Benchmark de Gemini 3.5 Flash : vitesse, scores de codage, tarifs API et alternatives

Gemini 3.5 Flash paraît bon marché par token et rapide sur le papier, mais la réalité est plus nuancée. Découvrez les gains de vitesse annoncés, les scores Terminal-Bench et SWE-Bench Pro, les chiffres de l’indice de codage indépendant, les coûts réels des exécutions d’agents et les alternatives adaptées à votre budget.

Benchmark de Gemini 3.5 Flash : vitesse, scores de codage, tarifs API et alternatives
Cristian Da Conceicao

Gemini 3.5 Flash est arrivé avec une promesse audacieuse : des performances de niveau de pointe en codage et en agents, à une vitesse plusieurs fois supérieure à celle de la génération précédente. Puis les chiffres indépendants ont commencé à tomber, et l’histoire s’est révélée plus intéressante. Certains benchmarks le placent devant Gemini 3.1 Pro. D’autres le situent nettement derrière. Et le prix par token, pour modeste qu’il soit, ne vous dit pas combien coûtera réellement une exécution d’agent en fin de mois.

Cette analyse rassemble au même endroit les scores de benchmark publiés, la tarification API, les promesses de vitesse et les mauvaises surprises de coût en conditions réelles, pour vous permettre de décider si Gemini 3.5 Flash mérite une place dans votre ensemble d’outils. Vous trouverez aussi un court tutoriel pour l’essayer, ainsi que des alternatives à tester côte à côte.

💡 Remarque rapide sur les sources : Les chiffres ci-dessous proviennent du dossier de lancement de Google et de suivis et tests tiers publiés après la sortie. Les scores de benchmark varient selon les versions du modèle (réflexion désactivée ou élevée). Considérez donc chaque score comme un instantané, et non comme un verdict définitif.

Ce qu’est réellement Gemini 3.5 Flash

Gemini 3.5 Flash est le modèle rapide et orienté coût de Google dans la famille Gemini 3.5, présenté autour de Google I/O 2026. Il se place sous le niveau Pro et est conçu pour les traitements à gros volume : chat, assistants de codage, traitement de documents et boucles d’agents où la latence et le coût comptent davantage que le gain de quelques points de précision.

Une ingénieure logicielle travaillant à un bureau en chêne, un chronomètre posé à côté de son ordinateur portable

Voici la version courte de sa fiche technique :

CaractéristiqueDétails
Famille de modèlesGemini 3.5 (niveau Flash)
Types d’entréeTexte, images, audio, vidéo
Audio longJusqu’à environ 8,4 heures par requête
Vidéo longueJusqu’à 45 minutes par requête
Sortie maximaleEnviron 65K tokens
Contrôle du raisonnementAucun, niveaux de réflexion faible ou élevé
PositionnementNiveau rapide et moins coûteux pour le codage et les agents

Le réglage du niveau de réflexion compte davantage qu’il n’y paraît. Le même identifiant de modèle peut se comporter comme deux produits différents selon que vous désactivez le raisonnement ou que vous le poussez au niveau élevé. C’est l’une des raisons pour lesquelles les tableaux de benchmarks se contredisent si souvent.

Pour qui il est conçu

Les équipes qui gèrent des bots de support client, des assistants de relecture de code, des chaînes de synthèse et de la saisie multimodale (une note vocale, une capture d’écran et une question, par exemple) sont le public naturel. Si votre charge de travail se résume à quelques appels de raisonnement approfondi par jour, un modèle de classe Pro est généralement le meilleur choix.

Sa place dans la gamme

Gemini 3.5 Flash remplace le rôle joué auparavant par Gemini 3 Flash et Gemini 2.5 Flash. Le niveau Pro est aujourd’hui représenté par Gemini 3.1 Pro, qui reste la référence dans la plupart des comparaisons.

Vitesse : à quelle vitesse va-t-il vraiment ?

L’affirmation phare des articles de lancement est que Gemini 3.5 Flash fonctionne environ quatre fois plus vite que la génération précédente. Ce chiffre concerne la vitesse de sortie, c’est-à-dire la rapidité avec laquelle les tokens sont renvoyés une fois la génération commencée.

Gros plan d’un chronomètre en acier sur un bureau en noyer, à côté d’un ordinateur portable

Un streaming rapide est agréable dans une fenêtre de chat. Mais trois éléments changent l’expérience en production :

  1. Niveau de réflexion. La réflexion élevée ajoute des tokens de raisonnement cachés avant l’apparition du premier mot visible, donc le temps jusqu’au premier token augmente.
  2. Taille du prompt. Les longs documents et les entrées vidéo ajoutent du temps de traitement avant le début de la génération.
  3. Volume de tokens. Un modèle rapide par token mais qui produit beaucoup plus de tokens par tâche peut quand même terminer plus tard qu’un modèle plus lent et plus concis.

💡 Conseil pratique : Mesurez le temps de tâche de bout en bout, et non les tokens par seconde. Soumettez les mêmes dix prompts réels à deux modèles et chronométrez la réponse complète. Ce seul test vaut plus que n’importe quel classement.

Compromis entre vitesse et qualité

Avec la réflexion désactivée, vous obtenez les réponses les plus rapides et les factures les plus basses. Passez à la réflexion faible pour les questions de codage courantes. Réservez la réflexion élevée aux bugs récalcitrants, à la planification en plusieurs étapes ou aux tâches très mathématiques, où quelques secondes de plus apportent des réponses nettement meilleures.

Scores de codage : des titres solides, une réalité plus nuancée

C’est là que les chiffres deviennent confus. Voici donc la comparaison claire, côte à côte.

Un développeur en sweat gris relisant du code sur un grand écran

BenchmarkGemini 3.5 FlashComparaison
Terminal-Bench 2.1 (publié par Google)76,2 %Gemini 3.1 Pro : 70,3 %
SWE-Bench Pro, jeu public (publié par Google)55,1 %n.d.
Independent Coding Index (variante par défaut)45,0Gemini 3.1 Pro : 56,5
Independent Coding Index (variante à réflexion élevée)70,1Relevé par un autre suivi
Classement de codage Android6e placeDerrière GPT-5.5

Là où il brille

Terminal et tâches d’agent. Un score de 76,2 % sur Terminal-Bench 2.1 devance Gemini 3.1 Pro selon les chiffres publiés par Google. Ce benchmark récompense un modèle capable d’exécuter des commandes, de lire les sorties et de corriger ses propres erreurs sur plusieurs étapes. C’est ce qui se rapproche le plus d’un vrai flux de travail en ligne de commande.

Là où il pèche

Indices de codage indépendants. Un suivi très utilisé a attribué à la variante par défaut un Coding Index de 45,0, nettement sous les 56,5 de Gemini 3.1 Pro. Cet écart contredit l’idée que Flash égale le haut de gamme pour la programmation courante. Un autre relevé, pour la variante à réflexion élevée, affiche 70,1 : un écart énorme dû à un seul réglage.

💡 Lisez les petits caractères : Vérifiez toujours à quelle variante appartient un score. « Gemini 3.5 Flash » avec la réflexion désactivée et « Gemini 3.5 Flash » avec la réflexion élevée sont en pratique deux modèles différents.

Ce que révèle l’écart

Les scores publiés par les éditeurs utilisent généralement la meilleure configuration et le meilleur dispositif d’agent (scaffolding). Les suivis indépendants utilisent une configuration standard. Aucun des deux n’a tort. Votre propre projet, avec votre base de code et vos prompts, se situera quelque part entre les deux. La seule démarche fiable consiste à tester sur un échantillon de vos tickets réels.

Tarification API et coût réel

Sur le papier, la tarification est simple. Les sources s’accordent sur les tarifs suivants pour l’API Gemini, avec l’identifiant de modèle gemini-3.5-flash :

Une calculatrice, une facture et un stylo sur un bureau en chêne clair

Type de tokenPrix par million de tokens
Entrée1,50 $
Sortie9,00 $
Entrée en cache0,15 $ (environ 90 % de réduction)

L’entrée en cache est le héros discret. Si votre application renvoie à chaque appel le même long prompt système, un grand document ou un résumé de dépôt de code, la mise en cache ramène cette partie de la facture au dixième.

Le problème de l’appétit en tokens

Voici le piège. Un rapport sur des tâches de codage Android a montré qu’une évaluation complète avec Gemini 3.5 Flash coûtait environ 147,10 $, parce que le modèle a utilisé environ 5,5 fois les tokens nécessaires à Gemini 3.1 Pro pour le même travail. Le titre mettait en avant un coût final d’environ trois fois supérieur, malgré le tarif par token plus bas.

La leçon est directe : le prix par token n’est pas le prix par tâche. Un modèle qui réfléchit plus longtemps, relance davantage de requêtes et produit des réponses plus verbeuses multiplie votre coût effectif.

Une formule simple pour le coût

Utilisez cette estimation rapide avant de vous engager :

  • Estimez le nombre moyen de tokens d’entrée par tâche, puis multipliez-le par le tarif d’entrée.
  • Estimez le nombre moyen de tokens de sortie par tâche, y compris les tokens de raisonnement cachés, puis multipliez-le par le tarif de sortie.
  • Soustrayez les économies liées à l’entrée en cache lorsque le prompt se répète.
  • Multipliez le tout par le volume mensuel de tâches.

💡 Conseil budget : Enregistrez les nombres réels de tokens pendant une semaine sur une petite part de trafic. Les tokens de raisonnement sont facturés en sortie, donc c’est en général le côté sortie qui surprend en premier.

Comment réduire la facture

  1. Désactivez la réflexion pour la classification simple, l’extraction et la synthèse.
  2. Limitez le nombre maximal de tokens de sortie pour qu’une réponse qui s’emballe ne consomme pas le budget.
  3. Mettez en cache le contexte statique, comme les documents de politique et les définitions d’outils.
  4. Répartissez selon la difficulté : envoyez les requêtes faciles vers un modèle moins cher et les difficiles vers un modèle plus puissant.

Les atouts multimodaux à retenir

Au-delà du code, le modèle accepte texte, images, audio et vidéo dans un même prompt. C’est vraiment utile. Vous pouvez joindre l’enregistrement d’écran d’un bug, une explication orale et une question, puis obtenir un diagnostic écrit.

Une femme tapant sur un ordinateur portable à une table de café, un téléphone à côté d’elle

Usages concrets qui exploitent cet atout :

  • Enregistrements de réunions transformés en actions à mener et en comptes rendus écrits.
  • Captures d’écran d’erreurs accompagnées d’une courte question sur la cause.
  • Longs fichiers audio transcrits et condensés en une seule requête.
  • Vidéos de produits décrites et étiquetées sans découpage manuel.

Pour ce type de charges de travail, les limites d’entrée généreuses (des heures d’audio, des dizaines de minutes de vidéo) vous évitent de créer une logique de découpage.

Infrastructure et fiabilité

Les modèles rapides sont souvent choisis pour des tâches backend qui s’exécutent des milliers de fois par heure. Dans ce cas, portez attention aux limites de débit, au comportement des nouvelles tentatives et à la dispersion des latences, et pas seulement aux moyennes. Un modèle rapide à la médiane mais lent au 99e percentile peut quand même bloquer un pipeline.

Un couloir de salle serveur avec des baies et un technicien qui s’éloigne

Utiliser Gemini 3.5 Flash sur PicassoIA

Vous pouvez tester le modèle sans écrire une seule ligne de code. Gemini 3.5 Flash sur PicassoIA fonctionne dans le navigateur, ce qui vous permet de le comparer à d’autres modèles avec le même prompt.

Étape par étape

  1. Ouvrez la page de Gemini 3.5 Flash dans la collection Large Language Models.
  2. Saisissez votre demande dans le champ Prompt. Soyez précis : collez le code, l’erreur et le résultat attendu.
  3. Ajoutez éventuellement une System Instruction pour définir le rôle, par exemple « Vous êtes un relecteur senior. Répondez avec une courte liste de problèmes. »
  4. Joignez des images (jusqu’à 10), de l’audio (un fichier) ou des vidéos (jusqu’à 10) si votre tâche en a besoin.
  5. Choisissez un Thinking Level : none, low ou high.
  6. Lancez le prompt, examinez la sortie, puis ajustez et relancez.

Conseils sur les paramètres

ParamètreCe qu’il faitPoint de départ conseillé
Thinking levelRègle la profondeur du raisonnementAucun pour le chat, faible pour le code, élevé pour les bugs difficiles
TemperatureContrôle l’aléatoire0,2 à 0,4 pour le code, 1,0 pour l’écriture créative
Top PLimite le groupe de tokens échantillonnésGardez la valeur par défaut de 0,95
Max output tokensPlafonne la longueur de la réponseBaissez-la pour les réponses courtes afin de gagner du temps
Video FPSImages extraites de la vidéoAugmentez-la seulement pour les séquences à mouvement rapide

Un bureau de type comptable, adapté à la planification budgétaire

💡 Testez comme un pro : Lancez le même prompt trois fois, une fois par niveau de réflexion. Comparez la qualité et le temps de réponse. Dans bien des cas, la réflexion faible offre 90 % de la qualité pour une fraction de l’attente.

Agents et flux de travail : le vrai test

Le travail avec des agents est là où les modèles de classe Flash sont censés faire leurs preuves. Une boucle d’agent peut effectuer 20 à 50 appels de modèle pour mener à bien une seule tâche : lire un fichier, planifier, modifier, lancer les tests, lire les erreurs, modifier à nouveau. La vitesse par appel et le coût par appel se multiplient tous les deux.

C’est pourquoi le résultat sur Terminal-Bench est séduisant et le résultat sur l’appétit en tokens inquiétant. Les appels rapides aident. Les appels verbeux nuisent. Si le modèle a besoin de moins de relances, vous y gagnez. S’il s’emballe, vous payez.

Quelques habitudes pour garder la facture des agents sous contrôle :

  • Fixez une limite stricte d’étapes par tâche.
  • Résumez l’ancien contexte au lieu de tout renvoyer.
  • Utilisez un modèle moins cher pour la planification et un modèle plus puissant pour la modification finale.
  • Enregistrez les tokens par tâche et configurez des alertes pour les valeurs aberrantes.

Alternatives à tester

Gemini 3.5 Flash n’est pas la réponse à toutes les charges de travail. Ces modèles sont tous disponibles sur PicassoIA, vous pouvez donc exécuter directement vos propres prompts.

Un étudiant travaillant sur un ordinateur portable à une table de bibliothèque

ModèleIdéal pourPourquoi le considérer
Gemini 3.1 ProCodage exigeant et raisonnementPlus performant sur les indices de codage indépendants, et il a utilisé nettement moins de tokens lors du test Android
Gemini 3 FlashChat et vision rapides et économiquesUne option plus légère pour les tâches simples à gros volume
Claude Sonnet 5Automatisation du codageChoix populaire pour les modifications multi-fichiers et la relecture de code
GPT 5.6 SolTâches de codage complexesConçu pour les problèmes d’ingénierie difficiles
GPT 5.6 LunaRéponses textuelles rapidesUne option axée sur la vitesse pour l’écriture et le chat du quotidien
DeepSeek V3.1Codage et raisonnement à petit budgetUn choix au rapport qualité-prix remarquable pour le texte et le code

Quand choisir chacun

  • Vous avez besoin de la plus haute précision en codage : commencez par Gemini 3.1 Pro, Claude Sonnet 5 ou GPT 5.6 Sol.
  • Vous avez besoin de la latence et du coût les plus bas : essayez Gemini 3.5 Flash avec la réflexion désactivée, Gemini 3 Flash ou GPT 5.6 Luna.
  • Vous avez besoin d’une entrée multimodale dans un seul appel : Gemini 3.5 Flash est difficile à battre grâce à ses limites audio et vidéo.
  • Vous voulez un modèle de raisonnement économique : DeepSeek V3.1 mérite un essai.

Une méthode de comparaison équitable

Choisissez 20 tâches réelles dans votre travail. Soumettez chacune à deux ou trois modèles avec des prompts identiques. Notez les réponses sur l’exactitude, le style et le temps. Additionnez les nombres de tokens. Vous obtiendrez une meilleure réponse en un après-midi que n’importe quel classement.

Verdict final : pour qui est-il fait ?

Gemini 3.5 Flash est un cheval de trait rapide et multimodal, avec de réels atouts pour les tâches d’agent de style terminal et le traitement de longs contenus médias. Son prix affiché de 1,50 $ en entrée et 9 $ en sortie par million de tokens paraît attractif, mais un comportement gourmand en tokens peut effacer les économies. Les indices de codage indépendants le montrent derrière Gemini 3.1 Pro avec son réglage par défaut, tandis que la variante à réflexion élevée réduit nettement l’écart.

Choisissez-le si vous traitez de l’audio et de la vidéo, faites tourner des assistants rapides ou avez besoin d’étapes d’agent rapides avec un contexte mis en cache.

Passez votre chemin si votre travail consiste en un petit nombre de problèmes de codage très difficiles où la précision prime sur tout le reste.

Essayez-le vous-même sur PicassoIA

Le moyen le plus rapide de trancher le débat est un test en direct. Ouvrez Gemini 3.5 Flash sur PicassoIA, collez un vrai prompt de votre projet et basculez le niveau de réflexion entre none, low et high. Lancez ensuite le même prompt sur Claude Sonnet 5 ou Gemini 3.1 Pro et comparez.

Une jeune femme debout près d’une grande fenêtre lumineuse, tenant un ordinateur portable

PicassoIA rassemble aussi des outils de génération d’images, de création de vidéos, de synthèse vocale et de musique en un seul endroit. Parcourez l’ensemble sur picassoia.com/en/all-models et commencez dès aujourd’hui à expérimenter vos propres idées.

Partager cet article

Choisissez votre langue

FreeCréez des images et vidéos IAGratuit, sans carte bancaireGénérations gratuites pour commencerSeedance 2.5 Lite inclusCommencez gratuitement