Arrêt brutal ! Gemini 3.5 Pro retardé, Google tombe dans le piège de la déception

Hier encore, tout le monde dans la sphère de l’IA baignait dans une euphorie générale.

Des fuites multiples ont éclaté de tous côtés : l’arme ultime de Google – Gemini 3.5 Pro, nom de code « Cappuccino » – devait être officiellement lancée dans les 48 heures !

Une fenêtre contextuelle gigantesque de 2 millions de tokens, un nouveau mode de raisonnement « Deep Think » ; selon des évaluations internes, surpasse déjà GPT-5.6 Sol et Claude Fable 5.

De toute évidence, il s'agit d’un produit majeur, sur le point de bouleverser le paysage de l’IA.

Tout le monde comptait les heures en s’exaltant, prêt à assister à un moment historique.

Mais au réveil, changement radical de ton.

Un reportage exclusif de Bloomberg a jeté un seau d’eau froide sur l’enthousiasme collectif : le lancement de Gemini 3.5 Pro est repoussé, et pas de quelques jours, mais de plusieurs mois !

Cette sortie, qui aurait dû marquer l’histoire, a été mise en pause par Google lui-même.

Mais pourquoi donc ?

48 heures d’euphorie suivies du freinage d’urgence

Hier encore, les réseaux sociaux débordaient de spoilers sur Gemini 3.5 Pro.

Nom de code : Cappuccino. 

Fenêtre contextuelle extra-longue : 2 millions de tokens. 

Deep Think : le nouveau mode « Deep Think » porte ses capacités en mathématiques, programmation et raisonnement logique à des sommets jamais atteints. 

Évolution globale : énorme amélioration de la rédaction de code, des workflows agents, du design UI front-end et de la génération graphique SVG.

Selon des personnes internes, il s’agissait de la « arme ultime » de Google pour rivaliser avec OpenAI et Anthropic.

Réaction extrême. Tout le monde attendait avec impatience la date mythique du 17 juillet.

Mais ce matin, un article du journaliste de Bloomberg a fait retomber l’excitation d’un coup.

Selon des sources internes, le développement de Gemini 3.5 Pro a pris plusieurs mois de retard. La cause principale : le modèle n’a pas pu atteindre les standards internes très stricts, notamment pour les capacités de codage IA.

À la fin du mois dernier, Google a mis à jour de manière urgente les données d'entraînement, espérant un dernier coup de boost pour les capacités de codage, mais le résultat fut « décevant ».

En quatre mots, cette euphorie de 48 heures s’est achevée.

Le cours de l’action Google a chuté suite à la nouvelle, enregistrant une baisse jusqu'à 4,43 %.

Tandis que les modèles de OpenAI et Meta accélèrent en matière de codage, les difficultés de Gemini 3.5 Pro provoquent une anxiété interne profonde chez Google.

Ingénieurs, chercheurs IA et dirigeants se sentent frustrés, craignant de perdre la « forteresse » déjà mince de Google.

Le « piège de Tacite » chez Google : pourquoi la puissance du groupe ne suffit-elle pas à créer l’IA la plus puissante ?

Pourquoi la bombe tant attendue s’est-elle éteinte ?

Ce reportage révèle les lourds problèmes internes de Google. Un empire géant en pleine transition d’époque.

• L’innovation ralentie par la bureaucratie

Un détail crucial : la structure interne de Google est complexe, avec de nombreux parties prenantes.

Pour lancer un modèle, il faut prendre en compte les besoins d’immenses produits comme la recherche, Maps, YouTube, etc.

Ce mode de décision « tout faire en même temps » disperse les ressources et ralentit la prise de décision.

Un ancien employé compare : « Faire avancer tous les dirigeants dans une même direction, c’est comme essayer de faire bouillir l’océan. »

Résultat : instructions changeantes, duplication des efforts entre les départements, peu de cohésion.

OpenAI et Anthropic avancent à la vitesse de start-up, pendant que le « paquebot » Google piétine sur la coordination interne.

Un internaute résume : « Google doit réduire sa bureaucratie pour progresser dans ce domaine. »

• Waterloo du codage IA : obsession de pureté technique et soif de puissance de calcul

Pourquoi justement les capacités de codage échouent-elles ? Derrière cela se cache une contradiction profonde chez Google.

D’un côté, Google possède une culture d’ingénieur parmi les meilleures au monde, donnant naissance à une obsession de « pureté de sang ».

Beaucoup d’ingénieurs old school pensent que « tout code important doit être écrit manuellement ». Cette méfiance envers le code généré par IA limite l’utilisation de Gemini par les ingénieurs, de peur que du code propriétaire ne soit inclus dans les données d’entraînement.

Quand Google a finalement réalisé l’importance de l’IA pour le codage et a imposé l’utilisation du code généré par IA, un nouveau problème est survenu : le manque de puissance de calcul.

Le reportage explique que les ingénieurs, lorsqu’ils essaient d’utiliser les outils IA internes, sont souvent confrontés à des restrictions de capacité de calcul.

Ironie du sort : dans une entreprise dont les dépenses d’investissement cette année devraient atteindre 180 à 190 milliards de dollars, ses propres ingénieurs n’ont pas accès au GPU !

Les données de Wall Street montrent qu'au premier trimestre de cette année, les investissements de Google ont grimpé à 35,7 milliards de dollars, plus du double par rapport à la même période l'an dernier ; énormément d’argent investi dans l’achat de puces et la construction de data centers, mais le résultat ?

Face à ce chaos, Google tente de corriger le tir.

Le Chief AI Architect commence à unifier tous les outils IA de programmation sur la base de l’architecture Google Antigravity ; une équipe IA dédiée au codage a été créée chez DeepMind, mais il est trop tard.

• Rivalités internes et cercle vicieux de fuite des talents

Google n’ignore pas le problème. Il possède des laboratoires de recherche de haut niveau comme Google DeepMind, le département Google Cloud, l’équipe Android, et même plusieurs groupes internes dédiés à l’IA de codage.

Mais ce système de compétition interne conduit à du gaspillage.

Différentes équipes travaillent chacune de leur côté, avec des produits qui se recoupent et une stratégie instable. Pire encore, ce chaos et cette frustration poussent les meilleurs talents à partir.

Selon le reportage, de nombreux chercheurs, déçus par le retard de Google, ont rejoint Anthropic et OpenAI.

On obtient un cercle vicieux : bureaucratie → inefficacité → retard des produits → fuite des talents → retard technique accentué.

Le report de Gemini 3.5 Pro en est une conséquence inévitable.

L’ensemble du secteur alerte : les géants plongent collectivement dans le « piège de la déception du nouveau modèle géant »

Ethan Mollick de la Wharton School, en partageant le reportage, formule une observation troublante —

Ce n’est pas seulement le drame de Google, c’est tout Silicon Valley qui subit un « hiver technologique cyclique ».

Mollick souligne que l’échec de Google reproduit parfaitement la souffrance de Meta Llama 4 et xAI Grok 4.

Il nomme ce phénomène le « piège de la déception du modèle géant de nouvelle génération ».

D’énormes investissements en capital et en puissance de calcul pour entraîner de nouveaux modèles, mais les gains de performance réels restent bien en deçà des attentes, ce qui entraîne un net recul du leadership sur le marché.

Autrefois, le secteur croyait au Scaling Law. Mais à mesure que les modèles franchissent une certaine taille, la « brutalité » du calcul et des données ne fait plus ses preuves.

Bottleneck des données : les textes humains de haute qualité sont presque « épuisés », l’efficacité des données synthétiques reste à démontrer.

Bottleneck algorithmique : l’architecture Transformer et ses variantes pourraient toucher leurs limites de performance. Rendement décroissant : pour de faibles gains de performance, il faut des ressources de calcul exponentiellement plus grandes.

Dans ce jeu des géants, seul OpenAI avec Orion/GPT-4.5 semble pour l’instant éviter ce piège, sans réel effondrement majeur.

Il est certain que, alors que la taille des modèles approche des limites physiques et d’ingénierie, l’itération des modèles de pointe devient de plus en plus difficile.

Ce report de Gemini 3.5 Pro rappelle à tous —

Nous sommes dans une phase de plateau. L’époque du progrès « un jour pour l’IA, une année pour les humains » touche à sa fin.

Pour l’ensemble du secteur, ce n'est peut-être une bonne chose. Quand le vacarme s’estompe, les gens peuvent enfin réfléchir sur la valeur réelle de l’IA.

Quant à Google, le temps et la patience du marché ne sont peut-être plus très abondants.