Data / IA
Gemini Deep Think l’emporte sur 139 équipes humaines dans un concours de codage
Par Laurent Delattre, publié le 18 septembre 2025
Après sa médaille d’or en maths, Gemini 2.5 Deep Think obtient une nouvelle fois l’or, cette fois dans un concours de programmation (le prestigieux ICPC 2025). Entre buzz et cap industriel, la fenêtre s’ouvre plus grand encore pour des agents IA de codage capables de proposer, vérifier et itérer. Et pour les DSI, l’enjeu se déplace désormais vers la fiabilité en production et ce qu’elle impose…
Dans l’arène impitoyable de l’International Collegiate Programming Contest (ICPC), considéré comme le Graal des compétitions universitaires de programmation, un invité inattendu a décroché l’or : Gemini 2.5 Deep Think, le modèle avancé de Google DeepMind, déjà auréolé cet été d’une médaille d’or aux olympiades de mathématiques. En résolvant dix des douze problèmes proposés dans la fenêtre imposée de 5 heures, l’IA s’est hissée au niveau des meilleures équipes mondiales, surpassant la majorité d’entre elles. Et ce n’est pas anodin. L’ICPC évalue la pensée algorithmique, la modélisation et la rigueur d’implémentation sous contrainte de temps, bien au-delà d’un simple « coding test ».
Ce qui frappe, ce n’est pas seulement la performance brute, mais la nature des problèmes résolus. L’un d’eux, le fameux « Problème C », a résisté à l’ensemble des 139 équipes humaines présentes. Seul Gemini a réussi à débloquer cet exercice resté insoluble pour tous les concurrents humains. Il s’agissait d’un défi d’optimisation complexe : trouver la configuration idéale pour distribuer un liquide à travers un réseau de conduits interconnectés. Là où les cerveaux humains se sont heurtés à une infinité de combinaisons, Gemini a trouvé une solution en moins de trente minutes, en mobilisant une approche mêlant théorie des jeux et programmation dynamique.
Ce qui, forcément, change la nature du débat sur les capacités d’abstraction des modèles actuels.
« C’est un moment historique, équivalent à Deep Blue pour les échecs ou AlphaGo pour le jeu de Go », a déclaré Quoc Le, vice-président de Google DeepMind, avant d’ajouter : « Cette avancée a le potentiel de transformer de nombreuses disciplines scientifiques et d’ingénierie ».
Un exploit de l’IA sur fond de paradoxe
La nouvelle, évidemment très mise en avant par le marketing du géant américain, a de quoi interpeler les DSI.
D’abord parce que l’IA générative a complètement réinventé le quotidien des développeurs et l’arrivée récente de l’IA agentique (avec Google Jules, Cursor, GitHub Copilot Agent, OpenAI Codex, Claude Code) a encore davantage ancré l’IA dans tous les processus de développement. Selon une récente étude de Canva, 94 % des entreprises interrogées utilisent déjà des outils de codage assisté par l’IA. Et selon la dernière étude Checkmarx, 34% des entreprises reconnaissent que plus de 60% de leur code est aujourd’hui généré par l’IA.
Ensuite parce que de nombreuses études publiées ces derniers soulignent une méfiance croissante des développeurs face à la qualité des codes générés par l’IA. Selon une enquête Stack Overflow, plus de 60 % des développeurs interrogés déclaraient ne pas faire confiance aux suggestions de code produites par des assistants automatisés, invoquant des problèmes de fiabilité, de sécurité et de lisibilité. Une autre étude publiée par GitHub mettait en évidence que si les outils d’IA accélèrent la production, ils génèrent aussi un volume non négligeable de « faux positifs » et de bugs subtils, difficiles à détecter sans une relecture humaine approfondie. Dans un même ordre d’idées, Checkmarx s’inquiète dans son étude « Future of Application Security in the Era of AI » de voir du code généré par l’IA se déployer sans vérifications humaines alors que « 81 % des organisations avouent livrer sciemment du code vulnérable, et 98 % ont subi une faille liée à ce code au cours de l’année écoulée ».
Cette défiance n’a rien d’anecdotique. Elle traduit une inquiétude profonde qui pourrait, dans la durée, impacter la confiance des devs envers l’IA… Et sans confiance, pas d’innovation.
Stuart Russell, professeur d’informatique à Berkeley, a d’ailleurs tempéré l’enthousiasme autour de Gemini : taclant le marketing du groupe, il estime que « les affirmations d’importance historique semblent exagérées » et que la vraie question reste de savoir si ces modèles peuvent produire du code suffisamment robuste pour être utilisé en production. Nombre d’experts rappellent que briller en compétition n’équivaut pas à la robustesse exigée par l’ingénierie logicielle en production, où lisibilité, maintenance, sécurité, tests et coûts d’exécution font la différence. Dit autrement, le passage du « concours » au « produit final » exige davantage d’efforts et des garde-fous : observabilité des agents, politiques de tests, SAST/DAST intégrés, contrôle des coûts GPU/CPU, traçabilité des données, et gestion des risques de génération d’algorithmes efficaces mais non sûrs. Ces éléments feront, en pratique, la différence entre une prouesse de laboratoire et un avantage compétitif durable. En d’autres termes, il faut davantage qu’un bon modèle.
Un indéniable pas en avant
Pour les DSI, l’enjeu d’une telle progression de l’IA dépasse la simple prouesse académique. L’ICPC impose des règles strictes : seules les solutions parfaites sont acceptées, et chaque minute compte. Gemini a résolu huit problèmes en seulement 45 minutes, démontrant une capacité d’abstraction et de rapidité qui ouvre des perspectives concrètes pour le développement logiciel et la productivité des équipes mais aussi pour améliorer la confiance des Devs dans l’IA.
Comme l’a souligné Dr Bill Poucher, directeur exécutif de l’ICPC : « L’ICPC a toujours eu pour vocation de placer la barre très haut en matière de résolution de problèmes. Le fait que Gemini ait pu entrer dans cette compétition et atteindre un niveau équivalent à une médaille d’or marque un tournant important. C’est un signal fort vers l’émergence d’outils IA plus puissants et l’importance de faire évoluer les standards académiques à l’avenir.».
C’est précisément là que la performance de Gemini prend tout son sens. Contrairement aux générateurs de code classiques, souvent cantonnés à des tâches de complétion, Deep Think a démontré sa capacité à raisonner, à explorer plusieurs approches et à valider ses propres solutions avant de les soumettre.
Google insiste sur cette différence : « Si l’on combine les meilleures solutions des équipes humaines et celles de Gemini, les douze problèmes du challenge ICPC 2025 auraient été résolus », rappelle l’équipe DeepMind. Autrement dit, l’IA ne se substitue pas aux développeurs, mais agit comme un partenaire de réflexion, capable de proposer des pistes inédites que l’humain peut ensuite explorer, affiner et sécuriser.
Google a largement fait son retard sur OpenAI
Enfin dernier éclairage, cette nouvelle victoire de Gemini 2.5 Deep Think, après sa médaille d’or à l’Olympiade internationale de mathématiques en juillet, confirme les fulgurants progrès réalisés par Google/Deepmind ces derniers mois. Jusque là, les modèles de Google étaient – dans les usages courants – souvent considérés comme moins pertinents que ceux d’OpenAI. Ce n’est clairement plus vrai depuis la sortie de Gemini 2.5 Pro et Gemini 2.5 Deep Think. En témoigne le succès croissant de l’App Gemini dans les apps store et la domination de Gemini 2.5 pro sur les classements LMArena ou LLM leadeboard depuis plusieurs semaines. Pour Google, ces victoires successives incarnent « un bond profond dans la résolution abstraite de problèmes, marquant une étape significative sur notre chemin vers l’intelligence artificielle générale ». On notera quand même que, comme pour les Olympiades de Mathématiques, OpenAI a également passé le test ICPC dans des conditions équivalentes mais non officielles à l’aide d’une variante expérimentale de GPT-5 Pro (plus probablement une version expérimentale et dopée de son tout modèle GPT-5-Codex lancé cette semaine pour animer désormais son agent d’aide aux devs OpenAI Codex). Selon le Financial Times, le modèle d’OpenAI aurait, lui, résolu les 12 épreuves dans le temps imparti. Mais Google a passé le concours de façon très officielle et avec un modèle déjà disponible (même si Deep Think n’est accessible qu’aux abonnés « Google AI Ultra »).
Un bémol demeure : l’opacité des moyens. Google ne documente pas précisément les ressources de calcul ou les réglages utilisés pour cette performance, un paramètre décisif pour apprécier les coûts et la reproductibilité côté entreprise. Cette zone grise rappelle que les feuilles de route d’industrialisation devront intégrer, très tôt, des métriques de coût par problème résolu, de latence et d’empreinte énergétique.
Au final, on retiendra que l’ICPC 2025 marque un tournant : l’IA ne se contente plus d’« aider à coder », elle franchit un palier en résolution de problèmes sous contrainte, avec des résultats mesurés par des juges implacables.
Un tournant qui doit aussi nous rappeler que le travail des DSI n’est pas de « remplacer » des équipes par des agents compétitifs, mais d’orchestrer cette nouvelle capacité dans des chaînes de valeur outillées, auditées et gouvernées, là où se joue, désormais, la différence entre expérimentation brillante et transformation à l’échelle.
D’un côté, la méfiance actuelle des développeurs rappelle que la confiance ne se décrète pas : elle se construit par la transparence, la vérifiabilité et l’intégration de garde-fous. De l’autre, Gemini Deep Think illustre la promesse d’une IA qui ne se contente plus d’automatiser, mais qui contribue réellement à la conception et à l’innovation. Dans un monde où la complexité des systèmes et des menaces ne cesse de croître, l’avenir du code semble bien se jouer sur cette alliance fragile mais féconde entre l’intuition humaine et la rigueur algorithmique de l’IA. Un long chemin reste encore à parcourir…
À LIRE AUSSI :
À LIRE AUSSI :
À LIRE AUSSI :
