L’arrivée des modèles executor : Gemini 4 Hydrogen, Muse Ember et l’orchestration multimodèle

Les laboratoires de pointe scindent les piles d’agents : un modèle qui juge, et un modèle plus rapide qui exécute la boucle. La façon par défaut…

hero-executor-models

La façon par défaut de faire tourner un agent a longtemps été simple : choisir son modèle de fondation le plus puissant, lui donner des outils, et le laisser réfléchir à chaque étape. Cette habitude devient coûteuse. Les agents dépensent l’essentiel de leurs jetons sur des gestes courts et répétitifs — lire un fichier, appeler un outil, lancer un test, analyser un document — et non sur la décision rare qui exige réellement un modèle de pointe.

À la mi-novembre 2026, trois laboratoires ont livré des produits qui traitent cette scission comme un principe de conception. Le 12 novembre, Google DeepMind a présenté Gemini 4 Hydrogen, un modèle qu’il positionne pour une exécution rapide dans le codage quotidien et les flux agentiques, aux côtés d’Orchestrator dans Google Antigravity, qui peut changer de modèle à l’intérieur d’une même session. Le 9 novembre, Meta a lancé Muse Ember, qu’il appelle son modèle le plus petit et le plus efficace, conçu pour le travail que les agents répètent toute la journée. Le même jour, Anthropic a publié Claude Fable 5.2, avec des rôles explicites d’Advisor et d’Orchestrator, et un mode rapide optionnel documenté dans les notes de version de la Claude Platform.

Cette couche est le modèle executor, et le coordonner avec un planificateur plus puissant, c’est l’orchestration multimodèle. Les scores, accélérations et montants en dollars derrière ces lancements sont des affirmations des fournisseurs, chacune rattachée à la page datée dont elle provient. Les agents qui pilotent des bureaux et des navigateurs en production soulèvent d’autres questions, traitées dans Les agents de contrôle d’ordinateur entrent en production : ce qui marche vraiment en entreprise.

La scission apparue en une semaine

Un modèle executor est un choix de produit : un modèle tarifé et réglé pour exécuter rapidement le milieu d’une boucle d’agent, tandis qu’un modèle plus cher conserve les appels difficiles. Le billet de Google du 12 novembre énonce la division en langage clair. Gemini 4 Carbon et Gemini 4 Argon, indique-t-il, « excellent dans le raisonnement profond et de long horizon sur vos problèmes les plus durs », tandis qu’Hydrogen « est conçu pour une exécution rapide à travers des flux agentiques divers ». Hydrogen, dans le cadrage de Google, peut se tenir seul pour le travail quotidien ou siéger aux côtés de Carbon et d’Argon comme « le moteur d’exécution à haute efficacité dans les flux multimodèles ».

C’est un récit différent de « un seul modèle phare fait tout », et différent des produits de coéquipier permanent traités plus tôt dans L’ère des agents permanents : Claude Duet, Muse Wonder, Perplexity Teammates et Grok Bot. La nouvelle de cette semaine porte sur quel modèle exécute quelle étape.

Gemini 4 Hydrogen et Orchestrator

Google a daté l’annonce d’Hydrogen du 12 novembre 2026 et a mis à jour le billet pour la dernière fois le 13 novembre. L’entreprise indique qu’Hydrogen est déployé dans Google AI Studio, l’API Gemini, Gemini for business, l’application Gemini, Google Search, et les abonnements payants Google AI Pro et Ultra dans Google Antigravity. Les utilisateurs gratuits de l’application Gemini, selon le billet, reçoivent Hydrogen par une sélection automatique de modèle lorsqu’il convient à l’invite. Les abonnements d’entreprise éligibles peuvent l’utiliser dans Gemini in Google Sheets.

Sur le tarif, l’affirmation de Google est inhabituellement nette : Hydrogen est « tarifé de façon forfaitaire sur l’ensemble de sa fenêtre de contexte d’un million de jetons, à 1,50 dollar par million de jetons d’entrée et 7,50 dollars par million de jetons de sortie ». Le même billet indique qu’Hydrogen a une fenêtre d’entrée native d’un million de jetons et « jusqu’à un million de jetons de sortie ». Il décrit aussi quatre niveaux de raisonnement — low, medium, high (le défaut) et un nouveau palier xhigh — afin que les équipes puissent arbitrer entre latence, coût et profondeur de raisonnement.

Les affirmations de banc d’essai doivent être lues comme celles de Google, datées du 12 novembre. À son niveau de raisonnement high par défaut, Google indique qu’Hydrogen obtient 51 à l’Artificial Analysis Intelligence Index contre 50 pour Argon, et 54 au réglage xhigh, « tout en achevant souvent les tâches plus vite que des modèles de sa classe ». Comme montée en version autonome depuis Gemini 3.8 Flash, Google affirme qu’Hydrogen achève les tâches 2,5 fois plus vite à son réglage high par défaut, fait plus que tripler les scores Terminal-Bench 4.1 (57 % contre 18,2 %), et réduit les affirmations fabriquées de plus de 5 fois. Dans des tests partenaires précoces sur des graphes complexes, du SQL et des flux d’entreprise riches en données, Google indique que des partenaires ont vu Hydrogen tourner 2 à 2,8 fois plus vite que 3.8 Flash tout en réduisant l’usage de jetons de 12 % à 23 %. Le même billet dresse d’autres placements rapportés par le fournisseur sur Agent Arena, HLE-Diamond, les bancs fiscaux et juridiques de Vals, un banc Multimodal Knowledge Agent, et Agents’ Last Exam v1.1. Aucun de ces chiffres n’a été réexécuté de façon indépendante pour cet article.

Un prisme translucide séparant un flux doré de raisonnement d’un couloir d’exécution argenté et rapide

Le mouvement de produit le plus important est peut-être Orchestrator. Google indique qu’il introduit Orchestrator dans Google Antigravity afin qu’une session puisse « basculer dynamiquement entre des modèles comme Carbon et Hydrogen » au lieu d’utiliser un seul modèle du début à la fin. Sur Terminal-Bench 4.0, Google affirme qu’Orchestrator « a atteint des taux de succès de tâche proches de ceux de Carbon tout en, en moyenne, consommant 24 % moins de quota et achevant 19 % plus vite ». Pour le travail d’agents en parallèle, le billet indique que Carbon peut jouer le rôle de coordinateur tandis qu’Hydrogen alimente des agents travailleurs et vérificateurs « pour construire et tester des changements simultanément à travers des espaces de travail isolés ».

C’est une architecture planificateur-et-exécuteur décrite dans un billet de lancement officiel, avec les affirmations propres du fournisseur sur le succès, le quota et la vitesse. Google a aussi publié des affirmations de sûreté pour un modèle plus rapide destiné à une large audience. Dans le billet du 12 novembre, il indique qu’Hydrogen réduit le dépassement de mandat (overreach) dans les tâches agentiques de jusqu’à 81 % et le sous-service de jusqu’à 79 %, réduit de 12 fois les actions mal alignées et les raccourcis de tâche dans les évaluations d’usage d’outils et de codage, et est plus de 2,3 fois plus résilient sur le banc Gray Swan IPI d’injection indirecte de prompts. Ce sont des chiffres de Google, sur les évaluations de Google ; le billet renvoie à une fiche de modèle pour plus de détail. Ils ne remplacent pas les tests propres d’un acheteur.

Muse Ember : un executor tarifé pour la boucle

Le billet Muse Ember de Meta est daté du 9 novembre 2026. L’entreprise présente Ember comme « notre modèle le plus petit et le plus efficace, conçu pour l’exécution d’un raisonnement complexe et pour le travail que les agents répètent toute la journée : appels d’outils, sous-tâches de codage, routage, extraction et analyse de longs documents ». Cette phrase est la définition du produit. Ember n’est pas vendu comme un nouveau phare de pointe. Il est vendu comme le modèle qui devrait siéger dans la boucle.

Meta indique que Muse Ember est disponible sur la Meta Model API et sur Muse Code sous le nom muse-ember-1.0, qu’il prend en charge la Responses API, et qu’il a une fenêtre de contexte d’un million de jetons avec jusqu’à 512K jetons de sortie. Le tarif affiché par Meta est de 0,10 dollar par million de jetons d’entrée, 0,004 dollar par million de jetons d’entrée en cache, et 0,50 dollar par million de jetons de sortie. Une note du même billet change ces tarifs pour les invites plus longues : 0,30 dollar par million de jetons d’entrée, 0,012 dollar par million de jetons d’entrée en cache, et 1,50 dollar par million de jetons de sortie. Meta indique aussi que Muse Ember, Muse Spark et Muse Wonder sont désormais disponibles sur Google Cloud et Oracle Cloud.

Les affirmations d’efficacité sont celles de Meta, et elles sont datées du 9 novembre. Meta indique qu’Ember « livre plus d’intelligence par dollar que Claude Haiku 5.5 ou GPT-6 Luna à n’importe quel réglage de raisonnement », qu’il « égale le meilleur score de Haiku pour environ un tiers du coût », et qu’il « se situe sur la frontière d’efficacité du classement complet d’Artificial Analysis : aucun modèle ne score plus haut pour moins par tâche ». Un tableau du même billet, au maximum d’effort de raisonnement, place Ember devant les scores Haiku 5.5 et GPT-6 Luna que Meta dresse sur plusieurs évaluations d’agents et de codage, et à égalité avec Haiku 5.5 sur l’Artificial Analysis Index (36 contre 28 pour Luna). Sur FrontierCode 2.0-AA, le tableau de Meta lui-même place Haiku 5.5 devant (34,9 contre 27,2 pour Ember). Ces nombres sont la présentation par Meta de résultats d’Artificial Analysis et de résultats internes, avec des harnesses qui diffèrent selon le modèle, comme le divulguent les notes du billet.

Pour les équipes qui font déjà tourner des agents, la question utile n’est pas de savoir si Ember « gagne » un classement. C’est de savoir si un modèle à 0,10 / 0,50 dollar est assez bon pour les appels qui dominent le volume de jetons, de sorte qu’un modèle plus cher soit réservé aux étapes qui en ont réellement besoin.

Claude Fable 5.2 : conseiller, orchestrateur, et un mode plus rapide

Le billet de lancement d’Anthropic pour Claude Fable 5.2 et Claude Mythos 5.2 est daté du 9 novembre 2026. Anthropic indique que les deux noms sont « le même modèle sous-jacent ». Fable 5.2 est la référence généralement disponible ; Mythos 5.2 est limité aux organisations vérifiées par des programmes tels que les Life Sciences et Cyber Verification Programs.

Ce qui importe pour l’orchestration, c’est la façon dont Anthropic dit aux clients d’utiliser le modèle. Le billet indique que Fable et Mythos sont « les mieux adaptés au travail technique le plus ambitieux et le plus ouvert ». Pour la plupart des tâches de codage et de connaissance, Anthropic recommande de commencer par Claude Opus 5.5, puis de basculer « vers le haut vers Fable ou Mythos, ou vers le bas vers Claude Sonnet 5.5 ou Claude Haiku 5.5 », selon le périmètre et la complexité. Fable 5.2, ajoute-t-il, « peut aussi jouer le rôle d’Advisor (où les modèles Haiku, Sonnet ou Opus le consultent pour aider à résoudre des problèmes plus durs) ou d’Orchestrator (où il délègue des tâches plus simples à des modèles plus petits) ».

C’est un schéma officiel planificateur-et-exécuteur, même si Anthropic n’emploie pas exactement ces mots. Les notes de version de la Claude Platform du 9 novembre 2026 ajoutent les contraintes d’API. Les deux modèles ont une fenêtre de contexte d’un million de jetons, 128K jetons de sortie au maximum, et un raisonnement adaptatif toujours actif. Ils coûtent 8 dollars par million de jetons d’entrée et 40 dollars par million de jetons de sortie, en baisse par rapport aux 10 et 50 dollars de la génération 5.1. Le billet de lancement d’Anthropic affirme aussi que les nouveaux modèles « génèrent des sorties jusqu’à 30 % plus rapides » que Fable 5.1 et Mythos 5.1. Les mêmes notes de version indiquent que le mode rapide pour Claude Fable 5.2 est disponible dans les requêtes Messages API sur l’API Claude : il « livre jusqu’à 2,5 fois plus de jetons de sortie par seconde, à 16 dollars US par MTok d’entrée et 80 dollars US par MTok de sortie », activé en fixant speed: "fast" sans en-tête bêta.

Les notes du 9 novembre resserrent aussi l’outil advisor en version bêta. Un exécuteur Claude Fable 5.2 ou Claude Mythos 5.2, indiquent les notes, « n’accepte que Claude Fable 5.2 ou Claude Mythos 5.2 comme conseiller » ; tout autre conseiller renvoie une erreur 400. Tout modèle executor, toutefois, « accepte Claude Fable 5.2 comme conseiller ». Autrement dit, Fable 5.2 peut conseiller un exécuteur plus petit, mais un exécuteur Fable 5.2 n’est pas autorisé à recevoir le conseil d’un modèle plus faible. Anthropic encode la hiérarchie dans l’API, et non seulement dans un schéma de billet de blog.

Un détail connexe des mêmes notes mérite d’être signalé à quiconque route en cours de conversation : Fable 5.2 et Mythos 5.2 peuvent lire les blocs de raisonnement (thinking blocks) de Claude Opus 5.5, Claude Sonnet 5.5 et Claude Haiku 5.5 sur l’API Claude et sur Claude Models on Google Cloud (géré par Google). Aucun autre modèle ne lit les blocs de raisonnement produits par Fable 5.2 ou Mythos 5.2 ; si une conversation quitte cette paire, ces blocs sont abandonnés. Le routage multimodèle n’est plus seulement une optimisation de coût. Il a des règles de transfert d’état.

SpaceXSI cette semaine, et en septembre

SpaceXSI n’a pas annoncé de modèle d’exécution dédié dans la semaine du 9 au 16 novembre 2026. C’est une description du dossier public sur son index d’actualités, non un jugement sur la feuille de route de l’entreprise.

Son plus récent billet officiel de modèle de pointe, Introducing Grok 4.7, est daté du 21 septembre 2026 sur l’index d’actualités de SpaceXSI (la page d’annonce elle-même n’affichait pas de date de calendrier dans la version consultée pour cet article). Le chapô du billet est une affirmation du fournisseur, citée ici en entier : « Deux fois plus rapide, à la moitié du prix des modèles comparables. » Dans le corps, SpaceXSI indique que Grok 4.7 est « Servi au même prix et à la même vitesse que Grok 4.6 », qu’il est « très compétitif dans sa catégorie », et qu’il est « tarifé à partir de 2 dollars par million de jetons d’entrée et 6 dollars par million de jetons de sortie ». Le même billet indique que l’entreprise sert aussi « une variante rapide offrant le double de vitesse de sortie, au double du prix ». Telle qu’elle y est décrite, cette variante rapide est une façon plus chère de faire tourner plus vite la même génération de modèle — non une référence executor plus petite et moins chère du type Hydrogen ou Ember.

Le 2 novembre 2026, selon le même index d’actualités, SpaceXSI a publié Introducing Grok Bot 1.0, une mise à jour majeure de ses coéquipiers d’IA. Sur l’efficacité, l’annonce indique seulement que SpaceXSI a rendu les Bots « plus efficaces, en réduisant les ressources nécessaires pour achever les tâches ». Elle n’attache pas de chiffres à cette phrase, et aucun n’est inventé ici.

Ce que cela change dans une pile de production

Le basculement pratique est opérationnel. Les équipes qui envoient encore chaque étape d’agent à un seul modèle de pointe paient des tarifs de pointe pour un travail que Google, Meta et Anthropic découpent désormais pour des modèles plus rapides — ou pour un basculement en cours de session entre les deux. Les affirmations des fournisseurs dans cet article (un succès proche du phare à un quota moindre, plus d’intelligence par dollar, un mode rapide 2,5 fois plus vif) doivent être testées sur le harness propre de chaque équipe.

Une courte liste de contrôle est plus utile qu’un classement. Le routage habite des lieux différents : l’Orchestrator de Google à l’intérieur d’Antigravity, les rôles Advisor et Orchestrator d’Anthropic et les règles d’API de l’outil advisor, et l’invitation de Meta à diriger les appels répétitifs vers Ember. L’état ne survit pas toujours à un basculement : les notes de version d’Anthropic disent déjà que les blocs de raisonnement ne voyagent pas également dans les deux sens. Les tarifs affichés ne sont pas comparables sans harness — les notes d’Ember changent les tarifs au-delà d’un seuil de longueur d’invite, le tarif d’Hydrogen est forfaitaire sur une fenêtre d’un million de jetons, et le mode rapide d’Anthropic double le tarif au jeton pour un gain de vitesse revendiqué. Et un modèle bon marché ou plus rapide qui appelle le mauvais outil n’est pas une affaire ; le billet Hydrogen de Google insiste sur un comportement plus propre lorsqu’un appel d’outil échoue ou qu’une recherche revient vide, ce qui est le bon type d’affirmation à tester.

Le modèle executor n’est pas un remplacement du jugement de pointe, et les lancements de la mi-novembre ne prétendent pas le contraire. C’est un aveu, tiré de trois billets officiels en quatre jours, que l’essentiel de la journée d’un agent est de l’exécution — et que l’exécution a désormais ses propres références, tarifs et routeurs.

Références / sources

  1. Introducing Gemini 4 Hydrogen — Google DeepMind, 12 novembre 2026 (dernière mise à jour le 13 novembre 2026) ; positionnement d’Hydrogen, tarifs, affirmations sur Orchestrator, disponibilité, chiffres de sûreté.
  2. Introducing Our Smallest, Most Efficient Model : Muse Ember — Meta Research, 9 novembre 2026 ; tarifs d’Ember, fenêtre de contexte, tableaux Artificial Analysis et d’évaluation, disponibilité cloud.
  3. Claude Fable 5.2 and Mythos 5.2 — Anthropic, 9 novembre 2026 ; tarifs, mode rapide optionnel, rôles Advisor et Orchestrator, routage recommandé avec Opus / Sonnet / Haiku.
  4. Claude Platform release notes — Anthropic, entrées datées du 9 novembre 2026 ; contexte et tarifs de Fable 5.2 / Mythos 5.2, mode rapide (speed: "fast", 16 / 80 dollars, jusqu’à 2,5 fois), compatibilité de l’outil advisor, règles de transfert des blocs de raisonnement.
  5. Introducing Grok 4.7 — SpaceXSI ; affirmation du fournisseur en chapô « Deux fois plus rapide, à la moitié du prix des modèles comparables. », tarifs, variante rapide à deux fois la vitesse et deux fois le prix. Date de calendrier 21 septembre 2026 tirée de l’index d’actualités de SpaceXSI ; la page d’annonce consultée n’affichait pas de date dans le corps.
  6. Introducing Grok Bot 1.0 — SpaceXSI ; Team Bots, Slack / Microsoft Teams / appels vidéo, phrase d’efficacité sans chiffres. Date de calendrier 2 novembre 2026 tirée de l’index d’actualités de SpaceXSI ; la page d’annonce consultée n’affichait pas de date dans le corps.

Partager cet article

Images : illustrations originales créées pour AndBeyond.Tech ; aucun logo ni aucune personne réelle n’y figurent.