# Google lance Gemini 4 Argon pour piloter des robots et les simuler

> Le nouveau modèle Gemini 4 Argon aide les robots à apprendre à partir de vidéos, à créer des scènes simulées et à améliorer leurs stratégies de contrôle. Il est accessible aux abonnés Google AI Ultra et via l’API Gemini.

Oossa · 2026-11-09 · https://oossa.com/fr/google-launches-gemini-4-argon-for-robot-control-and-simulation-3782066

Google a présenté Gemini 4 Argon, un modèle conçu pour les tâches de raisonnement physique en robotique. Il peut guider un robot Spot de Boston Dynamics dans un exercice avec pédales après s’être entraîné sur son jumeau simulé dans MuJoCo. Il peut aussi piloter un bras robotique simple à l’aide de coordonnées visuelles et de commandes de mouvement HTTP. Enfin, il fonctionne avec le modèle vidéo du monde de Gemini Omni pour boucler la chaîne perception-action.

Argon peut recréer des scènes simulées dans MuJoCo à partir de vidéos de téléopération — un processus que Google appelle Real2Sim — et annoter des vidéos de démonstration pour l’apprentissage par imitation. Selon Google, le modèle peut générer des séquences MuJoCo avec randomisation du domaine à partir d’une seule photo RGB, puis les utiliser pour affiner une stratégie vision-langage-action. Le taux de réussite du robot réel passe alors de 56 % à 75 %.

## Performances et accès

Google indique qu’Argon a obtenu une précision de 87 % au benchmark Embodied Reasoning Question Answering (ERQA), en raisonnant seul, sans outils externes. L’entreprise affirme que ce résultat le place devant les autres modèles de pointe sur ce test. Argon est proposé aux abonnés Google AI Ultra et accessible via l’API Gemini payante sous l’identifiant de modèle gemini-4-argon.

Les démonstrations robotiques reposent sur de longs prompts adaptés à chaque tâche, qui comprennent des grilles de coordonnées, des primitives de mouvement et des étapes de vérification. Google n’a pas publié de taux d’échec détaillés pour chaque démonstration et ne mentionne qu’un seul cas faisant appel au modèle vidéo du monde.

## Premières réactions

Des spécialistes soulignent que la fidélité des simulations est déterminante. Sur X, Davin YC Dong a averti qu’une scène peut sembler réaliste alors que les interactions physiques y sont erronées, un point crucial pour les tâches de manipulation. Un autre développeur, pulpmatrix, a insisté sur la nécessité de documenter clairement les sources à l’appui des affirmations concernant les chaînes « Video-to-Sim-to-Real », notant que la version actuelle ne comprend ni article scientifique, ni dépôt de code, ni statistiques de réussite pour l’exemple de cornhole.

Des systèmes spécialisés comme OpenVLA, la famille π de Physical Intelligence et GR00T de NVIDIA se concentrent sur la prédiction des actions pour des configurations robotiques précises et s’appuient généralement sur de vastes jeux de données de téléopération. L’approche de Google regroupe perception, simulation et contrôle dans un seul modèle, piloté par des prompts détaillés. Reste à savoir s’il peut remplacer une chaîne composée de plusieurs services.

## Les faits

- Google a lancé Gemini 4 Argon le 2026-11-09.
- Le modèle a obtenu 87 % au benchmark Embodied Reasoning Question Answering.
- Après un affinement à partir de séquences MuJoCo synthétisées, le taux de réussite sur une tâche réalisée par un robot réel est passé de 56 % à 75 %.
- Argon est accessible aux abonnés Google AI Ultra et via l’API Gemini (identifiant de modèle : gemini-4-argon).
- Le modèle peut recréer des scènes MuJoCo à partir de vidéos de téléopération (Real2Sim) et annoter des vidéos de robots pour l’apprentissage par imitation.

## Pourquoi c'est important

Pour les développeurs en robotique, Argon propose un modèle unique capable de transformer des vidéos en environnements d’entraînement simulés et d’améliorer les stratégies de contrôle des robots. Il pourrait ainsi réduire le coût de création de chaînes distinctes pour la perception, la simulation et le contrôle. Toutefois, faute de données détaillées sur les échecs et de ressources open source, les utilisateurs devront vérifier ses performances sur leur propre matériel avant de lui confier des tâches critiques.

## Sources et références

1. [Google Releases Gemini 4 Argon for Robotics Control, Simulation, and Policy Improvement](https://www.infoq.com/news/2026/11/google-gemini-argon/?utm_campaign=infoq_content&utm_source=infoq&utm_medium=feed&utm_term=AI%2C+ML+%26+Data+Engineering) – InfoQ, 2026-11-09

Dernière mise à jour: 2026-11-09