Gemini 3 se distingue également par ses capacités agentiques qui dépassent le simple agent conversationnel. Le modèle peut exécuter de façon autonome des tâches longues et utiliser des fonctions externes (API, recherche Google, exécution de code) de manière efficace. Parmi ces capacités figure le «vibe coding» : grâce à des outils comme Antigravity, l’utilisateur peut créer des applications web interactives complètes simplement en décrivant son intention en langage naturel, déléguant l’écriture technique à l’IA.
Après les navigateurs Comet de Perplexity et Atlas d’OpenAI, Google lance Disco, basé sur Chromium et conçu pour transformer la navigation classique en une expérience dynamique et interactive. L’innovation majeure repose sur GenTabs, un outil qui analyse le contexte des onglets ouverts et des échanges avec l’IA pour générer automatiquement des applications web personnalisées, sans programmation. Bien qu’encore expérimental et disponible via liste d’attente, Disco soulève déjà des interrogations sur les risques de biais, d’influence et de captation de données personnelles.
Enfin, le générateur d’images Nano Banana Pro est accessible dans la version gratuite de Gemini3, mais avec des restrictions par rapport aux versions payantes. Outre une résolution accrue, la nouveauté majeure réside dans le flux d’édition itératif : l’utilisateur modifie désormais des détails ciblés par simple dialogue sans avoir à régénérer l’ensemble de l’image.
Un exemple de recherche à la loupe
La version gratuite de Gemini 3 autorise 2 à 5 prompts par jour en mode « raisonnement », et 5 rapports « deep research » par mois.
Voyons un exemple combinant ces deux modes, à partir du prompt suivant :
« Comporte-toi comme un veilleur et génère une cartographie d’acteurs autour du report de l’interdiction de vente de voitures thermiques en 2035 : mets en évidence les jeux d’influence et les arguments des différentes parties prenantes »
Le modèle propose un plan de recherche (fonctionnalité déjà présente dans les versions précédentes), et met en œuvre son raisonnement, en détaillant les étapes : la copie d’écran ci-dessous montre la capacité à confronter des points de vue divergents, en suivant des objectifs précis. Dans le processus de recherche, le modèle met en œuvre la technique de « query fan out » que l’on pourrait traduire par « déploiement en éventail de requêtes ». Il s’agit en effet de multi-recherches parallèles : pour une seule question, Gemini 3 peut lancer simultanément des dizaines de recherches Google afin de croiser les sources et vérifier les faits.
Le rapport est créé en quelques minutes, sous forme textuelle. Il est possible, à partir du bouton « Créer », de générer des livrables sous plusieurs formes : pages web, infographie, résumé audio… à l’instar des fonctionnalités proposées dans le « studio » de Google Notebook LM (cf. l’article d’Ulisse RAJIM : « NotebookLM : Un assistant pour la veille augmentéeNotebookLM : Un assistant pour la veille augmentée » - Netsources, N° 172, octobre 2024.
Les sources utilisées restant des pages web « de surface » trouvées par le moteur Google. Il est possible de donner également accès à Gemini à des documents personnels, via Google Drive ou la solution de prise de notes Google Keep, via un paramétrage dans le modèle.
Examinons à présent l’intégration de Gemini 3 dans l’écosystème Google.
De l’assistant conversationnel à la brique intégrée
Au-delà des avancées techniques qui viennent d’être détaillées, l’inflexion stratégique majeure de Gemini 3 réside dans son positionnement : l’IA devient une infrastructure cognitive, c’est-à-dire un dispositif qui structure en permanence l’accès à l’information, sa hiérarchisation et sa mise en forme. Contrairement aux générations précédentes où l’IA était mobilisée à la demande, Gemini 3 s’insère dans toutes les étapes d’un processus de recherche et de veille : phase préparatoire (recherche et sélection des sources), traitement documentaire (analyse, synthèse, reformulation) et génération d’un livrable (présentation, diffusion, réutilisation).
Cette transformation s’appuie sur un atout central de Google : son écosystème. Gemini 3 est pensé pour fonctionner en continuité avec les différentes composantes de cet écosystème ; le moteur Google, l’espace de travail Workspace, le Cloud et les environnements mobiles Android. Notons toutefois qu’à l’heure où nous écrivons ces lignes, la fonctionnalité Google AI Overviews (c’est-à-dire une synthèse de résultats obtenus par le moteur) est toujours indisponible en France métropolitaine, pour des raisons juridiques liées à la loi sur les droits voisins.
Gemini 3 s’inscrit ainsi dans la continuité de la famille Gemini, mais avec une inflexion claire : le modèle n’est plus seulement conçu comme un assistant conversationnel performant, mais comme une brique centrale intégrée à l’ensemble des produits et services Google. Cette intégration présente l’avantage d’un gain de fluidité pour les utilisateurs. L’inconvénient réside bien sûr dans dépendance accrue à un environnement propriétaire.
Pour les professionnels de la veille, ce changement est déterminant : le modèle ne se contente plus de répondre à des requêtes, il oriente le cadre d’analyse et de diffusion. Le rôle du veilleur pourrait ainsi se déplacer vers une supervision active de processus cognitifs automatisés.
Au-delà du duel Google-OpenAI : un marché qui se segmente
Face à cette grande offensive de Google, la riposte d’OpenAI ne s’est pas fait attendre. Début décembre, Sam Altman déclarait une alerte « code red » au sein de son entreprise.
OpenAI a ainsi accéléré le déploiement de la nouvelle version GPT 5.2, avec un discours axé sur la qualité du raisonnement, la fiabilité sur les tâches longues et l’outillage pour les usages professionnels (API, agents, automatisation). La logique est claire : ne pas laisser Google imposer seul le récit de la maturité de l’IA. Avec à la clé des dommages collatéraux comme la suspension de certaines initiatives considérées moins prioritaires, comme les agents d’achat et l’assistant Pulse, qui devait produire chaque matin un briefing personnalisé. Le projet d’intégrations de publicités dans GPT, visant à monétiser le chatbot auprès de millions d’utilisateurs a été également mis en pause.
Au-delà de cette pluie d’annonces, la confrontation entre les deux géants met en lumière deux philosophies stratégiques distinctes. Google privilégie l’intégration verticale : modèle + produits + données + distribution. OpenAI, qui ne dispose pas du même écosystème, mise sur une approche plus modulaire : modèle puissant, interopérable, déployable dans des environnements variés.
De son côté, le chinois Deepseek a lancé en début décembre une nouvelle version 3.2 particulièrement puissante dans les tâches de raisonnement logique et mathématique, et destinée à rivaliser voire dépasser GPT-5.2 et Gemini 3. Cependant DeepSeek est moins étoffé en multimodalité, et ne dispose pas les mêmes intégrations d’écosystème que Gemini.
Anthropic a réagi en lançant Claude 4.5 (Opus et Sonnet), puissant dans les tâches de codage et toujours fidèle à sa philosophie d’IA constitutionnelle. Anthropic se positionne ainsi comme une alternative «sûre» face aux modèles de Google et OpenAI.
Mistral se positionne également dans cette course mondiale à l’IA, avec sa nouvelle génération de modèles open source Mistral 3. La start up française vise le marché européen et met en avant les questions de souveraineté numérique et respect des règlements européens.
Enfin, Grok s’est doté d’un positionnement assez unique grâce à l’instantanéité, via son accès natif et exclusif au flux de données de X, ainsi à qu’à son absence de filtres politiques.
Ainsi, le marché de l’IA générative ne se structure plus autour d’un modèle universel unique. Il s’est fragmenté en plusieurs segments stratégiques bien distincts, où chaque acteur a choisi son champ de bataille.
Les deux grands généralistes (GPT 5.2 et Gemini3) s’affrontent sur le segment du « tout-en-un » destiné au grand public et aux entreprises intégrées. On peut les utiliser en mode « instant » (ou rapide) avec une vitesse extrême et un coût réduit pour les tâches quotidiennes simples. Les modes de raisonnement, parfois payants, apportent la compréhension complexe et une meilleure multimodalité.
Anthropic a délaissé la course à la taille pour se concentrer sur la fiabilité opérationnelle et se positionne sur le segment «Haute Précision», notamment en codage, et des Agents autonomes capables d’interagir avec des logiciels professionnels.
DeepSeek se concentre sur l’efficacité brute, tout en continuant à proposer des coûts plus abordables que ses concurrents, tandis que Mistral s’impose sur le terrain de la souveraineté et de l’open source permettant une personnalisation sur infrastructures propres
On peut distinguer de plus une segmentation par domaines d’expertise autour de métiers spécifiques. Certains modèles sont optimisés pour le codage, d’autres pour la recherche et la navigation (comme Perplexity ou le mode AI de Google, non encore disponible en France), la création visuelle, ou encore l’éducation avec des outils comme NotebookLM de Google.
Soulignons également chez Perplexity l’apparition il y a quelques mois de la notion d’Espaces, une zone de travail organisée où l’on peut regrouper, structurer, collaborer et interroger des informations autour d’un thème ou d’un projet donné. Il est possible dans la version Pro de planifier des tâches qui relancent périodiquement des recherches avec le contexte de l’Espace.
Toutes ces avancées impliquent pour les professionnels de la veille de sortir d’une logique de «modèle unique» et de penser en portefeuille d’outils cognitifs. La compétition se joue aujourd’hui moins autour de la question de “qui est numéro un partout” que de savoir “qui est le meilleur selon l’usage final”.
Gemini 3 et ses concurrents ne transforment pas radicalement les pratiques de veille du jour au lendemain, mais ils déplacent le centre de gravité : de la recherche d’information vers sa structuration, de l’outil isolé vers un écosystème intégré.
Pour les professionnels de la veille, l’enjeu n’est donc pas de choisir un «camp», mais de comprendre les logiques sous-jacentes, d’anticiper les dépendances et de rester en capacité de croiser, vérifier et contextualiser l’information - ce qu’aucune IA, aussi avancée soit-elle, ne peut encore faire seule.