De la photo historique à la 3D interactive : Gemini 4 Carbon recrée le processus de construction de la tour Eiffel avec une seule invite

Note de l’auteur : cet article part de la démonstration de la tour Eiffel présentée par Google pour expliquer comment plusieurs agents peuvent transformer des photos historiques et des documents d’ingénierie en exposition 3D interactive.

Petit lexique (to know)

• Agent (agent intelligent) : un programme d’IA capable d’appeler des outils et d’exécuter des tâches. Il ne se contente pas de répondre à des questions : il planifie, exécute et vérifie les résultats.
• Collaboration multi-agents : plusieurs agents se répartissent des sous-tâches et s’échangent leurs résultats intermédiaires.
• Antigravity : l’outil de développement IA proposé par Google, sur lequel Gemini 4 Carbon est désormais disponible.
• Swarm (/swarm) : une fonctionnalité en préversion d’Antigravity pour orchestrer plusieurs agents, lancée le 10 novembre 2026.
• Plans d’ingénierie : des documents qui décrivent une conception avec des schémas et des cotes. Ce sont la source géométrique clé pour la reconstruction 3D.
• Three.js : une bibliothèque JavaScript pour construire des scènes 3D dans une page web, avec rendu et interaction directement dans le navigateur.
• Structure en treillis : une structure porteuse composée d’un grand nombre de barres assemblées. La tour Eiffel en est l’exemple typique, en fer.

Le 10 novembre 2026, Google a ouvert officiellement Gemini 4 Carbon et, dans son annonce, a présenté un cas très visuel : plusieurs agents Carbon, grâce à la fonction /swarm d’Antigravity, ont transformé des photos historiques et des plans d’ingénierie en une exposition 3D interactive Three.js qui retrace la construction de la tour Eiffel entre 1887 et 1889. Toute la tâche a été lancée à partir d’une seule invite.

Il ne s’agit pas d’une IA qui aurait « dessiné une tour au hasard ». L’annonce officielle de Google et le blog d’Antigravity décrivent à la fois ce cas et le mécanisme Swarm. Dans cet article, nous distinguons trois types d’informations : les faits historiques, la description de la démonstration officielle de Google, et nos propres analyses et déductions.

L’essentiel : après cette lecture, vous saurez quels problèmes techniques cette démo résout réellement, quel rôle jouent les multiples agents, et comment les développeurs peuvent tester via API un workflow « des plans à la 3D » similaire.

Gemini 4 Carbon et la tour Eiffel : l’essentiel de la démo en un coup d’œil

Commençons par ce que l’annonce officielle de Google permet de confirmer. Le tableau ci-dessous ne reprend que les éléments explicitement mentionnés ; les détails non communiqués sont signalés à part.

Un point important : « une seule invite » ne veut pas dire « une seule passe de génération ». L’utilisateur n’envoie qu’une instruction, mais la décomposition de la tâche, le traitement en parallèle et les vérifications sont ensuite pris en charge par plusieurs agents au sein du framework Swarm. C’est la clé pour bien comprendre ce cas.

Pourquoi la tour Eiffel est un test très exigeant pour Gemini 4 Carbon

Si l’on se contente de générer un modèle qui « ressemble à une tour », la démonstration n’a rien d’extraordinaire. La vraie difficulté, c’est que la tour Eiffel est un ouvrage d’ingénierie dense en documentation et complexe dans sa structure. Les données ci-dessous proviennent des archives historiques du site officiel de la tour Eiffel.

Le calendrier du chantier est lui aussi bien documenté. Les travaux démarrent officiellement le 26 janvier 1887, et le montage des piles commence le 1er juillet de la même année. Le premier étage est achevé le 1er avril 1888, le deuxième le 14 août 1888, puis le sommet et l’assemblage final le 31 mars 1889. Pour une exposition qui veut « rejouer la construction », ces dates forment l’ossature de la frise chronologique.

La structure en treillis de la tour Eiffel et sa résistance au vent

D’après les sources historiques officielles, l’idée de départ de la tour vient des ingénieurs Maurice Koechlin et Émile Nouguier. L’architecte Stephen Sauvestre a participé à la conception de son apparence, et Gustave Eiffel a porté le projet final. Le premier projet reposait sur quatre piles en treillis, écartées à la base et se rapprochant progressivement vers le sommet.

La courbure des piles a été calculée mathématiquement pour améliorer la résistance de la structure au vent. Chaque élément métallique était préfabriqué en usine, conçu et calculé spécifiquement, avec des plans d’une précision au dixième de millimètre. Reconstruire la tour ne consiste donc pas à « empiler des formes géométriques » : il faut comprendre les relations rigoureuses entre les barres, les courbes et les niveaux.

Comment Gemini 4 Carbon transforme des archives 2D en structure 3D

Cette partie relève de notre analyse : Google n’a pas rendu publiques les étapes internes de cette tâche. En remontant des entrées vers les sorties, on voit que la tâche doit franchir au moins trois obstacles.

1. Comprendre les photos historiques : les photos de chantier sont prises sous des angles variés et leur netteté est limitée. Il faut repérer jusqu’à quel étage la construction est arrivée, à quel stade se trouvent les pylônes, et rattacher chaque photo à un point précis de la chronologie.
2. Extraire les informations géométriques des plans : les plans d’ingénierie contiennent des élévations, des coupes, des cotes, etc. Il faut en tirer l’inclinaison des pylônes, la hauteur des plateformes, la disposition des barres et d’autres paramètres.
3. Déduire les relations spatiales et les organiser en données exploitables pour la reconstruction : photos et plans sont tous deux en 2D. Il faut donc aligner les informations issues de plusieurs points de vue, déduire la position des composants dans l’espace 3D, puis les mettre en forme dans une description structurée capable de piloter le code de modélisation.

La fiche du modèle Gemini 4 Carbon indique qu’il accepte en entrée du texte, des images, de l’audio et de la vidéo, qu’il produit du texte en sortie, et que sa fenêtre de contexte totale est de 1 048 576 jetons. On peut donc raisonnablement en déduire que l’exposition est livrée sous forme de « texte », à savoir du code Three.js : l’effet 3D est affiché par le navigateur qui exécute ce code, et non par le modèle qui sortirait directement un fichier 3D.

Dans la même annonce, Google présente un autre cas qui sert de point de comparaison : Carbon a traité 7 PDF publics d’urbanisme, en a extrait 206 vues de plans d’ingénierie, puis, après 10 itérations nocturnes, a généré un modèle de bâtiment interactif en Three.js d’environ 906 000 triangles. Les deux cas suivent une logique voisine : « sources hétérogènes → informations spatiales → 3D interactive ».

Comment plusieurs agents Gemini 4 Carbon ont-ils monté l’exposition sur la tour Eiffel ?

Google confirme que cet exemple a été réalisé par plusieurs agents Carbon qui ont collaboré via la commande /swarm, mais n’a pas détaillé la répartition des tâches pour cette mission précise. Ce qui suit décrit donc le mécanisme général du Swarm tel que présenté sur le blog officiel d’Antigravity, et non le déroulé réel de ce cas.

Selon Google, un agent qui attend ne consomme pas de jetons. L’entreprise précise toutefois que l’exécution parallèle de plusieurs agents fait quand même grimper nettement la consommation globale. Elle recommande aussi d’attribuer les modèles selon les rôles : conception d’architecture, coordination et audits complexes pour Carbon ; implémentation courante et modifications de fichiers en parallèle pour des modèles plus rapides et plus légers.

Cette répartition a beaucoup de sens pour reconstituer des documents d’ingénierie. Le coordinateur a besoin d’un raisonnement approfondi pour comprendre quelles sources correspondent à quelle phase du chantier. En revanche, les tâches répétitives, comme générer en masse des poutrelles ou assembler la scène, n’exigent pas le modèle le plus coûteux à chaque étape. Quant à la vérification, c’est l’assurance qualité : une structure 3D produite d’une traite par un seul modèle dérive facilement au niveau des proportions.

Comment essayer une tâche similaire « plan vers 3D » avec l’API Gemini 4 Carbon

La commande /swarm d’Antigravity est une fonctionnalité interne au produit : impossible de la reproduire avec un simple paramètre d’API. En revanche, vous pouvez monter un flux simplifié via l’API pour tester la chaîne « lecture de l’image → extraction des paramètres → génération du code Three.js ». L’identifiant officiel du modèle est gemini-4-carbon.

Exemple minimal : faire analyser une photo de chantier par Carbon

import base64
from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # Interface unifiée compatible OpenAI
)

with open("eiffel_1888.jpg", "rb") as f:
    img_b64 = base64.b64encode(f.read()).decode()

resp = client.chat.completions.create(
    model="gemini-4-carbon",
    messages=[{"role": "user", "content": [
        {"type": "text", "text": "判断照片中铁塔建到了哪一层，估算塔柱倾角与平台高度比例，输出 JSON。"},
        {"type": "image_url", "image_url": {"url": f"data:image/jpeg;base64,{img_b64}"}}
    ]}]
)
print(resp.choices[0].message.content)

import base64
import json
from concurrent.futures import ThreadPoolExecutor
from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"
)
MODEL = "gemini-4-carbon"


def encode(path: str) -> str:
    with open(path, "rb") as f:
        return base64.b64encode(f.read()).decode()


def ask(content, system: str = "") -> str:
    messages = []
    if system:
        messages.append({"role": "system", "content": system})
    messages.append({"role": "user", "content": content})
    resp = client.chat.completions.create(model=MODEL, messages=messages)
    return resp.choices[0].message.content


def worker_extract(path: str) -> str:
    """Worker parallèle : extrait les paramètres structurels d'une photo ou d'un plan"""
    return ask([
        {"type": "text", "text": "提取该资料中的结构信息：所属施工阶段、塔柱倾角、平台高度比例、可见杆件排布，只输出 JSON。"},
        {"type": "image_url", "image_url": {"url": f"data:image/jpeg;base64,{encode(path)}"}}
    ], system="你是结构工程资料分析员，数据不确定时标注 uncertain，不要编造。")


def builder(merged: str) -> str:
    """Constructeur : génère la page Three.js à partir des paramètres fusionnés"""
    return ask(
        "根据以下结构参数，生成单文件 HTML，使用 Three.js 构建四根格构塔柱与两层平台，"
        "并提供 1887—1889 时间轴滑块按阶段显示结构：\n" + merged
    )


def verifier(merged: str, html: str) -> str:
    """Vérificateur : contrôle la cohérence entre le code et les paramètres"""
    return ask(
        "检查下列 Three.js 代码是否与结构参数一致，列出比例错误、阶段错误和无法运行的代码：\n"
        f"参数：{merged}\n代码：{html}"
    )


sources = ["photo_1887.jpg", "photo_1888.jpg", "drawing_elevation.jpg"]

with ThreadPoolExecutor(max_workers=3) as pool:
    results = list(pool.map(worker_extract, sources))

merged = json.dumps(results, ensure_ascii=False)
html = builder(merged)
report = verifier(merged, html)

with open("eiffel_exhibit.html", "w", encoding="utf-8") as f:
    f.write(html)
print(report)

Ce code est une implémentation simplifiée qui imite l’approche Swarm avec une API classique ; il ne reflète en rien la solution interne de Google. Deux points à garder en tête : Carbon ignore les paramètres d’échantillonnage comme temperature ou top_p, et l’envoi de thinking_budget renvoie une erreur HTTP 400. Par ailleurs, le niveau de raisonnement par défaut est MEDIUM ; les niveaux plus élevés consomment davantage de tokens et répondent plus lentement.

🚀 Conseil pour bien démarrer : pour ce genre d’expériences multi-images et multi-étapes, mieux vaut commencer par valider l’effet des invites sur un petit échantillon. Nous vous recommandons de récupérer un quota de test gratuit via APIYI (apiyi.com) : une seule clé API suffit pour passer d’un modèle à l’autre (Gemini, Claude, OpenAI, etc.), ce qui permet de traduire concrètement en code la répartition des rôles « un modèle léger pour l’extraction en masse, un modèle de raisonnement plus costaud pour la planification et la vérification ».

Exposition 3D interactive Gemini 4 Carbon vs formats de livraison traditionnels

Three.js permet de faire tourner une scène 3D directement dans le navigateur. Le public n’a rien à installer : il peut faire pivoter la vue, zoomer sur les détails ou faire glisser la frise chronologique pour voir l’état du chantier à différentes années. Le tableau ci-dessous compare plusieurs façons courantes de présenter des documents historiques.

La plus grande valeur d’une exposition interactive, c’est sa « traçabilité ». Comme il s’agit au fond de code, chaque niveau de plateforme et chaque segment de tour correspond à des paramètres lisibles : si l’on découvre plus tard un écart avec les plans, on peut corriger précisément l’endroit concerné au lieu de tout reprendre de zéro. C’est aussi sur cette base que l’agent de vérification peut intervenir efficacement.

Analyse de l’impact de la démo de la tour Eiffel avec Gemini 4 Carbon

Commençons par poser les limites : il s’agit d’un cas présenté officiellement par Google, et non d’un résultat validé de façon indépendante par un tiers. Il montre ce que Carbon associé à Swarm peut faire, mais on ne peut pas en déduire que « n’importe quel document d’architecture peut être reconstruit de manière fiable ».

Impact pour les développeurs

• Du simple appel à l’orchestration : derrière une seule invite, plusieurs agents se répartissent le travail. Les développeurs doivent donc se soucier de la décomposition des tâches, du format des résultats intermédiaires et des mécanismes de vérification.
• Le coût se calcule par tâche, pas par prix unitaire : au lancement, Carbon est facturé 2 dollars par million de jetons en entrée et 10 dollars en sortie, des tarifs qui doublent à partir du 1er décembre. Les jetons de réflexion comptent dans la sortie, et le parallélisme de plusieurs agents fait encore grimper la consommation.
• Mélanger les modèles devient plus réaliste : Google recommande de ne confier à Carbon que la planification, la coordination et l’audit, et de déléguer l’exécution en masse à des modèles plus légers. C’est un levier essentiel pour maîtriser les coûts.

Impact pour le secteur

• Numérisation des bâtiments historiques : beaucoup de bâtiments n’existent plus que sous forme de photos et de plans. Ils pourraient être transformés plus facilement en modèles interactifs, que les chercheurs pourront comparer à leurs sources.
• Reconstitution de documents d’ingénierie : l’exemple du PDF d’urbanisme et celui de la tour vont dans la même direction, à savoir extraire des informations spatiales à partir de documents hétérogènes.
• Expositions numériques et visualisation pédagogique : musées et enseignants peuvent transformer des chiffres abstraits comme « 5 300 plans, 2,5 millions de rivets » en scènes où les élèves font défiler une frise chronologique pour observer la construction.

Il faut aussi regarder les limites. /swarm reste pour l’instant une fonctionnalité en préversion, et la fiche du modèle avertit explicitement que Carbon peut halluciner, et qu’à un niveau de raisonnement élevé, les réponses peuvent être lentes, voire expirer. Dans les contextes d’ingénierie qui exigent une précision stricte, les reconstructions produites par l’IA doivent toujours être revues par des professionnels.

Foire aux questions (FAQ)

Points clés de la démo Gemini 4 Carbon sur la tour Eiffel (Key Takeaways)

• Nature du cas : plusieurs agents Carbon transforment des photos historiques et des plans en une exposition interactive Three.js.
• Une seule invite ne veut pas dire une seule génération : derrière, il y a la décomposition des tâches et la collaboration en parallèle d’un Swarm.
• La difficulté technique est bien réelle : 18 038 éléments de structure, 5 300 plans, avec une exigence de précision structurelle très élevée.
• Le livrable, c’est du code : Carbon produit du texte, et l’exposition prend la forme de code Three.js modifiable.
• Le coût se mesure dans son ensemble : le parallélisme multi-agents fait grimper la consommation, et mélanger les modèles selon les rôles revient moins cher.
• Les limites doivent être claires : une démo officielle ne reflète pas les performances en général, et Swarm reste une fonctionnalité en préversion.
• Pour démarrer : passez par l’interface unifiée d’APIYI (apiyi.com) pour valider sur un petit échantillon le processus de lecture d’images et de modélisation.

Conclusion

La démo de la tour Eiffel avec Gemini 4 Carbon repose sur trois points essentiels :

1. L’entrée, ce sont des documents historiques hétérogènes : les photos et les plans d’ingénierie doivent être compris, alignés, puis convertis en paramètres spatiaux.
2. Le processus repose sur la collaboration multi-agents : une seule invite lance le Swarm, qui répartit les rôles de coordination, d’exécution et de vérification pour accomplir la tâche.
3. Le livrable est une exposition 3D interactive : grâce à Three.js, on peut parcourir librement dans le navigateur le chantier de 1887 à 1889.

Pour les développeurs, ce qu’il y a de plus intéressant à retenir, c’est la logique d’orchestration : un modèle de raisonnement approfondi pour planifier, des modèles légers pour exécuter, et une étape de vérification comme filet de sécurité. Nous vous conseillons de passer par APIYI (apiyi.com) pour faire d’abord tourner le processus sur un petit volume de documents, avant de décider d’investir dans des tâches multi-agents plus lourdes.

📚 Références

1. Annonce officielle de Google : Gemini 4 Carbon is now available : le cas de la tour Eiffel et les informations de lancement de /swarm
2. Lien : blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-carbon-now-available/

3. Description : description d’origine du cas, périmètre d’ouverture et évolution des tarifs

4. Blog officiel de Google Antigravity : Gemini 4 Carbon in Google Antigravity

5. Lien : antigravity.google/blog/gemini-4-carbon-in-google-antigravity/

6. Description : coordination de Swarm, travail en parallèle, vérification adversariale et mécanisme de tableau de messages

7. Gemini 4 Carbon Model Card : fiche modèle de Google DeepMind

8. Lien : deepmind.google/models/model-cards/gemini-4-carbon/

9. Description : modalités d’entrée et de sortie, quotas de contexte et limites connues

10. Guide développeur de Gemini 4 Carbon : documentation Google Cloud

11. Lien : docs.cloud.google.cn/gemini-enterprise-agent-platform/models/guides/gemini-4-carbon

12. Description : Thinking Level, limites des paramètres et notes sur le décodage long

13. Documentation historique officielle de la tour Eiffel : La tour Eiffel

14. Lien : toureiffel.paris/en/the-monument/history
15. Description : nombre de pièces, nombre de plans, chronologie du chantier et contexte de conception structurelle

Auteur : équipe technique APIYI
Échanges techniques : si vous avez des questions sur l’orchestration multi-agents ou la génération 3D multimodale, n’hésitez pas à nous contacter via la page d’accueil du site APIYI apiyi.com pour en discuter

Articles connexes

• Faire écrire du Three.js au modèle plutôt que générer directement des fichiers 3D : 5 enseignements du workflow de couche intermédiaire de code: En prenant Qwen3.5-4B-GLB-3D-Coder comme exemple, décomposez le flux de travail de la couche intermédiaire de code « texte → Three.js → GLB » et donnez les étapes pratiques de déploiement local, d’intégration cloud et de validation Godot.
• Décryptage du lancement de Gemini 4 Carbon : 59 points et une longueur d’avance sur Opus 5.5, 15 victoires sur 17, mais impossible à invoquer: Gemini 4 Carbon domine l’indice global d’intelligence d’Artificial Analysis avec 59 points et gagne 15 des 17 comparaisons officielles, mais n’a ni ID de modèle API ni calendrier d’accès ; cet article détaille les scores, son indisponibilité et l’alternative gemini-4-argon pour les développeurs chinois.