Google a lancé le 18 novembre Gemini 4 Neon, un modèle qui se place entre Gemini 4 Carbon (réservé aux travaux longs et complexes) et Gemini 4 Hydrogen, pensé pour l’exécution rapide du quotidien. La sortie intervient une semaine après celles de Carbon et d’Hydrogen : Google met les bouchées doubles sur sa famille Gemini 4 (dont les noms font visiblement réviser le tableau périodique à son service marketing).
Derrière l’annonce technique se pose une question simple pour une équipe marketing : à quoi peut servir ce modèle intermédiaire quand le choix entre les modèles de Google est déjà touffu ? Je donne mon avis plus bas, après les faits tels que Google et les premiers évaluateurs indépendants les présentent.
Dans cet article...
Ce que Google met sur la table
Selon le billet de lancement publié par Google, Gemini 4 Neon est facturé 3 dollars par million de tokens en entrée, 0,15 dollar pour les tokens d’entrée mis en cache et 15 dollars par million de tokens en sortie. Sa fenêtre de contexte atteint un million de tokens. Le modèle lit des tableurs, des PDF, des graphiques, de l’audio et de la vidéo dans une même requête. Il répond uniquement sous forme de texte.
CHIFFRES CLÉS
Gemini 4 Neon en chiffres
Tarifs et scores publiés par Google le 18 novembre 2026. Les classements sont ceux de tiers cités par l'éditeur.
3 $
Prix par million de tokens en entrée, 15 dollars en sortie
Source : Google, 2026
1 million
Tokens de contexte dans une seule requête
Source : Google, 2026
61
Score sur l'Artificial Analysis Intelligence Index au niveau de réflexion le plus élevé, troisième rang
Source : Google, 2026
70,9%
Score sur le Vals Index, deuxième rang selon Vals
Source : Vals AI, 2026
Le modèle est disponible dans l’API Gemini payante via Google AI Studio et Android Studio, dans Gemini pour les entreprises, dans l’environnement de développement Google Antigravity pour les abonnés payants et dans l’application Gemini pour les abonnés Google AI Pro et Ultra. D’après 9to5Google, le sélecteur de modèles de l’application se résume désormais à quatre entrées : Auto, Hydrogen pour l’aide du quotidien, Neon pour l’analyse approfondie et Carbon pour le code et les travaux complexes. Neon y remplace Argon. Comme Hydrogen, il propose quatre niveaux de réflexion, du plus léger au plus poussé.
Des scores à lire avec un peu de recul
Google aligne une longue liste de bancs d’essai : premier rang sur l’Artificial Analysis Coding Agent Index avec 58,6, premier rang sur AutomationBench de Zapier, deuxième rang sur l’Agent Arena Index. La plupart de ces classements proviennent d’organismes tiers. L’éditeur décide lui-même lesquels mettre en avant. Le point le plus utile vient de Vals AI, qui indique de son côté que Neon arrive à 0,4 point de Claude Fable 5.2 sur son index, pour moins de la moitié du coût par tâche.
L’éditeur affirme aussi avoir mesuré le plus faible taux de fabrication d’informations de la famille Gemini 4 lors de tests internes dans Antigravity. L’information intéresse quiconque produit des contenus. Elle provient de tests internes, non vérifiés à ce stade. Elle ne dispense pas d’une relecture humaine des chiffres et des noms propres avant publication, comme pour tout modèle.
Côté prix, la comparaison mérite d’être posée. OpenAI facture depuis le 17 novembre GPT-6.2 Astra 8 dollars en entrée et 40 dollars en sortie par million de tokens. GPT-6.2 Sol reste à 2 et 10 dollars, comme nous le détaillions dans notre article sur GPT-6.2 Astra et les documents marketing. Selon 9to5Google, Carbon et Argon passent de 2 et 10 dollars à 4 et 20 dollars après le 30 novembre, ce qui rendra Neon 25% moins cher que Carbon. Hydrogen coûte deux fois moins que Neon.
Où je placerais Neon dans une équipe marketing
Mon avis tient en une phrase : Neon m’intéresse pour les travaux d’analyse où l’on mélange des sources hétérogènes. Google le présente lui-même comme un modèle qui transforme des tableurs, des PDF et des graphiques en livrables structurés. C’est exactement le quotidien d’un responsable marketing en fin de mois : un export de campagne, un rapport d’agence en PDF, des verbatims clients dans un tableur et quelques captures de tableau de bord.
Trois usages me paraissent cohérents avec ce positionnement. D’abord, la synthèse mensuelle multi-sources, quand il faut croiser des chiffres de plusieurs outils pour produire une note lisible par la direction. Vient ensuite l’analyse de retours clients en volume, avis, tickets ou réponses à un questionnaire ouvert, où la grande fenêtre de contexte évite de découper le corpus. Dernier usage, la préparation d’un brief à partir d’une pile de documents internes (on évite les briefs de deux lignes, s’il vous plaît).
Pour les tâches courtes et répétitives, reformuler un titre ou décliner un message en trois longueurs, Hydrogen suffit et coûte deux fois moins cher. Nous avions montré dans notre article sur les modèles open-weight pour les tâches répétitives qu’un modèle plus léger fait souvent l’affaire sur ce type de travail. Réserver Neon aux analyses limite la facture sans perdre en qualité là où elle compte.
Ce qui me retient encore
J’ai trois réserves avant de recommander Neon les yeux fermés. Les scores mis en avant restent ceux que Google a choisis. Aucun test ne porte encore sur des tâches marketing en français. La conservation des données mérite ensuite une vérification : Google a annoncé le 17 novembre qu’il garderait environ deux mois les conversations temporaires de l’application Gemini, comme nous l’expliquions dans notre article sur le nouveau réglage d’historique de Gemini. Pour des documents clients, passez par l’offre entreprise et ses engagements contractuels.
Dernière réserve, la multiplication des modèles fatigue les équipes. Hydrogen, Argon, Carbon, Neon chez Google, Astra et Sol chez OpenAI : sans règle interne, chacun choisit au hasard et personne ne mesure rien. Le témoignage de notre article J’ai 47 outils IA et je ne sais plus lequel m’a fait gagner du temps illustre bien ce risque.
Votre prochaine étape avec Gemini 4 Neon
Si vous testez Gemini 4 Neon, choisissez un seul cas d’usage d’analyse (le rapport mensuel par exemple) et comparez-le pendant un mois au modèle que vous utilisez déjà, sur trois critères : temps de relecture, erreurs factuelles relevées et coût par rapport produit. Fixez dès le départ la condition d’arrêt du test, comme nous le recommandions dans notre article sur la règle d’arrêt d’un pilote IA. Selon moi, c’est la seule façon de savoir si le modèle intermédiaire de Google mérite sa place dans vos outils.
Et vous, combien de modèles différents vos équipes utilisent-elles aujourd’hui ?
FAQ
Questions fréquentes sur Gemini 4 Neon
Dans l’API, 3 dollars par million de tokens en entrée, 0,15 dollar pour l’entrée en cache et 15 dollars par million de tokens en sortie, selon Google.
Oui, pour les abonnés Google AI Pro et Ultra, qui le sélectionnent dans le menu des modèles sous l’intitulé d’analyse approfondie.
Google réserve Carbon aux projets les plus longs et les plus difficiles et Hydrogen à l’exécution rapide du quotidien. Neon se place entre les deux, avec un prix intermédiaire.
Une partie provient d’organismes tiers comme Artificial Analysis ou Vals AI. Leur sélection relève de Google. Vals a publié son propre classement de son côté. Aucun test public ne porte encore sur des tâches marketing en français.
SOURCES
Sources et pour aller plus loin
Ces ressources ont été consultées le 20 novembre 2026.
- Google, Introducing Gemini 4 Neon
Tarifs, disponibilité, positionnement et bancs d'essai annoncés par l'éditeur.
- 9to5Google, Gemini 4 Neon launches
Sélecteur de modèles de l'application, niveaux de réflexion et évolution des tarifs de Carbon et Argon.
- TestingCatalog, Google launches Gemini 4 Neon
Réactions de Vals AI et d'Arena sur les classements.
- OpenRouter, fiche Gemini 4 Neon
Formats d'entrée et de sortie, longueur maximale de réponse et routage dans l'Union européenne.




