Le 12 août 2026, xAI a publié Grok 4.6. Le lendemain, 13 août, Google a publié Gemini 3.7 Flash. Vingt-quatre heures d’écart entre deux modèles qui visent le même travail : le code, les agents qui tournent longtemps, les enchaînements de tâches.
Sur l’épreuve de génie logiciel que les deux éditeurs mettent en avant, DeepSWE v1.1, l’écart est de six dixièmes de point. Sur la facture d’un usage quotidien, il est de plus du double. Et sur une seule requête à long contexte, il monte à cinq fois.
C’est cet écart-là que ce comparatif s’est attaché à mesurer, parce que c’est celui qui décide vraiment.
Résultats : le verdict en bref
Gemini 3.7 Flash prend l’avantage sur le contexte disponible, les formats acceptés, le prix, et quatre des cinq catégories de notre classement. Grok 4.6 garde l’avantage sur le code pur, sur l’indice d’intelligence composite d’Artificial Analysis, et sur une chose que Google a perdue en chemin : rien dans sa documentation ne demande à un administrateur européen d’accepter un avertissement de routage.
Mais l’essentiel n’est dans aucune des deux annonces. Gemini 3.7 Flash hallucine davantage que la version qu’il remplace : 64,5 % contre 55,6 %. Grok n’admet son ignorance que deux fois sur trois. Sur la lecture d’images, l’écart atteint 69 % contre 20 % en détection d’objets. Et sur le travail de connaissance, c’est Grok qui creuse l’écart, avec 228 points d’Elo d’avance — alors qu’il a été annoncé comme un modèle de code.
Quant à la vitesse, dont tous les comparatifs font un argument : les chiffres publiés varient d’un facteur cinquante d’une source à l’autre. Nous expliquons plus bas pourquoi, et pourquoi aucun n’est transposable chez vous.
Aucun des deux ne génère d’image ni de son. Aucun des deux n’a été évalué en français par son éditeur. Et les deux posent, chacun à sa manière, un problème de données pour un utilisateur européen.
Voici le détail.
D’où viennent les chiffres de ce comparatif
Autant poser la méthode avant les chiffres plutôt qu’en note de bas de page, parce qu’un comparatif ne vaut que par la traçabilité de ce qu’il avance. Chaque donnée de cet article se rejoue ligne à ligne :
- Tous les calculs de coût ont été refaits à partir des tarifs publiés par les deux éditeurs, avec les hypothèses détaillées plus bas pour que vous puissiez les vérifier vous-même.
- Les performances croisent quatre séries indépendantes — Artificial Analysis, DeepSWE v1.1, SWE-bench Vals et notre propre classement — jamais un classement unique. Quand elles divergent, nous le disons au lieu de choisir celle qui arrange la démonstration.
- Les chiffres d’exploitation — latence, débit, taux d’erreur, taux de succès du cache, coût effectif — sont des relevés de production, attribués dans le corps de l’article à qui les a publiés.
- Les rangs par catégorie et par niveau de réflexion viennent de notre classement public, relevé le 30 août 2026.
- Les incapacités et les plafonds sont cités depuis les documentations officielles, y compris les avertissements que les éditeurs écrivent eux-mêmes sur leurs propres produits.
Deux points ne sont pas mesurables en l’état, et nous les signalons plutôt que de les combler : la qualité du français, qu’aucun des deux éditeurs n’évalue publiquement et pour laquelle aucune comparaison chiffrée n’existe, et les limites de débit de Grok 4.6, que xAI n’a pas publiées.
Les deux fiches, côte à côte
| Grok 4.6 | Gemini 3.7 Flash | |
|---|---|---|
| Éditeur et date | xAI — 12 août 2026 | Google — 13 août 2026 |
| Contexte | 500 000 tokens | 1 048 576 tokens (2,1 fois plus) |
| Sortie maximale | non publiée | 65 536 tokens |
| Entrées acceptées | texte, image | texte, image, audio, vidéo, PDF |
| Sortie | texte uniquement | texte uniquement |
| Connaissances arrêtées au | 1er février 2026 | non publié |
| Outils | appel de fonctions, sorties structurées | appel de fonctions, recherche Google, pilotage d'ordinateur (préversion) |
| Prix entrée / sortie | 2,00 $ / 6,00 $ par million | 0,75 $ / 3,75 $ jusqu'au 31 déc. 2026 |
| Entrée mise en cache | 0,50 $ par million | — |
| Au-delà de 200 000 tokens | 4,00 $ / 12,00 $ sur toute la requête | tarif inchangé |
Deux remarques que la fiche ne dit pas à voix haute. La première : le mot « multimodal » désigne ici ce qui entre, jamais ce qui sort. Ni l’un ni l’autre ne produit d’image ou de son. La seconde : Gemini avale des PDF, de l’audio et de la vidéo là où Grok se limite au texte et à l’image. Si votre travail consiste à faire lire des documents à un modèle, la question est réglée avant même de parler de performance.
Ce que 500 000 et 1 048 576 tokens représentent vraiment
Le chiffre du contexte est le plus cité et le moins compris des deux fiches. Voici de quoi le traduire.
Un jeton n’est pas un mot. En français, la conversion est moins favorable qu’en anglais, à cause des accents, des élisions et de la ponctuation : on compte grossièrement entre un et deux jetons par mot, selon le vocabulaire et la mise en forme. Un contexte d’un million de jetons représente donc, très approximativement, entre 500 000 et un million de mots — soit l’équivalent de plusieurs milliers de pages, ou d’une base de code de taille moyenne dans son intégralité.
Ce que cela change en pratique : les 500 000 jetons de Grok suffisent très largement à un fichier, un dossier, un long échange. Le million de Gemini devient utile dans un seul cas de figure, mais il est de plus en plus fréquent — l’agent qui doit garder tout un projet sous les yeux d’un bout à l’autre d’une tâche longue, sans qu’on ait à découper et recoller les morceaux. Si votre travail tient dans un fichier, l’écart de contexte ne vous concerne pas. S’il consiste à faire raisonner un modèle sur un dépôt entier, il décide de tout.
Une précision utile : la fenêtre de contexte n’est pas de la mémoire. Elle est vidée à chaque requête. Un modèle avec un million de jetons de contexte ne se souvient pas mieux de vous d’une session à l’autre — il lit simplement plus de choses à la fois.
Performance : deux mesures indépendantes, deux verdicts opposés
C’est le résultat le plus intéressant du comparatif, et il tient en une phrase : selon la source qu’on interroge, ce n’est pas le même modèle qui gagne.
| Mesure | Grok 4.6 | Gemini 3.7 Flash |
|---|---|---|
| Indice d'intelligence (Artificial Analysis) | 61 | 56 (réflexion élevée) |
| DeepSWE v1.1 | 65,9 % | 65,3 % |
| Terminal-Bench v3.0 | 26 % (GPT-5.6 Sol : 34,6 %) | non publié |
| FrontierCode | 61,3 % | 43,6 % (contre 34,4 en 3.6) |
| SWE-bench (Vals) | 95,60 % | non publié |
| GDPval-AA v2 (Elo) — travail de connaissance | 1753 | 1525 (228 points d'écart) |
| Terminal-Bench 2.1 | 88,4 % | 85,8 % |
| Long contexte (GDM-MRCR v2 à 128 K) | non publié | 97,0 % |
| AutomationBench | non publié | 30,4 % (contre 17,0 en 3.6) |
| WebDev Arena (Elo) | non publié | 1588 (contre 1538 en 3.6) |
Sur l’indice composite, Grok mène de cinq points. Sur l’épreuve de génie logiciel que les deux publient, il mène de six dixièmes — autrement dit, rien.
En revanche, une ligne se détache nettement : GDPval-AA v2, qui mesure le travail de connaissance et non le code, donne 1753 à Grok contre 1525 à Gemini. Deux cent vingt-huit points d’Elo, ce n’est plus un écart de mesure, c’est une différence de nature. Ce résultat rejoint une remarque revenue chez plusieurs praticiens : Grok 4.6 a été annoncé comme un modèle de code, alors que sa force réelle est ailleurs — l’analyse, la synthèse, le raisonnement sur des dossiers. Si votre besoin est de faire réfléchir un modèle sur des documents plutôt que de lui faire écrire des fonctions, le classement s’inverse.
À l’autre bout, Gemini est le seul à publier une mesure de tenue en long contexte : 97,0 % sur GDM-MRCR v2 à 128 000 jetons. xAI n’en publie aucune, ce qui laisse sans réponse la question la plus légitime sur une fenêtre de 500 000 jetons — tient-elle jusqu’au bout ?
Le tableau reste troué : chaque éditeur choisit les épreuves qui l’avantagent et se tait sur les autres. C’est la limite structurelle de tout comparatif de modèles, et c’est pour cela qu’il faut une cinquième source.
Vision : l’écart le plus large du comparatif
C’est la dimension que les deux annonces mentionnent à peine et que les comparatifs oublient, alors qu’elle décide de cas d’usage entiers — lire une capture d’écran, extraire un tableau d’un document scanné, contrôler une interface.
Les évaluations visuelles de Roboflow donnent un résultat sans appel :
| Épreuve visuelle | Grok 4.6 | Gemini 3.7 Flash |
|---|---|---|
| Moyenne générale | 68 % | 85 % |
| Détection d'objets | 20 % | 69 % |
| Raisonnement sur l'image | 62 % | 83 % |
Dix-sept points de moyenne, et surtout un rapport de plus de trois à un sur la détection d’objets : 20 % contre 69 %. À ce niveau, ce n’est plus une question de préférence. Un flux de travail qui repose sur la lecture d’images — inventaire, contrôle qualité, extraction de documents, automatisation d’interface — n’est pas réalisable avec Grok 4.6 aujourd’hui.
Rappelons que Grok accepte les images en entrée : il les voit. Il les interprète simplement beaucoup moins bien. Et comme il ne lit ni PDF, ni audio, ni vidéo, l’écart sur tout ce qui n’est pas du texte pur se creuse d’autant.
Les chiffres de terrain : latence, débit, taux d’erreur
Les indices composites ne disent rien de ce qu’on ressent en s’en servant. Ces mesures-là viennent de relevés en production et de données de service, pas de communiqués — et c’est là que les deux modèles cessent de se ressembler.
| Mesure relevée en usage réel | Grok 4.6 | Gemini 3.7 Flash |
|---|---|---|
| Débit | 94 jetons / seconde | 93 jetons / seconde (médiane) |
| Latence moyenne | 0,62 seconde | 1,85 seconde (près de 3 fois plus) |
| Erreurs sur appels d'outils | 0,08 % | non relevé |
| Erreurs sur sorties structurées | 4,00 % — mais 0,00 % sur l'accès sans rétention | non relevé |
| Limites de débit publiées | 150 requêtes/s, 50 M jetons/min | non publiées pour ce modèle |
Avertissement nécessaire avant d’aller plus loin : sur ces deux modèles, la vitesse est le chiffre le moins fiable qui circule. Les relevés du tableau ci-dessus donnent un débit quasi identique, autour de 93 à 94 jetons par seconde. D’autres comparateurs publient 340 jetons par seconde pour Gemini en réflexion élevée contre 85,8 pour Grok, soit un rapport de près de quatre à un dans l’autre sens. Sur le délai avant le premier jeton, l’écart entre sources atteint un facteur cinquante : 0,62 seconde ici, 32,3 secondes là pour le même Grok 4.6.
Ces chiffres ne sont pas faux, ils ne mesurent pas la même chose. Un modèle de raisonnement passe par une phase de réflexion avant d’émettre son premier jeton visible : selon qu’on chronomètre le début de cette phase ou sa fin, on obtient une demi-seconde ou une demi-minute. S’y ajoutent le niveau de réflexion demandé, le fournisseur par lequel on passe, et le moment de la journée. La conclusion pratique est qu’aucun chiffre de vitesse publié sur ces deux modèles n’est transposable à votre installation, y compris ceux-ci. Ce qu’il faut retenir, ce n’est pas une valeur mais une variable dominante : le niveau de réflexion décide de tout le reste.
Cela posé, une chose est stable d’une source à l’autre : le rapport entre le temps passé et le résultat obtenu. Sur les tâches de l’indice Artificial Analysis, Gemini boucle en environ 1,7 minute par tâche. Un développeur a publié un relevé qui résume bien l’expérience : sur la même tâche, DeepSeek V4 Pro a mis 12 minutes 02 pour 0,12 $ avec un bug, quand Grok 4.6 a mis 3 minutes 18 pour 1,41 $ sans bug. Plus cher, beaucoup plus vite, résultat propre — c’est exactement le compromis que Grok propose.
Côté Gemini, la latence dépend d’où vous passez : Google AI Studio sert 124 jetons par seconde à 1,74 seconde, tandis que Vertex tombe à 84 jetons par seconde à 2,02 secondes. Même modèle, deux portes d’entrée, des performances différentes — un détail d’exploitation que les fiches produit ne mentionnent jamais.
Le délai avant le premier jeton, lui, dépend du niveau de réflexion, et l’amplitude est considérable : 0,74 seconde en effort faible, 9,83 secondes en effort élevé, et jusqu’à 49,5 secondes au 95e centile. Pour une interface où quelqu’un attend une réponse, ce n’est pas une nuance : c’est la différence entre un outil utilisable et un outil abandonné.
Un détail que nous n’avons vu nulle part ailleurs, et qui vaut le détour : chez Grok, le taux d’erreur sur les sorties structurées tombe de 4,00 % à 0,00 % sur l’accès sans rétention de données. Autrement dit, le point d’entrée qui protège le mieux vos données est aussi celui qui échoue le moins. Nous n’expliquons pas pourquoi — mais si vous générez du JSON à la chaîne, l’information vaut de l’argent.
Le sujet dont aucun des deux éditeurs ne parle : l’hallucination
Aucune des deux annonces de lancement ne comporte de ligne sur l’hallucination. Les mesures indépendantes, elles, existent, et elles sont sévères pour les deux.
Gemini 3.7 Flash hallucine plus que la version qu’il remplace. Artificial Analysis mesure un taux de 64,5 %, contre 55,6 % pour Gemini 3.6 Flash. Lisez cette phrase deux fois : la précision a progressé, et l’hallucination a progressé en même temps. L’explication tient au réglage du modèle, qui privilégie la réponse assurée à la réponse prudente. Une mise à jour qui rend un modèle à la fois plus juste et plus inventif est une nouvelle ambiguë, et personne ne l’a écrite en français.
Grok 4.6 admet son ignorance deux fois sur trois. Son taux de non-hallucination est mesuré à 65,7 % : quand il ne sait pas, il le dit environ deux fois sur trois, et invente la troisième. C’est précisément la ligne d’évaluation absente du billet de lancement de xAI.
Ce que cela veut dire concrètement a été illustré par un cas de production rapporté publiquement : l’assistant d’un service client automobile européen confirmait avec assurance la prise en charge de marques absentes de sa base, parce que le centre d’aide indiquait quelque part « nous prenons en charge tous les modèles ». Le modèle n’avait pas menti au sens strict — il avait comblé un vide avec de l’assurance.
Il y a un second chiffre à mettre à côté. Sur τ³-Banking, l’épreuve la plus proche d’un vrai travail de support, Grok 4.6 se classe dans les deux premiers avec 50,7 %. C’est le meilleur du plateau, et il échoue quand même une conversation sur deux. La conclusion des praticiens est unanime et vaut d’être reprise : pour un service client, le choix du modèle est la décision la moins déterminante. Ce qui décide, ce sont les limites de récupération documentaire, les règles d’escalade et les seuils de confiance — et aucun des deux entraînements ne les fournit.
Ce que dit notre propre classement
Notre classement IA agrège une vingtaine de sources publiques et note les modèles par catégorie d’usage. Relevé du 30 août 2026, au niveau de réflexion élevé pour les deux :
| Catégorie | Grok 4.6 | Gemini 3.7 Flash |
|---|---|---|
| Généraliste | 107e | 83e |
| Conversation | 198e | 135e |
| Code | 50e | 60e |
| Coût-performance | 152e | 89e |
| Agentique cloud | 59e | 47e |
Quatre catégories sur cinq à Gemini, une à Grok — et c’est le code. Ce résultat contredit l’indice d’Artificial Analysis, qui donne Grok gagnant de cinq points. Les deux mesures sont valables : l’indice composite pèse le raisonnement pur, notre agrégation pèse la moyenne d’une vingtaine de protocoles différents. Quand deux méthodes honnêtes divergent, cela veut dire que l’écart réel est mince et qu’il dépend de votre usage. Le détail est consultable sur la catégorie code.
Une précaution d’usage sur ces rangs : plusieurs centaines de modèles sont classés dans chaque catégorie, et une même famille y apparaît sous plusieurs variantes. Un 50e rang n’est pas une mauvaise note, c’est une position dans une population très dense.
Le réglage qui coûte plus cher et classe moins bien
Voici la trouvaille que nous n’avons vue nulle part ailleurs, et elle a une conséquence directe sur votre facture.
Grok 4.6 propose quatre niveaux de réflexion : low, medium, high et xhigh. L’intuition dit que plus on pousse, meilleur c’est. Nos relevés disent l’inverse, dans les quatre catégories où les deux niveaux coexistent :
| Catégorie | Grok 4.6 « high » | Grok 4.6 « xhigh » |
|---|---|---|
| Généraliste | 107e | 162e |
| Conversation | 198e | 265e |
| Code | 50e | 94e |
| Coût-performance | 152e | 260e |
Quatre fois sur quatre, le niveau le plus poussé est moins bien classé. Et comme les jetons de réflexion sont facturés en sortie, xhigh est aussi le réglage le plus cher. Nous ne prétendons pas expliquer pourquoi — une agrégation de protocoles n’est pas un diagnostic. Mais le constat suffit à formuler un conseil pratique : si vous utilisez Grok 4.6, testez high avant de payer xhigh, et mesurez chez vous. La prudence commande de traiter ce niveau comme une option à valider, pas comme un réglage supérieur par défaut.
Prix : le calcul que personne ne fait
Les comparatifs se contentent en général d’aligner les tarifs par million de tokens. Ce n’est pas ce que vous payez. Voici trois scénarios complets, avec les hypothèses écrites pour que vous puissiez les rejouer.
Scénario A — assistant de code au quotidien. 50 requêtes par jour, 30 000 tokens en entrée et 3 000 en sortie par requête, 30 jours.
| Scénario | Grok 4.6 | Gemini 3.7 Flash | Écart |
|---|---|---|---|
| A — usage quotidien, tarifs actuels | 117,00 $ / mois | 50,63 $ / mois | 2,3 fois |
| B — même usage, après le 1er janvier 2027 | 117,00 $ / mois | 101,25 $ / mois | 1,2 fois |
| Coût mesuré par tâche (indice AA) | 0,84 $ | 0,40 $ (élevé) — 0,26 $ (moyen) | |
| C — une requête de 250 000 tokens | 1,06 $ | 0,21 $ | 5,1 fois |
Le scénario A donne l’écart courant : plus du double. La ligne du coût mesuré par tâche le confirme depuis un autre angle — 0,84 $ contre 0,40 $, soit un rapport de deux à un, qui monte à plus de trois si l’on descend Gemini d’un cran de réflexion sans perte notable de qualité. C’est d’ailleurs le réglage le plus rentable du comparatif : 0,26 $ la tâche en réflexion moyenne.
Le scénario C mérite sa propre section, parce qu’il ne s’explique pas par la différence de tarif affiché.
Le seuil des 200 000 tokens : le piège de facturation de Grok
Chez xAI, la grille change de palier à 200 000 tokens. Ce n’est pas une surprise en soi — beaucoup d’éditeurs facturent le long contexte plus cher. Ce qui l’est davantage, c’est la manière : au-delà du seuil, ce n’est pas le dépassement qui bascule au tarif long contexte, c’est la requête entière.
Reprenons le scénario C. Une requête de 250 000 tokens en entrée et 5 000 en sortie :
- Si le seuil n’existait pas : 250 000 × 2 $/M + 5 000 × 6 $/M = 0,53 $
- Avec le basculement : 250 000 × 4 $/M + 5 000 × 12 $/M = 1,06 $
- La même requête chez Gemini : 250 000 × 0,75 $/M + 5 000 × 3,75 $/M = 0,21 $
Franchir le seuil double la note, et porte l’écart avec Google à 5,1 fois. Pour un agent qui relit une base de code entière ou un long dossier documentaire, la différence n’est plus théorique : elle se lit à la fin du mois.
Première conséquence pratique : surveillez la taille de vos requêtes si vous utilisez Grok. Passer de 199 000 à 201 000 tokens ne coûte pas 1 % de plus, mais 100 %.
Le cache : le levier qui annule presque l’écart de prix
Il serait malhonnête d’en rester au scénario A sans dire ce qui peut le renverser, et c’est le second calcul que nous n’avons vu nulle part.
Grok facture l’entrée mise en cache 0,50 $ par million, soit un quart du tarif d’entrée normal. Pour un agent qui renvoie le même contexte à chaque tour — les instructions système, la documentation de référence, le fichier sur lequel il travaille — l’essentiel de l’entrée est répété, donc cachable.
Reprenons le scénario A, cette fois avec l’entrée intégralement mise en cache :
- Entrée : 50 × 30 000 jetons à 0,50 $/M = 0,75 $ par jour (contre 3,00 $ sans cache)
- Sortie : 50 × 3 000 jetons à 6 $/M = 0,90 $ par jour, inchangée
- Total : 1,65 $ par jour, soit 49,50 $ par mois
Face aux 50,63 $ de Gemini 3.7 Flash, l’écart de 2,3 fois disparaît purement et simplement. Grok passe même très légèrement devant.
Ce calcul théorique est confirmé par le terrain, et c’est rare : sur des charges réelles, un taux de succès du cache de 90,3 % a été relevé, pour un coût effectif de 0,72 $ par million de jetons en entrée — soit près de trois fois moins que le tarif affiché de 2 $. Notre borne basse n’était donc pas un cas d’école.
Deux réserves honnêtes tout de même. La première : seule la partie répétée à l’identique d’une requête à l’autre est éligible — 90 % est un excellent résultat, pas un plancher garanti, et il suppose une architecture qui s’y prête. La seconde : Google ne publie pas, pour ce modèle, de tarif de cache aussi lisible, ce qui ne signifie pas qu’aucune optimisation n’existe de son côté, mais qu’elle n’est pas comparable en l’état.
À noter au passage : xAI a augmenté le tarif du cache de 0,30 $ à 0,50 $ entre la version 4.5 et la 4.6, soit 67 % de hausse sur le levier d’économie principal. Le prix affiché n’a pas bougé, celui-là si.
Ce que ce calcul établit, en revanche, est solide : l’écart de prix entre les deux modèles dépend davantage de votre architecture que de leur grille tarifaire. Un agent bien conçu, qui réutilise son contexte, efface presque l’avantage de Google. Un appel unique et volumineux, à l’inverse, le porte à 5,1 fois. C’est le même couple de modèles, et deux factures sans rapport.
L’avantage de Gemini a une date de péremption
Le tarif de 0,75 $ et 3,75 $ n’est pas le tarif de Gemini 3.7 Flash. C’est un tarif d’introduction, valable jusqu’au 31 décembre 2026. Le 1er janvier 2027, il passe à 1,50 $ et 7,50 $ — exactement le double.
Ce que cela fait à la comparaison est spectaculaire, et c’est le scénario B du tableau : le même usage quotidien passe de 50,63 $ à 101,25 $ par mois. L’écart avec Grok, qui reste à 117 $, tombe de 2,3 fois à 1,2 fois.
Autrement dit : un lecteur qui choisit Gemini aujourd’hui pour son prix doit savoir qu’il compare un tarif promotionnel à un tarif permanent, et que l’arbitrage se rejouera dans quatre mois. C’est le genre de détail qui ne figure jamais dans un tableau de prix, et qui décide pourtant d’un engagement annuel. La séquence n’a rien d’isolé : elle s’inscrit dans la guerre des prix que nous suivons depuis l’offensive tarifaire de DeepSeek.
Ce qu’ils ne savent pas faire
Un comparatif utile dit aussi où s’arrêtent les deux concurrents. Sur ce terrain, les documentations officielles sont plus franches que les communiqués.
Aucun des deux ne génère d’image ni de son. La fiche de Google est explicite : la génération audio, la génération d’images et l’API Live ne sont pas prises en charge par Gemini 3.7 Flash. Grok 4.6 accepte texte et image en entrée, et ne renvoie que du texte. Le mot « multimodal » qualifie l’entrée, pas la sortie.
Grok ne lit ni PDF, ni audio, ni vidéo. C’est probablement la différence la plus concrète du comparatif pour un usage professionnel courant : faire résumer un rapport en PDF ou une réunion enregistrée est un cas d’usage banal, et Grok 4.6 ne le couvre pas nativement.
Le pilotage d’ordinateur de Gemini est en préversion, et Google accompagne l’outil d’un avertissement qu’il faut citer tel quel : les actions suggérées peuvent être inappropriées ou dangereuses, un contenu adverse peut les rendre malveillantes, et le fournisseur recommande de superviser étroitement et de ne pas l’utiliser pour des tâches impliquant des décisions critiques, des données sensibles, ou des actions dont les erreurs graves ne peuvent pas être corrigées. Un éditeur qui écrit cela sur son propre produit mérite d’être lu littéralement.
On ne peut pas combiner la recherche Google et l’appel de fonctions dans la même requête. La documentation de l’API l’énonce : les outils de recherche ne se mélangent pas avec les outils qui n’en sont pas, dans un même appel ; plusieurs outils ne sont admis que s’ils sont tous des outils de recherche. Il faut donc découper en deux appels, avec un coût en latence et en jetons. L’ancrage par la recherche est en outre plafonné à un million de requêtes par jour.
Passer à Gemini 3.7 Flash demande de retoucher votre code. Les paramètres temperature, top_p et top_k ont été retirés : une intégration existante qui les utilise doit être restructurée, ce n’est pas un simple changement d’identifiant de modèle. Plusieurs développeurs ont par ailleurs signalé des refus à la création de clés d’API sur des comptes neufs, avec un message peu aidant — « la requête est suspecte, veuillez réessayer ».
Et la documentation était en retard sur le produit. Au 14 août, soit le lendemain de la sortie, l’index public des modèles de l’API Gemini, le journal des changements, les pages de tarifs et de limites mettaient encore Gemini 3.6 Flash en avant. Un modèle disponible dont la documentation n’a pas suivi, c’est du temps perdu en intégration — et c’est le genre de friction qui ne figure dans aucun tableau comparatif.
Les jetons de réflexion gonflent la facture de sortie plus qu’on ne le croit. Dans la trace d’exemple fournie par Google, une réponse comptait 297 jetons de réflexion pour 171 jetons de sortie visible : près des deux tiers de la ligne « sortie » de votre facture correspondent à un raisonnement que vous ne lirez jamais. Nos calculs de coût, qui ne comptent que la sortie visible, sont donc des estimations basses dès que la réflexion est active.
xAI n’a pas publié les limites de débit de Grok 4.6. À titre indicatif, la version 4.5 était donnée pour 150 requêtes par seconde et 50 millions de tokens par minute sur les paliers de production. Concevoir une charge de production sur un chiffre non publié est un pari, et il faut le savoir avant de s’engager.
Vos données : deux reculs, de nature différente
C’est le point où ce comparatif s’écarte le plus des autres, parce que la question ne se pose pas de la même façon depuis l’Europe.
Chez xAI, l’entraînement sur vos conversations est actif par défaut. La politique publiée prévoit que vos requêtes, vos contenus déposés et les réponses du modèle peuvent servir à entraîner et affiner Grok. Ce n’est pas caché, mais c’est un réglage à désactiver, pas à activer. En cas de suppression d’une conversation ou d’un compte, les données sont mises en file d’attente et généralement retirées sous trente jours, sauf obligation légale ou de sécurité.
Chez Google, la nouveauté est une régression de conformité. Gemini 3.7 Flash n’est disponible que dans la région dite globale, sans résidence des données. Un administrateur qui le sélectionne depuis un déploiement européen doit accepter un avertissement indiquant que le trafic part vers l’endpoint global. Or la version précédente, Gemini 3.5 Flash, reste disponible dans des régions européennes — Belgique, Pays-Bas, Finlande, Pologne.
La conclusion est inhabituelle et il faut l’écrire telle quelle : pour une organisation soumise à une contrainte de localisation, la mise à jour est un retour en arrière, et la bonne décision consiste à rester sur le modèle antérieur. C’est le prolongement direct de ce que nous relevions à propos d’un modèle servi par un fournisseur qu’on ne pouvait pas nommer : la question n’est jamais seulement « ce modèle est-il bon », mais « où part ce que je lui envoie ». Sur le calendrier réglementaire européen qui encadre ces obligations, notre décryptage de l’échéance du 2 août 2026 donne le cadre applicable.
Le français : ce que personne ne mesure, nous compris
La prise en charge du français est le critère le plus systématiquement oublié par les comparatifs anglophones, et c’est celui que nous vérifions en priorité. Ici, il faut signaler un trou, et il n’est pas de notre fait.
Ni xAI ni Google n’ont publié d’évaluation en français pour ces deux modèles. Les épreuves mises en avant — DeepSWE, SWE-bench, GDPval, AutomationBench, WebDev Arena — sont très majoritairement anglophones, et les classements indépendants, y compris le nôtre, agrègent ces mêmes épreuves. Aucune mesure comparative publique n’existe donc à ce jour.
Un usage prolongé donne évidemment des impressions, dans un sens ou dans l’autre. Mais une impression n’est pas une mesure, et ce comparatif s’interdit de convertir la seconde en la première : classer deux modèles sur la qualité de leur français aujourd’hui reviendrait à habiller une préférence en résultat. Le trou lui-même est d’ailleurs une information : deux modèles de frontière sortis à un jour d’écart en août 2026, et pas un chiffre public sur leur comportement dans la deuxième langue la plus enseignée au monde.
Où les utiliser vraiment, et à quel prix
Une confusion revient souvent : les tarifs par million de tokens ne concernent que l’API. Pour un usage personnel, les deux se vendent autrement.
Grok 4.6 côté grand public s’utilise sur grok.com, accessible avec un compte Google ou une simple adresse électronique — un compte X n’est pas nécessaire. L’accès est vendu par abonnement mensuel avec plafonds d’usage : environ 10 $ pour l’offre légère, 30 $ pour l’offre intermédiaire, 300 $ pour la plus haute. Côté développeurs, le modèle est exposé dans l’API xAI, Grok Build et Cursor, et accessible via OpenRouter, Vercel et Cloudflare.
Gemini 3.7 Flash s’utilise via l’API Gemini, Vertex AI et les plateformes agentiques de Google Cloud, et se retrouve dans les offres grand public de Google.
La règle qui en découle est simple : si vous êtes un utilisateur régulier mais non développeur, l’abonnement est presque toujours moins cher que l’API, parce qu’il mutualise les pointes d’usage. Les calculs de cet article valent pour une intégration applicative, pas pour un usage individuel dans une interface de discussion.
Lequel choisir selon votre situation
Vous écrivez du code et le budget suit. Grok 4.6. C’est la seule catégorie où il devance Gemini dans notre classement, il mène l’indice d’Artificial Analysis de cinq points, et son résultat SWE-bench mesuré par Vals est le plus élevé qu’il ait publié. Surveillez la taille de vos requêtes et exploitez le cache à 0,50 $.
Vous faites analyser des dossiers, pas écrire du code. Grok 4.6, et plus nettement encore : 228 points d’Elo d’avance sur GDPval-AA v2, l’épreuve qui mesure le travail de connaissance. C’est le paradoxe de ce modèle, annoncé pour le code et meilleur ailleurs.
Votre travail passe par des images. Gemini 3.7 Flash, sans hésiter. 69 % contre 20 % en détection d’objets : ce n’est pas un écart de confort, c’est la différence entre un flux qui fonctionne et un flux qui ne fonctionne pas.
Vous construisez un agent qui tourne longtemps, sur beaucoup de documents. Gemini 3.7 Flash. Deux fois plus de contexte, la lecture native des PDF, de l’audio et de la vidéo, une meilleure place en agentique et en coût-performance chez nous, et un tarif affiché inférieur de moitié — jusqu’à la fin de l’année. Nuance : si votre agent réutilise le même contexte à chaque tour, le cache de Grok efface cet avantage, et l’arbitrage se rejoue.
Vous êtes soumis à une contrainte de localisation des données. Ni l’un ni l’autre en l’état. Grok entraîne par défaut sur les conversations grand public ; Gemini 3.7 Flash n’offre pas de résidence européenne. La réponse conforme, aujourd’hui, s’appelle Gemini 3.5 Flash, en région européenne.
Vous voulez faire lire un PDF ou une réunion enregistrée à un modèle. Gemini, sans discussion. Grok ne le fait pas.
Vous hésitez encore et vous ne codez pas. Prenez un abonnement plutôt qu’une clé d’API, testez les deux pendant un mois, et gardez à l’esprit que ces deux modèles ont vingt-quatre heures d’écart et six dixièmes de point sur l’épreuve commune. À ce niveau de proximité, votre cas d’usage tranche mieux que n’importe quel classement — y compris le nôtre. C’est aussi ce que nous rappelions en regardant ce qui attend l’intelligence artificielle dans un, deux et cinq ans : les écarts de génération se referment plus vite que les cycles d’engagement commerciaux.
Ce qu’il faut retenir
Deux modèles publiés à un jour d’écart, six dixièmes de point sur l’épreuve commune, et un facteur cinq sur une seule requête à long contexte. L’essentiel de la décision ne se joue pas sur la performance, mais sur trois lignes que les fiches produit ne mettent pas en avant : un seuil de facturation à 200 000 tokens chez Grok, une date de péremption au 31 décembre 2026 chez Gemini, et une résidence des données européenne que la dernière version de Google a perdue en route.
Il y a enfin un résultat que nous n’attendions pas et qui mérite d’être vérifié par chacun sur son propre usage : chez Grok 4.6, le réglage de réflexion le plus poussé est aussi le plus cher et le moins bien classé, dans les quatre catégories où nous pouvons les comparer.