# Gemini 3 Pro

> Fiche du modèle de langage Gemini 3 Pro sur Quelle IA, édition du 28 septembre 2026. Gemini 3 Pro (Google DeepMind) : score IA de 83,4, 45e sur 246. Scores par tâche, prix, exécution locale et liens pour le télécharger ou l'essayer.

Page : https://quelleia.com/modeles/gemini-3-pro/
Origine : Google DeepMind · États-Unis · sorti le 18 novembre 2025

## Score général

- Score IA : 83,4 (marge à 90 % : de 81,6 à 85,3)
- Rang : 45 (Groupe 6, ex æquo)
- Couverture : 100 % du poids des tâches, 37 mesures
- Échelle : 100 pour le meilleur modèle au lancement du site, 50 pour GPT-4o de novembre 2024.

## Scores par tâche

| Tâche | Score | Détail |
| --- | --- | --- |
| Raisonnement | 82,6 | Rang 35 · 67 % |
| Code | 84,2 | Rang 30 · 38 % |
| Agents | 86,8 | Rang 11 · 56 % |
| Usage | 86,0 | Rang 31 · 100 % |
| Maths | 83,9 | Rang 36 · 62 % |
| Sciences | 86,0 | Rang 24 · 80 % |
| Français | 88,6 | Rang 11 · 88 % |
| Vision | 86,3 | Provisoire · 33 % |
| Écriture | 88,6 | Rang 22 · 100 % |
| Web | 80,3 | Rang 55 · 100 % |

## Artificial Analysis (hors du score)

Artificial Analysis évalue les modèles de son côté et publie son propre indice, l'Artificial Analysis Intelligence Index v4.3. C'est un autre indice, qui ne compte pas dans le score IA de Quelle IA et ne se compare pas directement à lui.

| Version évaluée | Indice v4.3 | Rang chez eux | Vitesse | Premier jeton | Prix par million de jetons (entrée / sortie) |
| --- | --- | --- | --- | --- | --- |
| [Gemini 3 Pro Preview (High)](https://artificialanalysis.ai/models/gemini-3-pro) | 28,0 (estimé) | hors classement | non publié | non publié | 2 $ / 12 $ |
| [Gemini 3 Pro Preview (Low)](https://artificialanalysis.ai/models/gemini-3-pro-low) | 22,3 (estimé) | hors classement | non publié | non publié | 2 $ / 12 $ |

Médianes de leurs mesures : vitesse en jetons produits par seconde, délai avant le premier jeton en secondes. Prix en dollars par million de jetons, en entrée puis en sortie. Rang parmi les 193 modèles que leur indice classe ; un indice qu'ils estiment reste hors de ce classement. Relevé le 1er octobre 2026 sur leur site, reproduit avec leur accord.

Source : Artificial Analysis, https://artificialanalysis.ai/models/gemini-3-pro

## Exécution locale

Non. Gemini 3 Pro est un modèle fermé : il s'utilise en ligne, par l'application de son éditeur ou par API.

## Fiche technique

- Prix : 1,73 € / 10,4 € (entrée / sortie, par million de jetons)
- Fenêtre de contexte : 1 000 000 jetons (environ 750 000 mots)
- Entrées : Texte, image
- Réflexion : Non communiqué
- Paramètres : Non communiqué
- Licence : Propriétaire (poids fermés, accès par l'éditeur)
- Classe énergétique : E (sur une échelle de A à G)
- Hébergement en Europe : Possible
- Connaissances jusqu'à : Juin 2025

## Où le trouver

- Par API : [API Google DeepMind](https://ai.google.dev)
- L'essayer : [Gemini](https://gemini.google.com)

## Dans les outils de code

- Disponible dans : [Cursor](https://quelleia.com/outils/#cursor) (inclus)
- Mesuré dans : [Droid (Factory)](https://quelleia.com/outils/#factory-droid)
- Relevé du 30 septembre 2026 sur la page publique de chaque outil. Un modèle proposé par un outil figure dans la liste que son éditeur publie. Rien n'y est mesuré.

## Mesures

| Benchmark | Tâche | Publié | Niveau suggéré | État | Source |
| --- | --- | --- | --- | --- | --- |
| EuroEval, Allociné (sentiment) | Français | 96,7 % | 78,7 | saturé | https://euroeval.com/leaderboards/Monolingual/french/ |
| OTIS Mock AIME 2024-2025 | Maths | 91,4 % | 78,5 | saturé | https://epoch.ai/benchmarks |
| GPQA Diamond | Sciences | 92,6 % | 86,8 | actif | https://epoch.ai/benchmarks |
| VPCT (Visual Physics Comprehension Test) | Vision | 91 % | 89,0 | archivé | https://epoch.ai/benchmarks |
| GeoBench | Vision | 84 % | 101,6 | archivé | https://epoch.ai/benchmarks |
| EuroEval, HellaSwag (bon sens) | Français | 81,8 % | 87,3 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, ELTeC (noms propres) | Français | 76,7 % | 106,1 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, ScaLA (grammaire) | Français | 75,6 % | 126,5 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| ARC-AGI-1 | Raisonnement | 75 % | 80,4 | saturé | https://epoch.ai/benchmarks |
| SWE-bench Verified | Code | 72,9 % | 80,7 | actif | https://epoch.ai/benchmarks |
| SimpleBench | Raisonnement | 76,4 % | 95,2 | actif | https://lmcouncil.ai/benchmarks |
| METR Time Horizons (taux de réussite) | Agents | 71 % | 82,0 | actif | https://epoch.ai/benchmarks |
| WeirdML (v2) | Code | 69,9 % | 88,9 | actif | https://htihle.github.io/weirdml.html |
| Terminal-Bench 2.0 | Code | 69,4 % | 84,7 | actif | https://www.tbench.ai/leaderboard/terminal-bench/2.0 |
| EuroEval, FQuAD (compréhension) | Français | 68,3 % | 60,8 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| FrontierMath, paliers 1 à 3 (version 2025) | Maths | 37,6 % | 84,2 | actif | https://epoch.ai/benchmarks |
| Arena, écriture créative | Écriture | 1 484,4 Elo | 95,6 | actif | https://arena.ai/leaderboard |
| Terminal-Bench 2.0 | Code | 65,2 % | 83,1 | actif | https://www.tbench.ai/leaderboard/terminal-bench/2.0 |
| Terminal-Bench 2.0 | Code | 62,2 % | 82,1 | actif | https://www.tbench.ai/leaderboard/terminal-bench/2.0 |
| Terminal-Bench 2.0 | Code | 62,2 % | 82,1 | actif | https://epoch.ai/benchmarks |
| Terminal-Bench 2.0 | Code | 61,8 % | 82,0 | actif | https://www.tbench.ai/leaderboard/terminal-bench/2.0 |
| Arena, texte | Usage | 1 485,5 Elo | 89,2 | actif | https://arena.ai/leaderboard |
| Arena, questions en français | Français | 1 505,9 Elo | 88,0 | actif | https://arena.ai/leaderboard |
| Terminal-Bench 2.0 | Code | 61,1 % | 81,7 | actif | https://www.tbench.ai/leaderboard/terminal-bench/2.0 |
| Arena, questions d'experts | Sciences | 1 498,2 Elo | 84,9 | actif | https://arena.ai/leaderboard |
| Arena, questions de maths | Maths | 1 476,6 Elo | 85,2 | actif | https://arena.ai/leaderboard |
| Arena, questions de code | Code | 1 517,8 Elo | 85,5 | actif | https://arena.ai/leaderboard |
| Arena, vision | Vision | 1 289,1 Elo | 90,3 | actif | https://arena.ai/leaderboard |
| BALROG | Agents | 58,1 % | 93,9 | actif | https://balrogai.com/ |
| Terminal-Bench 2.0 | Code | 56,9 % | 80,3 | actif | https://www.tbench.ai/leaderboard/terminal-bench/2.0 |
| Terminal-Bench 2.0 | Code | 56 % | 80,0 | actif | https://www.tbench.ai/leaderboard/terminal-bench/2.0 |
| compar:IA | Français | 1 052,0 Elo | 85,3 | actif | https://arene.comparia.beta.gouv.fr/ranking |
| Vending-Bench 2 | Agents | 5 478 $ | 88,3 | actif | https://epoch.ai/benchmarks |
| Code Arena, WebDev | Web | 1 438,9 Elo | 79,9 | actif | https://arena.ai/leaderboard |
| DeepResearch Bench | Agents | 46,3 % | 79,4 | actif | https://evals.futuresearch.ai/#drb |
| GDPval | Agents | 40,3 % | 81,5 | archivé | https://epoch.ai/benchmarks |
| EuroEval, OrangeSum (résumé) | Français | 39,5 % | 111,9 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| Humanity's Last Exam | Sciences | 37,5 % | 88,4 | actif | https://epoch.ai/benchmarks |
| FrontierMath, palier 4 (version 2025) | Maths | 18,8 % | 86,0 | actif | https://epoch.ai/benchmarks |
| ARC-AGI-2 | Raisonnement | 31,1 % | 81,5 | saturé | https://epoch.ai/benchmarks |
| Chess Puzzles | Raisonnement | 31 % | 84,6 | actif | https://epoch.ai/benchmarks |
| ForecastBench | Raisonnement | 61,2 % | 88,5 | actif | https://epoch.ai/benchmarks |
| ProofBench | Maths | 20 % | 82,5 | saturé | https://www.vals.ai/benchmarks/proof_bench |
| GSO | Code | 18,6 % | 82,4 | actif | https://gso-bench.github.io/index.html |
| EnigmaEval | Raisonnement | 18,2 % | 85,8 | actif | https://labs.scale.com/leaderboard/enigma_eval |
| CL-bench | Données | 15,8 % | 73,8 | actif | https://epoch.ai/benchmarks |
| CritPt | Sciences | 6,9 % | 79,4 | actif | https://epoch.ai/benchmarks |
| Remote Labor Index | Agents | 1,3 % | 78,3 | actif | https://epoch.ai/benchmarks |

## En bref

**Quel est le score de Gemini 3 Pro ?** Gemini 3 Pro obtient un score IA de 83,4, avec une marge de 81,6 à 85,3, dans l'édition du 28 septembre 2026. Il est classé 45e sur 246 modèles, à partir de 37 mesures.

**Dans quelles tâches Gemini 3 Pro est-il le plus fort ?** Ses deux meilleures tâches sont français (88,6) et écriture (88,6). Sa tâche la plus faible est web (80,3).

**Gemini 3 Pro peut-il tourner en local ?** Non. Gemini 3 Pro est un modèle fermé : il s'utilise en ligne, par l'application de son éditeur ou par API.

**Combien coûte Gemini 3 Pro ?** 1,73 € par million de jetons en entrée et 10,4 € en sortie, au tarif affiché par les fournisseurs. Le coût réel d'une tâche dépend du nombre de jetons que le modèle consomme.

**Qui édite Gemini 3 Pro ?** Gemini 3 Pro est édité par Google DeepMind (États-Unis), et il est sorti le 18 novembre 2025. C'est un modèle fermé.

Source : Quelle IA, édition du 28 septembre 2026. https://quelleia.com