Gemini 3 est un modèle de langage multimodal de grande taille développé par Google DeepMind, publié en novembre 2025 en tant que successeur de Gemini 2.0. La publication s'est concentrée sur des capacités considérablement améliorées d'utilisation d'outils et d'appel de fonctions, permettant au modèle d'interagir avec des systèmes logiciels externes, des API et des bases de données de manière plus fiable que les versions précédentes. Gemini 3 a été positionné comme une étape majeure vers l'intelligence artificielle agentique, où les modèles peuvent exécuter de manière autonome des tâches multi-étapes dans des environnements numériques.
La famille de modèles a conservé la convention de dénomination établie avec les versions précédentes de Gemini, y compris des variantes optimisées pour différents cas d'utilisation. Google DeepMind a souligné que les améliorations de Gemini 3 en matière d'orchestration d'outils étaient conçues pour combler l'écart entre l'IA conversationnelle et l'automatisation pratique, permettant des applications dans le développement logiciel, l'analyse de données et les flux de travail d'entreprise.
Contexte de développement
Le développement de Gemini 3 s'est appuyé sur le travail fondateur des modèles Gemini originaux, annoncés le 6 décembre 2023, en tant que successeurs de LaMDA et PaLM 2. La version initiale Gemini 1.0 a introduit trois niveaux - Ultra, Pro et Nano - avec Gemini Pro alimentant le chatbot Bard et Gemini Nano fonctionnant sur l'appareil dans le smartphone Pixel 8 Pro. L'architecture a été développée grâce à la fusion de Google Brain et DeepMind, consolidés sous le nom de Google DeepMind en avril 2023.
Des mises à jour ultérieures ont établi la trajectoire vers Gemini 3. En février 2024, Gemini 1.5 a introduit une approche de mélange d'experts et une fenêtre de contexte d'un million de jetons, une expansion significative par rapport au modèle original. Gemini 2.0 Flash Experimental est arrivé le 11 décembre 2024, ajoutant une API multimodale en direct pour les interactions audio et vidéo en temps réel, la génération d'images native et la recherche Google intégrée. Ces fonctionnalités ont jeté les bases des capacités d'utilisation d'outils plus sophistiquées qui sont devenues le point central de Gemini 3.
Pendant la période de développement, Google DeepMind a exploré comment Gemini pourrait être combiné avec la robotique pour interagir physiquement avec le monde, comme l'a révélé le PDG Demis Hassabis. Cette direction de recherche a informé la philosophie de conception agentique derrière le cadre d'appel de fonctions de Gemini 3.
Architecture d'utilisation d'outils
Gemini 3 a introduit une architecture d'utilisation d'outils redessinée permettant au modèle de gérer plusieurs appels de fonctions simultanés avec une précision améliorée et une récupération d'erreurs. Le système utilisait une approche structurée pour analyser l'intention de l'utilisateur, sélectionner les outils appropriés et formater les sorties dans des formats lisibles par machine tels que JSON. Cela représentait une rupture avec les modèles précédents qui avaient souvent du mal avec les séquences d'outils multi-étapes.
L'appel de fonctions amélioré prenait en charge à la fois des modèles d'exécution synchrones et asynchrones, permettant aux développeurs d'intégrer Gemini 3 dans des systèmes backend complexes. Le modèle pouvait gérer des appels d'outils imbriqués, où la sortie d'une fonction servait d'entrée à une autre, sans perdre le contexte. Google DeepMind a rapporté que Gemini 3 réduisait les erreurs de sélection d'outils d'une marge substantielle par rapport à Gemini 2.0, bien que les chiffres spécifiques des benchmarks n'aient pas été entièrement divulgués au lancement.
Une caractéristique notable était la capacité du modèle à générer et exécuter des extraits de code dans un environnement sandbox, lui permettant de tester ses propres sorties avant de les présenter aux utilisateurs. Cette boucle d'auto-vérification améliorait la fiabilité dans les tâches de programmation et les flux de traitement de données.
Capacités d'appel de fonctions
Les capacités d'appel de fonctions de Gemini 3 s'étendaient au-delà des simples invocations d'API pour inclure la découverte dynamique de schémas, où le modèle pouvait interroger les points de terminaison disponibles et adapter ses appels en conséquence. Cela était particulièrement utile pour les déploiements d'entreprise où les API internes changeaient fréquemment. Le modèle prenait en charge les appels de fonctions parallèles, lui permettant de récupérer des données de plusieurs sources simultanément et de synthétiser les résultats.
Pour les développeurs, Google a fourni des SDK et une documentation mis à jour qui simplifiaient le processus de définition d'outils personnalisés. Le modèle pouvait gérer des paramètres typés, des arguments optionnels et des structures de retour complexes. La gestion des erreurs a été améliorée grâce à un mécanisme de nouvelle tentative permettant à Gemini 3 de corriger les appels mal formés sans intervention de l'utilisateur.
Le cadre d'utilisation d'outils était conçu pour fonctionner avec les services Google Cloud et les plateformes tierces. L'intégration avec Google Cloud permettait un accès transparent au stockage, aux bases de données et aux services d'apprentissage automatique, tandis que le support de Amazon Web Services et Microsoft Azure permettait des déploiements multi-cloud. Cette interopérabilité était un argument de vente clé pour les entreprises ayant des stratégies multi-cloud.
Intégration de l'IA agentique
Gemini 3 représentait une avancée significative dans l'IA agentique, allant au-delà de la simple réponse aux questions pour l'exécution autonome de tâches. Le modèle pouvait maintenir un état persistant à travers plusieurs interactions, lui permettant de suivre la progression des projets à long terme. Cela a été réalisé grâce à une combinaison d'une gestion de mémoire améliorée et de mécanismes explicites de suivi d'état.
En termes pratiques, Gemini 3 pouvait être déployé comme un assistant virtuel qui planifiait des réunions, gérait la correspondance par courriel et mettait à jour les systèmes de gestion de la relation client sans supervision humaine. Pour le développement logiciel, il pouvait créer des demandes de tirage, exécuter des tests et corriger des bogues en fonction d'instructions en langage naturel. Ces capacités positionnaient Gemini 3 comme un concurrent direct des fonctionnalités agentiques similaires développées par OpenAI et Anthropic.
Google DeepMind a mis l'accent sur la sécurité dans les déploiements agentiques, mettant en œuvre des garde-fous exigeant l'approbation humaine pour les actions à fort impact telles que les transactions financières ou la suppression de données. Le modèle incluait également une journalisation d'audit pour suivre toutes les invocations d'outils, fournissant une transparence à des fins de conformité.
Performance et benchmarks
Au lancement, Google DeepMind a publié des résultats de benchmark montrant que Gemini 3 surpassait son prédécesseur sur plusieurs évaluations standard. Le modèle a démontré une force particulière dans les benchmarks d'utilisation d'outils, y compris les ensembles de données ToolBench et API-Bank, où il a atteint des résultats de pointe. Sur le test Massive Multitask Language Understanding (MMLU), Gemini 3 a poursuivi la tendance établie par Gemini Ultra, qui avait été le premier modèle à dépasser la performance experte humaine avec un score de 90%.
Des évaluations indépendantes d'institutions académiques telles que Stanford AI Lab et BAIR (Berkeley AI Research) ont confirmé la fiabilité améliorée du modèle dans les tâches de raisonnement multi-étapes. Cependant, certains chercheurs ont noté que Gemini 3 avait encore des difficultés avec les spécifications d'outils ambiguës et nécessitait des invites soigneusement élaborées pour des performances optimales. La performance du modèle sur les flux de travail d'entreprise réels a été rapportée comme étant solide, bien que les sessions agentiques de longue durée aient occasionnellement nécessité une intervention humaine.
Accès entreprise et développeur
Gemini 3 a été rendu disponible via plusieurs canaux, y compris l'API Gemini, Google Cloud Vertex AI et AI Studio. Google a proposé une tarification par niveaux basée sur l'utilisation, avec un niveau gratuit pour l'expérimentation et des plans payants pour les charges de travail de production. Le modèle était accessible dans plus de 100 pays, avec un support pour plusieurs langues, bien que l'anglais reste le plus entièrement optimisé.
Pour les clients d'entreprise, Google a introduit des packages de support spécialisés comprenant une infrastructure dédiée, un accès prioritaire aux nouvelles fonctionnalités et des services de conseil pour l'intégration d'outils. La société a également collaboré avec Samsung Electronics pour optimiser Gemini 3 pour le déploiement sur appareil dans les futurs appareils Galaxy, s'appuyant sur l'intégration antérieure de Gemini Nano dans la gamme Galaxy S24.
Les développeurs pouvaient accéder à Gemini 3 via des API REST, des SDK Python et JavaScript, et une interface en ligne de commande. Le CLI Gemini open source, introduit en juin 2025, a été mis à jour pour prendre en charge l'utilisation d'outils améliorée de Gemini 3, permettant aux développeurs d'automatiser les flux de travail basés sur le terminal avec des commandes en langage naturel.
Comparaisons avec les concurrents
Gemini 3 est entré dans un paysage concurrentiel dominé par GPT-4 et GPT-4o de OpenAI, Claude 3 et Claude 4 de Anthropic, et des alternatives open source de Meta et d'autres organisations. Google a positionné Gemini 3 comme ayant une fiabilité d'utilisation d'outils supérieure par rapport à ces rivaux, citant des évaluations internes montrant moins d'erreurs dans les scénarios d'appel de fonctions multi-étapes.
Des comparaisons indépendantes par des chercheurs tiers ont constaté que Gemini 3 était compétitif avec GPT-4o sur les tâches de connaissances générales et supérieur sur certains benchmarks de codage. L'intégration du modèle avec Google Search offrait un avantage dans les tâches nécessitant des informations à jour, similaire à l'approche utilisée dans Gemini 2.0. Cependant, certains critiques ont noté que les modèles Claude d'Anthropic offraient de meilleures performances sur les tâches de raisonnement à long contexte, un domaine où Gemini 3 ne montrait que des améliorations modestes.
La publication de Gemini 3 a également eu des implications pour l'écosystème matériel de l'IA au sens large. Le modèle a été entraîné sur les unités de traitement tensoriel (TPU) de Google, et Google a continué à investir dans des puces personnalisées pour réduire la dépendance aux GPU NVIDIA. Cette stratégie s'aligne avec des efforts similaires de Amazon Web Services avec ses puces Trainium et Microsoft Azure avec des accélérateurs personnalisés.
Orientations futures
Suite au lancement de novembre 2025, Google DeepMind a indiqué que Gemini 3 recevrait des mises à jour régulières, avec un accent sur l'expansion de l'utilisation d'outils à plus de domaines et l'amélioration de la collaboration multi-agents. La société a également exploré l'intégration de Gemini 3 avec les systèmes de conduite autonome de Waymo et d'autres applications robotiques, s'appuyant sur des recherches antérieures sur la combinaison de modèles linguistiques avec l'interaction physique avec le monde.
Google a annoncé des plans pour rendre Gemini 3 disponible dans plus de langues et pour réduire la latence pour les applications en temps réel. La société s'est également engagée à des tests de sécurité continus, conformément aux pratiques antérieures de partage des résultats avec les agences gouvernementales aux États-Unis et au Royaume-Uni. À la date de lance, Gemini 3 était disponible en anglais, avec un support linguistique supplémentaire attendu dans les versions ultérieures.