Comment utiliser Gemini 3 Pro efficacement
son dernier LLM : Gemini 3. Le modèle est très attendu et a fait l’objet de nombreuses discussions avant sa sortie. Dans cet article, je couvrirai ma première expérience avec le modèle et en quoi il diffère des autres LLM frontaliers.
Le but de l’article est de partager mes premières impressions lors de l’utilisation de Gemini 3, en mettant en avant ce qui fonctionne bien et ce qui ne fonctionne pas bien. Je mettrai en évidence mon expérience d’utilisation de Gemini 3 dans la console et lors du codage avec celle-ci.
Pourquoi devriez-vous utiliser Gemini 3
À mon avis, Gemini 2.5 pro était déjà le meilleur LLM conversationnel disponible avant la sortie de Gemini 3. Le seul domaine dans lequel je pense qu’un autre LLM était meilleur était la réflexion de Claude Sonnet 4.5, pour le codage.
La raison pour laquelle je pense que Gemini 2.5 pro est le meilleur LLM sans codage est due à son :
- Capacité à trouver efficacement les bonnes informations
- Faible quantité d’hallucinations
- Sa volonté d’être en désaccord avec moi
Je pense que le dernier point est le plus important. Certaines personnes veulent des LLM chaleureux avec qui il fait bon parler ; cependant, je dirais que vous (en tant que résolveur de problèmes) voulez toujours le contraire :
Vous voulez un LLM qui va droit au but et qui est prêt à dire que vous vous trompez
Mon expérience était que Gemini 2.5 était bien meilleur dans ce domaine, par rapport à d’autres LLM tels que GPT-5, Grok 4 et Claude Sonnet 4.5.
Étant donné que Google, à mon avis, disposait déjà du meilleur LLM du marché, la sortie d’un modèle Gemini plus récent est donc très intéressante, et j’ai commencé à le tester juste après sa sortie.
Il convient de souligner que Google a publié Gemini 3 Pro, mais n’a pas encore publié d’alternative flash, même s’il est naturel de penser qu’un tel modèle sera bientôt disponible.
Je ne suis pas approuvé par Google dans la rédaction de cet article.
Gemini 3 dans la console
J’ai d’abord commencé à tester Gemini 3 Pro dans la console. La première chose qui m’a frappé, c’est qu’il était relativement lent par rapport à Gemini 2.5 Pro. Cependant, ce n’est généralement pas un problème, car je privilégie l’intelligence à la vitesse, bien sûr, jusqu’à un certain seuil. Bien que Gemini 3 Pro soit plus lent, je ne dirais certainement pas qu’il est trop lent.
Un autre point que j’ai remarqué est que lors de l’explication, Gemini 3 crée ou utilise plus de photos dans ses explications. Par exemple, lors d’une discussion sur les certificats EPC avec Gemini, le modèle a trouvé l’image ci-dessous :
J’ai également remarqué que cela générait parfois des images, même si je ne le demandais pas explicitement. La génération d’images dans la console Gemini est étonnamment rapide.
Le moment où j’ai été le plus impressionné par les capacités de Gemini 3 a été lorsque j’analysais le premier article de recherche sur les modèles de diffusion, et j’ai discuté avec Gemini pour comprendre l’article. Le modèle était, bien sûr, doué pour lire le document, y compris le texte, les images et les équations ; cependant, il s’agit également d’une capacité que possèdent les autres modèles frontaliers. J’ai été très impressionné lorsque je discutais avec Gemini 3 des modèles de diffusion, en essayant de les comprendre.
J’ai fait une idée fausse à propos de cet article, pensant que nous discutions de modèles de diffusion conditionnelle, alors que nous étudiions en fait une diffusion inconditionnelle. Notez que j’en parlais avant même de connaître les termes conditionnel et inconditionnel diffusion.
Gemini 3 a ensuite souligné que je comprenais mal les concepts, que je comprenais efficacement la véritable intention derrière ma question, et m’a considérablement aidé à approfondir ma compréhension des modèles de diffusion.
J’ai également repris certaines des requêtes plus anciennes que j’ai exécutées dans la console Gemini avec Gemini 2.5 Pro, et j’ai réexécuté exactement les mêmes requêtes, cette fois en utilisant Gemini 3 Pro. Il s’agissait généralement de questions plus vastes, mais pas particulièrement difficiles.
Les réponses que j’ai obtenues étaient globalement assez similaires, même si j’ai remarqué que Gemini 3 était meilleur pour me dire des choses que je ne connaissais pas ou pour découvrir des sujets/domaines auxquels je (ou Gemini 2.5 Pro) n’avais pas pensé auparavant. Je discutais, par exemple, de la façon dont j’écris des articles et de ce que je peux faire pour m’améliorer, là où je pense que Gemini 3 était meilleur pour fournir des commentaires et proposer des approches plus créatives pour améliorer mon écriture.
Ainsi, pour résumer, Gemini 3 dans la console c’est :
- Un peu lent
- Intelligent et fournit de bonnes explications
- Bon pour découvrir des choses auxquelles je n’ai pas pensé, ce qui est très utile pour résoudre des problèmes
- Est prêt à être en désaccord avec vous et à aider à lever les ambiguïtés, des traits qui, à mon avis, sont très importants chez un assistant LLM.
Codage avec Gemini 3
Après avoir travaillé avec Gemini 3 dans la console, j’ai commencé à coder avec via Cursor. Mon expérience globale est que c’est définitivement un bon modèle, même si je préfère toujours la pensée Claude Sonnet 4.5 comme modèle de codage principal. La principale raison en est que Gemini 3 propose trop souvent des solutions plus complexes et est un modèle plus lent. Cependant, Gemini 3 est très certainement un modèle de codage très performant qui pourrait être meilleur pour d’autres cas d’utilisation de codage que celui auquel je suis confronté. Je code principalement une infrastructure autour des agents IA et des piles CDK.
J’ai essayé Gemini 3 pour coder de deux manières principales :
- Faire le jeu montré dans ceci Message Xà partir d’une simple capture d’écran du jeu
- Codage d’une infrastructure agent
Tout d’abord, j’ai essayé de créer le jeu à partir du post X. À la première invite, le modèle a créé un Pygame avec tous les carrés, mais il a oublié d’ajouter tous les sprites (art), la barre sur le côté gauche, etc. Fondamentalement, cela a fait une version très minimaliste du jeu.
J’ai ensuite écrit une invite de suivi avec ce qui suit :
Make it look properly like this game with the design and everything. UseRemarque : lors du codage, vous devez être beaucoup plus précis dans vos instructions que mon invite ci-dessus. J’ai utilisé cette invite parce que je vibrais essentiellement dans le jeu et que je voulais voir la capacité de Gemini 3 Pro à créer un jeu à partir de zéro.
Après avoir exécuté l’invite ci-dessus, j’ai créé un jeu fonctionnel, dans lequel les invités se promènent, je peux acheter des trottoirs et différentes machines, et le jeu fonctionne essentiellement comme prévu. Très impressionnant !
J’ai continué à coder avec Gemini 3, mais cette fois sur une base de code plus adaptée à la production. Ma conclusion générale est que Gemini 3 Pro fait généralement le travail, même si je rencontre plus souvent un code gonflé ou pire que lorsque j’utilise Claude 4.5 Sonnet. De plus, Claude Sonnet 4.5 est un peu plus rapide, ce qui en fait le modèle de choix pour moi lors du codage. Cependant, je considérerais probablement Gemini 3 Pro comme le deuxième meilleur modèle de codage que j’ai utilisé.
Je pense également que le meilleur modèle de codage dépend fortement de ce que vous codez. Dans certaines situations, la vitesse est plus importante. Dans certaines formes de codage, un autre modèle pourrait être meilleur, et ainsi de suite, vous devriez donc vraiment essayer les modèles vous-même et voir ce qui fonctionne le mieux pour vous. Le prix d’utilisation de ces modèles diminue rapidement et vous pouvez facilement annuler toutes les modifications apportées, ce qui rend le test de différents modèles très bon marché.
Il convient également de mentionner que Google a publié un nouvel IDE appelé Antigravitymême si je ne l’ai pas encore essayé.
Impressions globales
Mon impression générale de Gemini 3 est bonne et ma pile d’utilisation LLM mise à jour ressemblera à ceci :
- Claude 4.5 Sonnet penser pour coder
- GPT-5 lorsque j’ai besoin de réponses rapides à des questions simples (l’application GPT fonctionne bien pour s’ouvrir avec un raccourci).
- GPT-5 lors de la génération d’images
- Lorsque je veux des réponses plus approfondies et avoir des discussions plus longues avec un LLM sur un sujet, j’utilise Gemini 3. Généralement, pour apprendre de nouveaux sujets, discuter de l’architecture logicielle ou similaire.
Le prix de Gemini 3 par million de jetons ressemble à ce qui suit (au 19 novembre 2025, à partir de Documentation sur l’API du développeur Gemini)
- Si vous disposez de moins de 200 000 jetons d’entrée :
- Jetons d’entrée : 2 USD
- Jetons de sortie : 12 USD
- Si vous disposez de plus de 200 000 jetons d’entrée :
- Jetons d’entrée : 4 USD
- Jetons de sortie : 18 USD
En conclusion, j’ai de bonnes premières impressions de Gemini 3 et je recommande vivement d’y jeter un œil.
👉 Retrouvez-moi sur les réseaux sociaux :
💻 Mon webinaire sur les modèles de langage de vision
📩 Abonnez-vous à ma newsletter
✍️ Moyen
Vous pouvez également lire mes autres articles :
