Le combo Deep Research et Audio Overview est un gain de productivité inattendu. Lancez un rapport Deep Research, puis convertissez-le en une conversation audio de style podcast : deux voix d'IA, des pauses délibérées et des échanges pour donner une impression de conversation plutôt que de lecture à voix haute. Les utilisateurs l'écoutent pendant leurs trajets. Le tout en un clic depuis le résultat de la recherche dans Gemini.

L'intégration à Google Workspace est un véritable différenciateur pour les équipes qui passent leurs journées sur Gmail, Docs ou Drive. Depuis janvier 2025, les fonctionnalités d'IA de Gemini sont incluses dans tous les forfaits Google Workspace Business et Enterprise sans frais supplémentaires, remplaçant un ancien module complémentaire à $18/user/month. Pour les équipes qui paient déjà pour Workspace, cela modifie la comparaison avec les abonnements d'IA autonomes.

Là où Gemini échoue : les erreurs récurrentes rencontrées par les utilisateurs

La plainte la plus fréquente sur Reddit, Hacker News, les forums de développeurs et les sites d'avis ne concerne pas un bug spécifique. Il s'agit d'un schéma d'incohérence et de régression : Gemini fonctionne bien sur une tâche, puis échoue sur cette même tâche plus tard. Les instructions suivies lors d'une session sont ignorées lors de la suivante. Une version du modèle sur laquelle les développeurs ont appris à compter est remplacée par une version qui brise leurs flux de travail.

Le fait que Gemini 3.0 soit devenu une "dégradation majeure" documentée par rapport à 2.5 Pro en est l'exemple récent le plus frappant. Un fil de discussion sur le Google AI Developers Forum a rassemblé de nombreux développeurs signalant que le nouveau modèle échouait sur des tâches que l'ancien gérait de manière fiable.

"Le modèle ne respecte pas du tout les instructions, il s'effondre complètement, souvent dès la 2ème ou 3ème génération.". Google AI Developers Forum, 2025

Un autre développeur dans le même fil a ajouté que Gemini "refactorisait et supprimait des parties de ma base de code que je lui avais explicitement dit de ne pas supprimer", et a noté une perte totale de travail lorsqu'un dépassement de contexte a entraîné la suppression de l'historique de la conversation lors du rechargement de la page.

La fiabilité de l'API est un problème documenté. Un fil de discussion sur Hacker News a recueilli des témoignages de développeurs faisant état de réponses s'arrêtant au milieu d'une phrase, non pas à cause des limites de tokens, mais de ce qui semblait être un bug de signalement de fin de génération. Un autre rapport a noté que Gemini ne peut pas effectuer d'appels d'outils (tool calling) et forcer une sortie JSON simultanément : un développeur a décrit avoir dû réessayer la moitié de ses requêtes API en raison d'échecs constants, avec un ticket d'assistance ouvert pendant des mois sans résolution.

Les hallucinations dans les actions inter-applications sont bien documentées. Lorsque Gemini opère à travers les applications Google (calendrier, Docs, Drive), son taux d'erreur est plus élevé que ce qu'un abonnement à $19.99/month devrait produire. Un article de résiliation largement partagé décrivait Gemini créant des événements inexistants dans un calendrier à partir de données sources inventées. Les lecteurs ont renchéri : "La majorité des choses que je lui ai demandé de faire ont échoué."

La qualité des résultats de Deep Research est inégale. L'interface est excellente (étape de planification, cartographie des sources, exportation vers Docs), mais le contenu peut décevoir. Un test comparatif a attribué une note de 2,5/5 à la qualité des résultats de Gemini contre 4,5/5 pour ChatGPT, les rapports de Gemini étant jugés "trop généralistes pour être immédiatement utilisables" et se limitant par défaut à des sources grand public plutôt que de faire émerger des perspectives inédites.

Gemini vs. ChatGPT vs. Claude

ChatGPT (GPT-4o / GPT-5) est le point de comparaison le plus courant. Le consensus sur Reddit est unanime : ChatGPT donne l'impression d'être "un ami intelligent" tandis que Gemini a un ton plus formel et institutionnel. Pour l'écriture créative, les textes marketing ou toute tâche où la personnalité compte, ChatGPT conserve un avantage durable. Sa limite de contexte de 128 000 tokens est un désavantage structurel pour le travail sur de gros documents, mais pour la plupart des tâches quotidiennes, la différence de ton est le facteur décisif.

Claude (Sonnet / Opus) a la préférence des développeurs qui ont besoin d'un respect fiable des instructions sur de longues sessions. Les développeurs sur Hacker News ont noté que Claude était "plus facile à orienter vers l'implémentation souhaitée" par rapport à Gemini, qui avait tendance à s'écarter des plans convenus en cours de session. Claude 3.7 Sonnet obtient un score de 70,3 % sur SWE-Bench contre 63,8 % pour Gemini 2.5 Pro, un écart mesurable en matière de codage. La fenêtre de contexte de 200 000 tokens de Claude est plus petite que le plafond d'un million de tokens de Gemini, mais pour la plupart des bases de code, elle est suffisante, et la cohérence de la session compte souvent plus que la taille maximale du contexte.

L'arbre de décision : Gemini lorsque la longueur du contexte ou l'intégration à Workspace est le goulot d'étranglement, ChatGPT pour le travail créatif avec de la personnalité, Claude pour le respect soutenu d'instructions complexes.

La version payante en vaut-elle la peine ?

La version gratuite est plus performante que la plupart des utilisateurs ne le pensent. Gemini 3 Flash, avec des limites quotidiennes sur les modèles Pro et Thinking, un contexte de 32 000 tokens et jusqu'à 20 générations d'images par jour, constitue un point de départ fonctionnel. La limite qui compte vraiment est la fenêtre de contexte : 32 000 tokens contre un million de tokens sur la version Pro représente une différence significative pour tout cas d'usage impliquant de gros documents.

C'est avec Google AI Pro à $19.99/month que l'on observe un véritable bond en matière de capacités. La fenêtre de contexte d'un million de tokens justifie à elle seule le coût pour les développeurs travaillant avec de vastes bases de code ou des collections de recherche. Ajoutez à cela Deep Research, l'accès à Gemini 2.5 Pro et Gemini 3, l'agent de codage Jules, NotebookLM amélioré avec 5x plus d'Audio Overviews, et la génération de vidéos Veo 3.1, et vous obtenez un niveau d'abonnement véritablement riche en fonctionnalités.

Le problème avec la version Pro est la fiabilité. Payer $19.99/month et rencontrer régulièrement des erreurs, un historique de chat qui disparaît ou des réponses qui ignorent votre dernier message est une frustration qui revient assez souvent dans les avis pour être prise au sérieux. L'article de résiliation d'Android Police, largement partagé et rédigé par un utilisateur grand public plutôt que par un développeur, l'a formulé clairement : "Je suis assis là à me demander quand, exactement, Google va me prouver que j'ai besoin de payer pour Gemini Advanced."

Google AI Ultra à $249.99/month (50 % de réduction les trois premiers mois pour les nouveaux abonnés) inclut l'accès à Gemini 3.1 Pro, le mode Deep Think, 1 500 prompts Thinking par jour, 12 500 crédits IA, les agents de navigation Project Mariner, YouTube Premium et $100/month de crédits Google Cloud, ce qui le rend viable pour les développeurs dont les dépenses Cloud compensent partiellement le coût de l'abonnement.

Meilleurs cas d'usage (et quand l'éviter)

Utilisez Gemini lorsque : vous avez de gros fichiers ou des bases de code dépassant 200 000 tokens et que vous devez les analyser sans les découper ; vous voulez un outil de recherche qui vous permet de modifier le plan avant son exécution ; vous travaillez sur Google Workspace et souhaitez avoir l'IA directement dans Gmail et Docs plutôt que dans un onglet séparé ; ou vous souhaitez convertir vos recherches en audio pour les écouter passivement.

Évitez Gemini lorsque : vous avez besoin d'un respect fiable des instructions sur de nombreux échanges. Claude est plus cohérent ; vous développez sur l'API et avez besoin d'un format de sortie et d'un comportement de complétion prévisibles (les bugs de troncature et de JSON/appels d'outils sont suffisamment réels pour nécessiter des contournements architecturaux) ; ou vous recherchez un travail créatif avec de la chaleur et de la personnalité. ChatGPT reste le leader dans ce domaine.

Premiers pas avec Gemini

Le test le plus rapide pour constater l'avantage du contexte de Gemini : chargez un gros document, un long PDF, une base de code multi-fichiers en texte brut ou un vaste corpus de recherche, et posez des questions qui nécessitent de relier des informations entre différentes sections. C'est le cas d'usage où Gemini n'a aucune concurrence grand public à ce niveau de prix.

Pour Deep Research, commencez par une question complexe que vous passeriez normalement une heure à examiner manuellement. Lorsque Gemini présente son plan de recherche avant de l'exécuter, modifiez-le : spécifiez les types de sources, excluez les angles dont vous n'avez pas besoin, définissez la portée. La plupart des nouveaux utilisateurs sautent cette étape et obtiennent un résultat générique. Modifier le plan produit des rapports nettement meilleurs.

L'accès quotidien de la version gratuite aux modèles Pro et Thinking offre un aperçu raisonnable avant de s'engager. L'écart de la fenêtre de contexte, 32 000 tokens en version gratuite contre un million en version Pro, est le plafond que vous atteindrez en premier si les gros documents font partie de votre travail. Dernier test : avril 2026.