n8n ajoute Google Gemini 4 Carbon pour une automatisation plus sûre

Google Gemini 4 Carbon a été ajouté à la plateforme de flux de travail n8n, offrant aux ingénieurs en automatisation un modèle que Google affirme être le plus performant à ce jour pour le codage, le travail d'agent à long terme et la cybersécurité. Le modèle domine le benchmark AutomationBench avec un score de 53,9 %, ce qui en fait une mise à niveau attrayante pour tout agent IA basé sur n8n.

Ce qui s'est passé

Selon le blog n8n, Gemini 4 Carbon est désormais sélectionnable à la fois dans le nœud Google Gemini Chat Model et dans le nœud autonome Google Gemini. Le modèle obtient 53,9 % sur AutomationBench, le meilleur score parmi les modèles testés. Les benchmarks axés sur la sécurité montrent que Carbon mène le cycle de défense : 88,2 % sur SEC‑bench Pro pour la détection de vulnérabilités, 54,8 % sur ExploitGym pour l’évaluation de l’exploitabilité, et 71,0 % sur CWE‑bench pour le correctif. Sur le benchmark d’injection d’instructions de Gray Swan, Carbon a atteint un taux de succès de 0,0 % pour les attaques, améliorant le taux de 0,7 % de son prédécesseur, Gemini 4 Argon. Google note également que les équipes internes ont exécuté des tâches multi‑jours et multi‑étapes avec Carbon sans les échecs « sans issue » observés avec les modèles précédents. La tarification reflète les tarifs d’introduction d’Argon — 2 $ par million de jetons d’entrée et 10 $ par million de jetons de sortie — et passe à 4 $ et 20 $ après le 30 novembre 2026. Les utilisateurs de n8n Cloud peuvent accéder à Carbon via les crédits Gateway, tandis que les utilisateurs auto‑hébergés ajoutent une clé API Gemini. Les utilisateurs existants d’Argon peuvent conserver Argon pour les tâches simples et passer à Carbon uniquement pour les étapes de raisonnement intensif.

Pourquoi cela importe aux équipes d'automatisation

Pour les petites et moyennes entreprises qui utilisent n8n pour connecter les outils SaaS, les gains en sécurité sont immédiats. De nombreux agents n8n ingèrent des données non fiables — charges utiles de webhooks, e‑mails, pages extraites — et ces entrées sont des vecteurs classiques d’attaques d’injection d’instructions. Le taux de succès de 0 % de Carbon sur le benchmark signifie moins de chances qu’une charge malveillante prenne le contrôle d’un agent, réduisant ainsi le besoin de validations en aval approfondies. La capacité à gérer des tâches longues est également importante : les agents qui doivent interroger plusieurs API, attendre des approbations humaines ou itérer sur de grands ensembles de données peuvent désormais rester « dans le fil » plus longtemps sans perdre le contexte, ce qui diminue la fragmentation des flux de travail et les nouvelles tentatives manuelles. Enfin, la parité de prix avec Argon permet aux équipes d’expérimenter sans choc budgétaire, et la possibilité de mélanger les modèles vous permet d’allouer le raisonnement le plus coûteux uniquement là où il compte, préservant les budgets de jetons.

Que faire cette semaine

1. Ouvrez un flux de travail n8n Cloud, ajoutez un nœud Google Gemini 4 Carbon et exécutez un test rapide qui lit une charge utile de webhook d’exemple et publie un résumé sur Slack pour vérifier l’intégration.
2. Créez un flux de travail axé sur la sécurité qui récupère une alerte factice, la compare à une liste de problèmes connus et enregistre le résultat — utilisez la résistance à l’injection d’instructions de Carbon pour voir comment il gère des entrées délibérément malformées.
3. Comparez les coûts d’exécution en clonant un flux de classification basé sur Argon, en remplaçant le modèle par Carbon sur l’étape de raisonnement intensif, et en mesurant l’utilisation des jetons après quelques exécutions.

Sources

• Build Safer n8n Agents and Workflows with Google Gemini 4 Carbon — n8n Blog