Google DeepMind a lancé le 12 février 2026 Gemini 3 Deep Think, son mode de raisonnement spécialisé pour problèmes complexes. Le modèle atteint des performances exceptionnelles : 84,6 % sur ARC-AGI-2, 3455 Elo sur Codeforces, et a généré la première publication mathématique entièrement autonome de l’histoire.

Accès immédiat et programme d'intégration

Gemini 3 Deep Think est disponible dès maintenant pour les utilisateurs de Gemini Ultra via l’application Google. Pour les chercheurs et ingénieurs, Google propose un formulaire d’inscription à un programme d’accès anticipé à l’API, permettant d’intégrer le modèle dans des workflows de recherche ou d’ingénierie.

Des records dans le raisonnement, la programmation et les sciences

Gemini 3 Deep Think établit de nouveaux seuils dans plusieurs domaines clés.

Raisonnement général.

Le modèle atteint 84,6 % sur ARC-AGI-2, benchmark mesurant la capacité de raisonnement abstrait sur des problèmes inédits. Ce score a été vérifié de manière indépendante par la fondation ARC Prize. Sur Humanity’s Last Exam, test d’expertise multidisciplinaire sans recours à des outils externes, il atteint 48,4 %.

Programmation compétitive.

Deep Think franchit 3455 Elo sur Codeforces, le plaçant au rang de « Legendary Grandmaster » — statut atteint par environ 7 programmeurs humains seulement dans le monde.

Sciences théoriques.

En physique théorique, le modèle affiche 50,5 % sur CMT-Benchmark. Aux Olympiades internationales 2025, il remporte médaille d’or en mathématiques, physique et chimie.

Aletheia : la première publication mathématique autonome

Au-delà des benchmarks, Google DeepMind démontre des avancées concrètes via Aletheia, un agent de recherche mathématique basé sur Deep Think.

Aletheia atteint 90 % sur IMO-ProofBench Advanced, test de problèmes de niveau olympiade. Plus significativement, le système a généré une publication mathématique documentant des résultats en géométrie arithmétique sur les « eigenweights » — un article signé par les algorithmes eux-mêmes sans intervention humaine dans sa rédaction. C’est la première publication mathématique entièrement autonome jamais produite.

Le système a également résolu 4 conjectures d’Erdős de manière autonome, dont la conjecture Erdős-1051 sur les ensembles indépendants et une généralisation qui a débouché sur un article collaboratif (BKKKZ26). Ces résultats reposent sur environ 700 évaluations semi-autonomes de la base de données Bloom’s Erdős Conjectures.

18 problèmes ouverts : collaboration humain-IA

Un préprint complémentaire documente comment Deep Think aborde 18 problèmes non résolus en informatique théorique, physique et optimisation. L’approche structure une collaboration itérative plutôt qu’une automatisation pure : les humains guident le modèle progressivement (« Advisor »), valident ses intuitions (« Vibe-Proving »), et explorent preuves et réfutations en parallèle (« Balanced prompting »).

Optimisation combinatoire.

Max-Cut a été débloqué via le théorème de Kirszbraun et la théorie de la mesure. Steiner Tree a cédé à l’analyse continue. Une conjecture d’optimisation sous-modulaire, sans solution depuis 10 ans, a été réfutée par un contre-exemple simple à trois éléments — révélant que la règle supposée était fausse.

Physique des cordes.

Une série infinie de singularités a pu être réduite à une somme finie grâce aux polynômes de Gegenbauer, technique classique jamais auparavant appliquée à ce problème physique.

Théorie des jeux.

Le Revelation Principle, fondamental en théorie des mécanismes, a été étendu du domaine rationnel aux réels via topologie et théorie de l’ordre.

Google DeepMind précise, en toute transparence, que ces résultats correspondent à un « niveau 2 » de contribution IA (publications académiques) et n’affirme aucun « niveau 3 ou 4 » (avancées majeures ou percées historiques). Les prompts et résultats sont documentés publiquement.

Validation en recherche active

Détection d'erreurs.

Lisa Carbone, mathématicienne à Rutgers spécialisée dans les structures reliant la gravité d’Einstein à la mécanique quantique, a utilisé Deep Think pour examiner un article hautement technique. Le modèle a identifié une faille logique subtile que les reviewers externes n’avaient pas détectée.

Science des matériaux.

À l’Université Duke, Deep Think a été appliqué à des défis d’optimisation en croissance de semiconducteurs, domaine exigeant des simulations et explorations de paramètres complexes.

Ingénierie de conception.

Le modèle peut transformer des dessins esquissés à la main en modèles imprimables en 3D.

Transparence méthodologique

Deux préprints, publiés aux alentours du 11–12 février 2026, documentent ces résultats avec transparence.

« Towards Autonomous Mathematics Research » détaille l’agent Aletheia, la méthodologie de vérification en langage naturel et les résultats en mathématiques autonomes, en collaboration avec des mathématiciens renommés comme Terence Tao.

« Accelerating Scientific Research with Gemini » présente les 18 problèmes, les techniques de collaboration et les premières acceptations en conférences, notamment ICLR 2026.

Trajectoire depuis juillet 2025

Cette mise à jour s’inscrit dans une progression continue. Gemini 3 Deep Think a atteint le niveau médaille d’or aux Olympiades internationales de mathématiques en juillet 2025, remporté or aux Olympiades de physique et chimie en septembre 2025, et franchit maintenant la publication mathématique autonome en février 2026.

FAQ

Quels sont les benchmarks record de Gemini 3 Deep Think ?

84,6 % sur ARC-AGI-2 (raisonnement abstrait), 3455 Elo sur Codeforces (niveau Legendary Grandmaster), 90 % sur IMO-ProofBench Advanced, et médailles d’or aux Olympiades de mathématiques, physique et chimie 2025.

Quand Gemini 3 Deep Think a-t-il été lancé ?

La mise à jour majeure a été annoncée le 12 février 2026 par Google DeepMind, avec déploiement immédiat pour utilisateurs Gemini Ultra et accès API en programme anticipé.

Qu'est-ce que l'agent Aletheia ?

Aletheia est un système de recherche mathématique autonome basé sur Deep Think, capable de générer des publications mathématiques sans intervention humaine et de résoudre des conjectures d’Erdős.

Quels sont les cas d'usage concrets de Gemini 3 Deep Think ?

Détection d’erreurs en physique mathématique, optimisation en science des matériaux, conversion de sketches en modèles 3D, et assistance à la revue par les pairs.

Où accéder à Gemini 3 Deep Think ?

Immédiatement via l’application Gemini pour utilisateurs Ultra ; accès API disponible via formulaire d’inscription au programme d’accès anticipé pour chercheurs et ingénieurs.