Le gain de 88 % en tokens de Gemini tient au fait qu’il regarde moins de vidéo

Google a présenté la compréhension vidéo agentique pour Gemini le 1er septembre, affirmant qu’elle réduit les coûts d’analyse jusqu’à 66 % et la consommation de tokens jusqu’à 88 %, tout en améliorant la précision jusqu’à 7 %. Elle s’active en définissant le traitement sur agentic dans la configuration de l’API, au tarif standard en tokens de l’API Gemini, sans frais supplémentaires pour la fonctionnalité.

Ce que la présentation courante interprète mal

Une réduction de 88 % des tokens ressemble à une percée de compression à l’intérieur du modèle. Ce n’est pas le cas. Le mode agentique permet à Gemini de choisir quels moments récupérer, à quelle cadence d’images, et s’il faut utiliser les images, l’audio ou la transcription, à la place de l’ancien échantillonnage fixe des images. Le modèle regarde moins de la vidéo. C’est une capacité réelle et utile, mais elle reste bornée par son propre jugement sur ce qui peut être ignoré : dans une tâche où les éléments de preuve pertinents sont dispersés de façon diffuse sur toute la durée, il n’y a rien à sauter et les économies s’effondrent.

L’écart entre deux des chiffres

À noter : l’économie de coût (66 %) est nettement inférieure à l’économie en tokens (88 %). La différence tient à la boucle agentique elle-même — décider quoi regarder consomme aussi des tokens. Les trois chiffres sont donnés “jusqu’à”, ce qui en fait des plafonds et non des attentes.

Où cela fonctionne réellement

La deuxième erreur de cadrage concerne la distribution. La fonctionnalité a été lancée uniquement sur la gamme Flash — Gemini 3.7 Flash, 3.6 Flash et 3.5 Flash-Lite — et seulement via l’API Gemini dans Google AI Studio et la Gemini Enterprise Agent Platform. L’application Gemini l’aura “bientôt”, et “Ask YouTube” de YouTube dans les “prochains mois”. La plupart des articles ont illustré le lancement avec l’application grand public, qui n’en dispose pas.

Pourquoi le choix tarifaire est un signal

Google affirme que Gemini 3.7 Flash “atteint la frontière de Pareto précision-coût parmi les modèles testés”, et ne facture aucun supplément pour ce mode. La vidéo a été le format où le long contexte cessait de compter, parce qu’une cadence fixe d’images fait évoluer le coût en fonction de la durée plutôt que du contenu informationnel. Rompre ce lien puis refuser de le facturer séparément revient à faire du long format vidéo une charge de travail par défaut plutôt qu’un cas d’usage spécialisé.