Google : disparu du top 15 des modèles IA, radiographie d’un décrochage

Ce qu’il faut retenir :

• Aucun modèle Google ne figure dans le top 15 du classement composite LLM Stats, dominé par OpenAI, Anthropic et Moonshot AI.
• Gemini 3.5 Pro a manqué trois fois sa date de sortie, plombé par ses performances en code, selon la presse américaine.
• Les modèles open source chinois captent désormais 30 à 46 % du trafic API des entreprises sur les plateformes américaines.

L’entreprise qui a inventé le Transformer, l’architecture à la base de toute l’IA générative moderne, ne place plus un seul modèle dans le haut des classements. Google a disparu du top 15 du leaderboard LLM Stats, qui agrège raisonnement, code, performance agentique, vitesse et prix en un score unique. Son meilleur représentant, Gemini 3.1 Pro, un modèle de fin 2025, pointe entre la 16e et la 20e place selon les jours. Pour le géant de Mountain View, propriétaire de DeepMind et de la plus grande infrastructure de calcul IA au monde, le symbole est rude.

Que dit le classement des modèles IA en juillet 2026 ?

Le sommet de la hiérarchie se partage entre trois acteurs. GPT-5.6 Sol d’OpenAI occupe la première place avec un score de 57,9, devant Claude Mythos Preview (56,9) et Claude Fable 5 (56,7) d’Anthropic. Juste derrière, le chinois Kimi K3 de Moonshot AI, dont nous détaillions le lancement la semaine dernière, s’installe au quatrième rang avec 55,6, devant Claude Opus 4.8 (7e) et GPT-5.5 (10e). Le premier modèle entièrement open source, GLM-5.2 de Zhipu AI, pointe au 11e rang avec 47,6.

Google, lui, brille par son absence. Le modèle censé porter sa riposte en 2026, Gemini 3.5 Pro, a manqué trois fois sa propre date de sortie.

Pourquoi Gemini 3.5 Pro n’arrive-t-il pas à sortir ?

Deux enquêtes publiées cette semaine par le LA Times et Bloomberg dessinent un diagnostic sévère. D’après plusieurs employés actuels et anciens cités par le LA Times, le blocage principal tient aux performances en code : les benchmarks internes de Google plaçaient Gemini 3.5 Pro en retrait sur les tâches d’ingénierie logicielle, et la direction a préféré retirer le modèle pour une refonte complète plutôt que de livrer un produit inférieur à son prédécesseur sur une catégorie commerciale critique.

La presse américaine décrit surtout des maux structurels. Google Cloud, DeepMind et l’équipe Android développent chacun des outils de code IA concurrents, sans propriétaire clair de la stratégie. Une partie des ingénieurs seniors s’opposerait par principe au code généré par IA, au nom de standards maison qui voudraient que tout code important reste écrit par des humains. Et même les volontaires butent sur des contraintes de calcul, la compétition interne pour les ressources TPU faisant office de goulot d’étranglement. Le talent ne manque pas, l’organisation coince : la consolidation des outils de code IA internes aurait d’ailleurs été confiée à Kavukcuoglu, signe d’un début de reprise en main selon le LA Times.

Un pivot vers l’IA embarquée, vraie stratégie ou repli ?

Une théorie circule chez les développeurs : Google délaisserait volontairement la course aux modèles de pointe pour se concentrer sur l’IA embarquée et l’intégration produit, fort de sa domination sur la recherche, Android, Chrome et YouTube. Des éléments l’accréditent, comme la gamme de modèles locaux Gemma, dont le récent Gemma 4 12B a séduit la communauté de l’IA locale, ou les investissements rapportés dans les modèles de monde et la génération multimodale.

L’argument a ses limites. Apple poursuit la même stratégie avec une intégration matériel-logiciel plus étroite et sans équipes internes qui se court-circuitent, comme le rappellent ses discussions avec PrismML sur la compression extrême de modèles. Et pendant ce temps, les modèles grand public de Google reculent en relatif : les utilisateurs redirigent leurs requêtes complexes vers Claude ou ChatGPT, ce qui grignote l’écosystème que le pivot est censé protéger.

L’open source chinois rafle la mise

Le sous-texte le plus lourd de conséquences se joue ailleurs. GLM-5.2, publié sous licence MIT à 1,18 dollar par million de tokens, s’est hissé au 11e rang mondial, et la série V4 de DeepSeek domine les benchmarks de code LiveCodeBench. Surtout, les modèles open source chinois traitent désormais 30 à 46 % du trafic de tokens API des entreprises sur les plateformes américaines, contre 4,5 % début 2025, une multiplication par dix de la part de marché en 18 mois.

Pour les architectes d’entreprise, l’auteur de l’analyse en tire une conclusion brutale : les meilleures options ouvertes ne viennent plus de Google, et attendre Gemini 3.5 Pro n’est plus une stratégie. La menace remonte jusqu’au cloud : l’avantage historique de Google repose sur ses TPU propriétaires et ses données, mais si ces atouts ne produisent plus de modèles compétitifs, la prime tarifaire de Google Cloud devient difficile à justifier face à des modèles ouverts qui tournent partout.

Ce qu’il faut surveiller

Trois scénarios se dessinent pour Google : réparer l’organisation en fusionnant les équipes rivales, assumer un rôle de plateforme d’inférence en capitalisant sur des TPU moins chers que les GPU de Nvidia, ou s’installer dans un entre-deux qui l’effacerait peu à peu de la conversation. Les prochains jalons trancheront : une éventuelle sortie de Gemini 3.5 Pro, évoquée pour août, l’avancée de la consolidation interne des outils de code, et la trajectoire de la part de marché des modèles chinois. Les résultats trimestriels d’Alphabet, attendus cette semaine, offriront à la direction une première occasion de répondre publiquement à ce constat.