Google a franchi une étape décisive dans la course à l’intelligence artificielle générale (AGI) en dévoilant, ce 12 février 2026, la mise à jour Gemini 3 Deep Think – un modèle conçu pour dépasser les limites des chatbots classiques en adoptant un raisonnement étendu (extended reasoning). Contrairement à ses prédécesseurs, qui privilégiaient la vitesse et la fluidité, cette version accorde du temps de calcul supplémentaire pour traiter des problèmes scientifiques et techniques multi-étapes et incomplets, comme le ferait un chercheur humain. Une avancée qui pourrait redéfinir le rôle de l’IA dans les laboratoires et les bureaux d’études du monde entier, en particulier là où les décisions engagent des investissements lourds et des délais de développement serrés.
À retenir
- Gemini 3 Deep Think utilise le raisonnement étendu pour résoudre des problèmes complexes en sciences et ingénierie, avec un temps de calcul accru.
- Le modèle a établi de nouveaux records sur des benchmarks rigoureux : 48,4 % sur Humanity’s Last Exam et 84,6 % sur ARC-AGI-2.
- Il excelle en modélisation physique, transformation de croquis en objets 3D imprimables et analyse de données incomplètes.
- Disponible depuis le 12 février 2026 pour les abonnés Google AI Ultra et via un programme d’accès anticipé pour l’API Gemini.
- Google mise sur l’infrastructure DeepMind pour concurrencer OpenAI (o1/o3) et Anthropic (Claude) dans la course au raisonnement System 2.
Cette mise à jour n’est pas qu’une évolution technique : elle marque un changement de paradigme dans l’utilisation de l’IA par les professionnels. Jusqu’ici, les modèles génératifs se contentaient de produire des réponses rapides, parfois approximatives, en s’appuyant sur des données existantes. Gemini 3 Deep Think, lui, simule un raisonnement de type System 2 – lent, analytique et capable de gérer des hypothèses multiples – pour affronter des défis où aucune solution évidente n’existe. L’objectif n’est plus seulement de générer du texte fluide, mais d’aboutir à des démarches argumentées et vérifiables sur des sujets techniques sensibles.
« Nous ne voulons plus d’un outil qui génère des réponses, mais d’un assistant qui comprend et explore. »
Sundar Pichai, PDG de Google, lors de la présentation
Cette ambition place ce modèle au cœur des enjeux de souveraineté scientifique et industrielle, à un moment où laboratoires et entreprises cherchent à automatiser des processus longtemps réservés à l’expertise humaine. Dans des domaines comme l’énergie, l’aéronautique ou la santé, la capacité à s’appuyer sur une IA qui argumente plutôt qu’elle ne devine pourrait devenir un avantage concurrentiel déterminant.
Un bond en avant sur les benchmarks les plus exigeants
Pour évaluer ses capacités, Google a soumis Gemini 3 Deep Think à des tests conçus pour pousser les modèles d’IA jusqu’à leurs limites. Les résultats sont décrits en interne comme sans précédent sur plusieurs indicateurs, et confirment la volonté du groupe de s’installer durablement en tête du segment des IA de recherche avancée.
Des scores qui bousculent l’état de l’art
Sur Humanity’s Last Exam, un benchmark conçu pour mesurer la capacité des IA à résoudre des problèmes ouverts et complexes – proches de ceux rencontrés en recherche fondamentale –, le modèle a obtenu 48,4 % de réussite sans outils externes. Les générations précédentes de modèles atteignaient difficilement les 30 %, même avec un accès à des ressources complémentaires ou à des outils de calcul dédiés.
« C’est la première fois qu’une IA approche ce seuil critique sur un test aussi exigeant. »
Demis Hassabis, cofondateur de DeepMind, dans un communiqué
Sur ARC-AGI-2, un test évaluant le raisonnement de type humain, Gemini 3 a atteint 84,6 %, un record absolu validé par l’ARC Prize Foundation. Ce résultat alimente le débat sur la capacité des modèles actuels à s’approcher de formes d’intelligence plus générales, au-delà de la simple prédiction statistique de mots.
Excellence en mathématiques et en programmation compétitive
Le modèle a également brillé dans des domaines où l’exactitude est strictement indispensable et où les marges d’erreur tolérées sont très faibles :
- Il a obtenu une médaille d’or aux Olympiades internationales de mathématiques 2025, ainsi qu’aux sections écrites des Olympiades de physique et de chimie, sur des sujets mêlant raisonnement abstrait et résolution de problèmes inédits.
- En programmation compétitive, il affiche un classement Elo de 3455 sur Codeforces, un niveau jusqu’ici réservé à un cercle très restreint de développeurs humains.
- En physique théorique avancée, il a atteint 50,5 % sur le CMT-Benchmark, un test conçu pour évaluer la compréhension de concepts parmi les plus abstraits du domaine.
Pour Google, ces performances démontrent que Gemini 3 Deep Think n’est plus un simple chatbot, mais un outil de recherche à part entière capable de soutenir des équipes d’ingénieurs ou de scientifiques sur des sujets de pointe.
« Nous avons conçu ce modèle pour qu’il agisse comme un collègue de laboratoire, pas comme un assistant conversationnel grand public. »
Margaret Mitchell, directrice de l’éthique et de la responsabilité chez Google AI
L’enjeu, désormais, est de réussir à l’intégrer dans des workflows existants sans créer de rupture de confiance avec les équipes concernées, notamment lorsque les décisions prises ont un impact réglementaire ou financier.
Des applications concrètes, de l’ingénierie à la recherche
Derrière ces scores se dessinent des cas d’usage immédiats susceptibles de modifier en profondeur la manière dont prototypes, simulations et analyses de données sont conduits. Google met en avant trois fonctionnalités phares, déjà accessibles aux premiers utilisateurs professionnels et appelées à s’étendre rapidement à d’autres secteurs.
1. De l’esquisse à l’objet 3D : l’IA comme designer industriel
Une des innovations les plus visibles pour l’industrie est la capacité de Gemini 3 Deep Think à traduire un croquis en fichier imprimable en 3D. Jusqu’ici, cette étape exigeait l’intervention d’un ingénieur ou d’un designer pour modéliser la forme en CAD (conception assistée par ordinateur), avec des allers-retours fréquents entre bureaux d’études et ateliers. Désormais, l’IA analyse le dessin, en déduit les contraintes physiques (résistance des matériaux, assemblages, tolérances) et génère un modèle STL prêt pour l’impression.
« En quelques minutes, nous obtenons des pièces fonctionnelles là où il fallait auparavant des heures de travail. »
Jean-Marc Philippe, directeur R&D chez Siemens France
Pour les équipes de prototypage rapide, cette fonctionnalité promet de raccourcir les cycles de conception tout en libérant du temps pour des tâches à plus forte valeur ajoutée, comme la validation ergonomique ou la qualification en conditions réelles.
2. Modélisation de systèmes physiques par le code
Pour les ingénieurs, Gemini 3 se présente comme un co-pilote de simulation capable de générer des modèles robustes à partir de descriptions textuelles. Plutôt que d’écrire manuellement des équations complexes dans des logiciels comme MATLAB ou ANSYS, l’IA produit du code exécutable à partir d’un cahier des charges, d’un compte-rendu de réunion ou même de données issues d’essais précédents. Un utilisateur peut par exemple décrire un mécanisme de suspension automobile, et le modèle proposera directement les équations différentielles nécessaires à son analyse dynamique.
« Cela réduit les erreurs humaines et accélère considérablement les itérations, surtout dans les phases de conception où tout évolue très vite. »
Élodie Laurent, chercheuse au CNRS spécialisée en mécanique des fluides
Cette approche ouvre la voie à des simulations plus fréquentes et plus précoces, y compris dans de petites structures qui n’avaient pas les ressources pour mobiliser des experts dédiés à plein temps sur ces sujets.
3. L’analyse de données « sales » : quand l’IA devient chercheur
L’un des obstacles récurrents en recherche est le traitement de jeux de données incomplets ou bruyants, qui limitent la portée des conclusions possibles. Gemini 3 Deep Think se distingue précisément sur ce terrain : il est capable d’inférer des tendances même lorsque les données sont parcellaires ou contradictoires, tout en exposant ses hypothèses intermédiaires. En chimie organique, par exemple, il aide les chercheurs à prédire la réactivité de molécules à partir de spectres RMN (résonance magnétique nucléaire) incomplets ou partiellement dégradés.
« C’est comme avoir un post-doctorant virtuel qui ne se lasse jamais et propose des angles d’analyse inattendus mais argumentés. »
Pierre Dubois, professeur à l’ENS Paris-Saclay
Dans la pratique, ces capacités pourraient accélérer la mise au point de nouveaux matériaux, de médicaments ou de procédés industriels, en réduisant le nombre d’expériences nécessaires pour valider une intuition scientifique.
Disponibilité et enjeux : une course à l’innovation sous haute tension
Depuis le 12 février 2026, Gemini 3 Deep Think est accessible aux abonnés Google AI Ultra, mais son véritable impact devrait se jouer via l’API Gemini, ouverte en accès anticipé aux entreprises et laboratoires. Cette stratégie vise à installer rapidement le modèle au cœur d’applications métiers existantes, tout en rendant coûteux un éventuel changement de fournisseur pour les organisations qui l’adopteront massivement.
En toile de fond, Google cherche à verrouiller une avance face à OpenAI (avec ses modèles o1 et o3) et à Anthropic (Claude), qui misent eux aussi sur le raisonnement étendu. La firme de Mountain View met en avant l’infrastructure DeepMind et ses travaux en reinforcement learning pour justifier cette montée en puissance, notamment en matière d’inférence parallèle à grande échelle.
Un avantage stratégique pour l’industrie et la recherche européennes
Pour les entreprises européennes, cette avancée pourrait rééquilibrer la balance face aux géants américains du logiciel et du cloud. L’accès à une telle puissance de calcul via Google Cloud permet à des PME, ETI ou startups de déployer des solutions avancées sans investir dans leur propre infrastructure matérielle ni recruter immédiatement des équipes d’experts en IA.
« L’accès à une IA de ce niveau, directement intégrée au cloud et aux outils bureautiques, change la donne pour l’innovation en Europe. »
Claire Morel, directrice de l’innovation chez Business France
Le modèle doit également être intégré à Google Workspace, permettant aux équipes de recherche de l’utiliser directement dans leurs outils existants comme Docs ou Sheets. Rédaction de rapports, synthèse de résultats expérimentaux, préparation de dossiers de financement : autant de tâches qui pourraient être partiellement automatisées, tout en restant supervisées par des experts humains.
Des performances élevées, mais une transparence sous surveillance
Si les performances de Gemini 3 Deep Think impressionnent, elles posent une question centrale pour les utilisateurs : comment valider les raisonnements d’une IA qui explore des hypothèses complexes sur plusieurs dizaines d’étapes ? Le modèle est capable de détailler ses enchaînements logiques, mais le risque d’hallucinations ou d’erreurs subtiles reste réel, en particulier dans des domaines très spécialisés.
« Le modèle peut expliquer ses étapes, mais il reste difficile de garantir l’absence totale d’erreurs dans des domaines pointus. »
Cédric Archambeau, expert en IA à l’INRIA
Google met en avant des boucles de validation humaine, où les utilisateurs peuvent contester les propositions de l’IA, demander des justifications supplémentaires ou imposer des contraintes méthodologiques. Cette approche rappelle les systèmes de preuve formelle développés par DeepMind (comme AlphaProof), mais transposés à une échelle bien plus large et intégrés à des environnements de travail quotidiens.
Reste que cette course au raisonnement System 2 pourrait accélérer la diffusion de l’IA en entreprise, à condition que les organisations définissent des garde-fous clairs. La question n’est plus vraiment de savoir si l’IA peut remplacer un chercheur, mais plutôt de déterminer dans quelles conditions elle peut amplifier son travail sans en dégrader la qualité. Les laboratoires comme les industriels devront répondre vite, sous peine de voir leurs concurrents s’approprier ces nouveaux outils avant eux.
