NOTICIAS IA: Gemini 3.5 no vale, ¿Google nos la ha colado?

NOTICIAS IA: Gemini 3.5 no vale, ¿Google nos la ha colado?

par Jon Hernández

Sciences formelles & physiques Économie & Finance KCVEconomie de secteurs spécifiquesKCVPEconomie de la connaissance
🎙 Jon Hernández 👥 725K 📅 25 mai 2026 ⏱ 40 min 👁 96K 📄 revue d'actualité 🧭 2026-08-03
Disponible en : Français (actuel) English

Mots-clés

Gemini 3.5 Flashconsommation tokenscoût réelbenchmarksefficacité

Résumé

Dans cette vidéo, Jon Hernández analyse l’actualité de l’IA, en se concentrant sur la sortie de Gemini 3.5 Flash de Google. Il explique que, malgré un prix par token attractif, le modèle consomme beaucoup plus de tokens que ses concurrents pour résoudre une même tâche, ce qui le rend en réalité plus cher et plus lent. Il illustre cela avec des graphiques comparant la consommation de tokens et le coût total par tâche. Il aborde ensuite d’autres sujets : OpenAI démontre un nouveau théorème mathématique, Anthropic présente son modèle Mythos, Karpathy rejoint Anthropic, SpaceX et Anthropic étendent leur accord, OpenAI propose de réserver de la capacité, DeepSeek baisse ses prix, le procès Musk contre OpenAI se termine, l’IA entre dans les prix littéraires, Xpeng produit des robotaxis, et METR publie un rapport sur les risques des agents IA. Il conclut que Google a peut-être trompé le public en ne révélant pas la consommation réelle de tokens, et que la tendance générale des modèles à être plus verbeux pourrait augmenter les coûts pour tous.

173 mots

Évaluation critique

La vidéo offre une analyse intéressante et chiffrée du coût réel de Gemini 3.5 Flash, un point souvent négligé dans les présentations marketing. L’auteur utilise des données de benchmarks et des graphiques pour étayer son argumentation, ce qui renforce la crédibilité de son propos. Cependant, on peut regretter un certain sensationnalisme dans le titre et le ton, qui pourrait exagérer la portée du problème. De plus, l’analyse se concentre principalement sur le coût et la vitesse, mais n’aborde pas en profondeur d’autres aspects comme la qualité des réponses ou les cas d’usage spécifiques où le modèle pourrait être pertinent. Les sources citées sont principalement des liens vers des benchmarks et des pages de prix, mais l’auteur ne fournit pas toujours de contexte précis sur leur provenance. La partie sur les autres actualités est traitée de manière plus superficielle, mais reste informative. L’adéquation entre le titre et le contenu est bonne, même si le titre est un peu racoleur. Dans l’ensemble, la vidéo est utile pour comprendre les enjeux économiques des modèles d’IA, mais elle gagnerait à être plus nuancée et à fournir des sources plus détaillées.

186 mots

Adéquation titre / contenu

Le titre est accrocheur et reflète bien le contenu principal : la remise en question de Gemini 3.5 Flash après analyse des coûts réels.

Qualité & fiabilité

7/10

L'auteur s'appuie sur des données chiffrées (prix, tokens) et des benchmarks, mais son analyse est partielle et orientée. Il ne fournit pas de sources primaires détaillées pour toutes les affirmations, et son ton est parfois exagéré. La fiabilité est correcte mais perfectible.

Chapitres

Sources citées

  • Gemini API pricing — Prix officiels de Gemini 3.5 Flash
  • Benchmarks IA — Benchmarks comparatifs de modèles
  • Gemini coste — Tweet montrant le coût en tokens de Gemini 3.5 Flash
  • METR Frontier Risk Report — Rapport sur les risques des agents IA
  • OpenAI model disproves discrete geometry conjecture — Annonce d'OpenAI sur la résolution d'un problème mathématique
  • Anthropic Glasswing initial update — Mise à jour sur le modèle Mythos d'Anthropic
  • OpenAI guaranteed capacity — Annonce d'OpenAI sur la réservation de capacité
  • BBC article on AI and literary prize — Article sur l'IA dans les prix littéraires
  • The Serpent in the Grove — Article de Granta sur l'IA et la littérature
  • Google Gemini support page — Page d'aide sur les limites de Gemini

Sources concordantes

Sources discordantes

  • Google AI blog — Google présente Gemini 3.5 Flash comme un modèle performant et économique, sans mentionner la consommation de tokens élevée.

Références externes

Apport & nouveautés

La vidéo apporte un éclairage original sur le coût réel d’utilisation de Gemini 3.5 Flash, en mettant en évidence la consommation de tokens comme facteur clé souvent négligé. Elle propose une analyse comparative avec d’autres modèles, ce qui permet de relativiser les annonces marketing. L’auteur soulève également une tendance inquiétante : l’augmentation de la verbosité des modèles pourrait entraîner une hausse des coûts pour les utilisateurs.

Pour aller plus loin :

  • Token efficiency in LLMs — Article académique sur l’efficacité des tokens dans les modèles de langage.
  • Artificial Analysis — Plateforme de benchmarks indépendante pour comparer les modèles.
  • METR — Organisation de recherche sur les risques des systèmes d’IA avancés.

110 mots

Profil radar

Le profil radar montre une bonne quantité d'informations et une qualité correcte, mais un niveau technique moyen et une fiabilité perfectible. Cela reflète une vidéo d'actualité qui fournit des données chiffrées mais manque de profondeur scientifique.

Fiabilité 7/10

💬 Très positif : les commentaires sont majoritairement enthousiastes, notamment sur la qualité de l'avatar numérique utilisé dans la vidéo, avec quelques remarques sur les imperfections techniques. Le public apprécie également le contenu et l'honnêteté de l'auteur.