Gemini 3.5 Pro devait sortir le 17 juillet 2026. Ce n’est pas arrivé. C’est la troisième fois que Google DeepMind rate une échéance annoncée pour son modèle phare depuis l’annonce initiale à Google I/O le 20 mai. Bloomberg a confirmé le délai le 16 juillet, citant des problèmes de qualité persistants : taux d’hallucination insuffisamment maîtrisé et écart de performance avec GPT-5.6 sur les workflows réels. 9to5Google rapporte simultanément que Google teste un modèle Flash amélioré comme solution de repli.
Pour les équipes tech et décideurs qui planifiaient un pilote ou une migration sur Gemini 3.5 Pro, cet article fait le point factuel : chronologie des délais, nature des défaillances techniques, impact sur la feuille de route Google, et surtout les trois décisions pratiques à prendre maintenant. À noter que cet article complète notre analyse de juillet sur l’architecture reconstruite de Gemini 3.5 Pro — voir Gemini 3.5 Pro : Google reconstruit l’architecture from scratch.
Chronologie des trois délais
Trois échéances successives ont été ratées depuis l’annonce initiale. En voici la séquence vérifiable.
Premier délai : mai → juin 2026
À Google I/O le 20 mai 2026, Sundar Pichai avait demandé aux développeurs de « donner jusqu’au mois prochain » pour la sortie de Gemini 3.5 Pro. La réaction dans la salle — un grognement perceptible relayé par plusieurs journalistes présents — témoignait d’une attente déjà érodée. Juin est passé sans sortie.
Deuxième délai : juin → 17 juillet 2026
Google a annoncé avoir reconstruit le modèle de base depuis zéro après avoir identifié deux défaillances structurelles spécifiques (détaillées ci-après). La nouvelle cible annoncée : 17 juillet 2026. Google indiquait également tester l’ensemble de ses implémentations tool-calling avec des partenaires sélectionnés.
Troisième délai : 17 juillet → date non confirmée
Le 17 juillet est passé sans annonce publique. Bloomberg rapporte le 16 juillet que le modèle reconstruit ne satisfait toujours pas les critères internes de fiabilité de Google, notamment sur le taux d’hallucination et les benchmarks GPT-5.6 en conditions réelles. Google n’a pas communiqué de nouvelle date. La seule déclaration officielle disponible : la société « teste actuellement 3.5 Pro, un modèle Flash amélioré, et d’autres modèles avec des partenaires ».
Les défaillances techniques confirmées
La distinction entre les deux séries de problèmes est importante pour comprendre pourquoi le rebuild n’a pas suffi.
Phase 1 (avant rebuild) : défaillances structurelles
Le modèle original présentait deux échecs identifiés avec précision. Premièrement, il ne maintenait pas la cohérence de structure sur des scènes SVG multicouches — un problème de consistance géométrique sur les représentations visuelles complexes. Deuxièmement, il s’effondrait dans les environnements de tool-calling récursif — les chaînes d’agents où un outil en appelle un autre sur plusieurs niveaux de profondeur. Ces défaillances ont conduit à la décision de tout reconstruire.
Phase 2 (après rebuild) : nouveaux problèmes de qualité
Le modèle reconstruit a effacé les défaillances spécifiques de la phase 1, mais a révélé de nouvelles difficultés : taux d’hallucination trop élevé pour des workflows réels, et écart de performance avec GPT-5.6 Sol sur les benchmarks représentatifs. Ces problèmes sont structurellement différents des bugs d’architecture de la phase 1 : ils touchent à la qualité des données d’entraînement et aux méthodes d’alignement, deux dimensions qui se corrigent plus lentement qu’un problème d’implémentation.
Ce point est significatif pour les équipes qui planifiaient Gemini 3.5 Pro pour des cas d’usage nécessitant un raisonnement fiable et précis : la fiabilité reste le point bloquant, pas les fonctionnalités.
Impact marché et signaux chez DeepMind
L’impact sur la valorisation d’Alphabet est mesurable. Selon The Agent Report, environ 225 milliards de dollars de capitalisation boursière ont été effacés depuis les premières annonces de délai — une décote qui reflète la pression concurrentielle que subissent Google Cloud et Vertex AI face à Azure OpenAI et AWS Bedrock. Ce chiffre est à traiter avec prudence : il intègre plusieurs évolutions de marché simultanées, pas uniquement les délais de Gemini 3.5 Pro.
Un autre signal notable : plusieurs chercheurs seniors de Google DeepMind ont rejoint Anthropic au cours des dernières semaines. Le nombre exact varié selon les sources (de trois à quatre individus cités), mais le mouvement est confirmé par plusieurs sources indépendantes. Ces départs ne prouvent pas une crise opérationnelle chez DeepMind — le lab reste l’un des plus importants au monde avec plusieurs centaines de chercheurs — mais ils s’inscrivent dans un contexte où les meilleurs profils de recherche font des arbitrages entre Labs.
Pour les PME/ETI françaises qui ont des workloads sur Google Cloud Platform, l’impact concret est indirect : Google Cloud a anticipé certaines mises à jour Vertex AI sur la base de la disponibilité de 3.5 Pro, ce qui crée une incertitude sur les timelines de certaines fonctionnalités agentics avancées via Vertex.
Gemini 3.6 Flash : la solution de repli en préparation
Google a enregistré les identifiants de modèles Gemini 3.6 Flash et Gemini 3.5 Flash Light dans ses registres API. Ce type d’enregistrement précède typiquement une mise en disponibilité de quelques semaines. Aucune spécéification, prix ou date de sortie n’a été communiqué officiellement à la date du 18 juillet 2026.
Ce que l’on peut déduire du comportement passé de Google : les modèles Flash sont conçus pour un équilibre qualité/prix optimisé pour les tâches à fort volume, avec une latérence plus faible que les modèles Pro. Gemini 3.5 Flash (disponible depuis mai 2026 et détaillé dans notre analyse Gemini 3.5 Flash : diviser le coût de vos features IA par 3) est déjà en production pour de nombreuses équipes avec de bons résultats sur les usages standards.
Gemini 3.6 Flash représenterait une amélioration incrémentale de ce Flash existant — potentiellement avec une meilleure gestion des appels d’outils et un taux d’hallucination réduit — sans atteindre les capacités de raisonnement long chaîne initialement visées pour 3.5 Pro. C’est une stratégie de gestion de l’attente, pas une réponse à la question initiale. Google reste tenu d’aligner sa feuille de route Pro sur les benchmarks de ses concurrents directs.
Trois arbitrages pour votre roadmap Google IA
Arbitrage 1 : ne pas bloquer vos projets en cours sur l’attente de 3.5 Pro
Si vous avez un projet d’automatisation, d’agent IA ou d’outil interne sur mesure déjà en cours avec Gemini 3.5 Flash, ne le figez pas en attendant 3.5 Pro. Les trois délais successifs confirment qu’il n’existe pas de date fiable à court terme. Un projet en production avec Flash génère de la valeur maintenant. Les capacités de Flash couvrent 80 à 90 % des usages B2B standards : analyse documentaire, extraction structurée, génération de texte paramétré, réponse sur base de connaissance.
Arbitrage 2 : évaluer si vos cas d’usage nécessitent vraiment les capacités Pro
Les capacités qui justifiaient d’attendre 3.5 Pro étaient principalement : le raisonnement multi-étapes très long, les tâches de coding complexe sur des codebases entières, et la gestion d’agents récursifs profonds. Si votre cas d’usage réel n’implique pas ces scénarios, Flash est suffisant. Si ces capacités sont critiques pour votre projet, évaluez dès maintenant les alternatives disponibles : GPT-5.6 Terra ou Luna (via Azure OpenAI ou API directe) et Claude Sonnet 5 d’Anthropic sont tous deux accessibles aujourd’hui. Pour structurer le choix d’architecture adapté à votre contexte, voir notre page développement sur mesure.
Arbitrage 3 : réduire la dépendance à un seul fournisseur
Les trois délais consécutifs de Gemini 3.5 Pro illustrent le risque concret d’une architecture construite exclusivement autour d’un seul Lab. La réponse architecturale standard est le routing multi-modèles : un wrapper d’abstraction (LiteLLM, Portkey, OpenRouter) qui expose une interface unifiée vers plusieurs backends (Gemini Flash, GPT-5.6, Claude Sonnet 5). Cela prend quelques heures à mettre en place et élimine la dépendance exclusive à un calendrier de release. Sur GCP, Vertex AI expose déjà les modèles Anthropic en parallèle des modèles Gemini. Si vous souhaitez faire évaluer votre architecture actuelle, contactez-nous pour un diagnostic court.
FAQ — Gemini 3.5 Pro absent pour la troisième fois le 17 juillet : Flash de transition en test, 225 Md€ en bourse — trois arbitrages pour décider maintenant
Gemini 3.5 Flash est-il suffisant pour mes besoins actuels ?
Pour la majorité des cas d’usage B2B standards — classification, extraction documentaire, génération de texte paramétré, réponses sur base de connaissance — oui. Gemini 3.5 Flash est en production depuis mai 2026 et donne de bons résultats. Les capacités spécifiques qui justifiaient 3.5 Pro (raisonnement très long chaîne, coding sur codebase entière, agents récursifs profonds) restent en attente.
Quand Gemini 3.5 Pro sortira-t-il vraiment ?
Aucune date fiable n’existe à ce stade. La troisième échéance manquée (17 juillet 2026) confirme qu’il ne faut plus planifier sur des dates annoncées par Google pour ce modèle. Google travaille sur une solution Flash intermédiaire (Gemini 3.6 Flash) en attendant de résoudre les problèmes de fiabilité du modèle Pro.
Dois-je migrer mes projets Gemini vers un autre modèle ?
Pas nécessairement et pas en urgence. Si vos projets fonctionnent correctement sur Gemini 3.5 Flash, continuez. En revanche, si vous planifiiez des fonctionnalités spécifiques aux capacités Pro (raisonnement long, agents complexes), évaluez dès maintenant les alternatives disponibles (Claude Sonnet 5, GPT-5.6 Terra) plutôt que d’attendre une date indéterminée.
Qu’est-ce que Gemini 3.6 Flash et est-il déjà accessible ?
Gemini 3.6 Flash est un identifiant enregistré dans les API Google DeepMind mais pas encore disponible publiquement à la date du 18 juillet 2026. Google a indiqué tester un « Flash amélioré avec des partenaires ». Aucune spécification, date, ni tarif n’a été communiqué officiellement.
Quelle architecture technique adopter pour ne pas dépendre d’un seul modèle Google ?
Un routeur de modèles (LiteLLM, Portkey, OpenRouter) exposant une interface unifiée vers plusieurs backends (Gemini Flash, GPT-5.6, Claude Sonnet 5) est la solution standard. Cela prend quelques heures à mettre en place. Sur GCP, Vertex AI expose déjà les modèles Anthropic en parallèle, ce qui réduit le travail d’intégration pour les équipes déjà sur Google Cloud.