La remise de lancement de 50 % de Gemini 3.7 Flash a une date limite

Google a lancé Gemini 3.7 Flash avec une remise de lancement de 50 %, offrant aux lecteurs de Google News une histoire accrocheuse sur une intelligence artificielle moins chère. Le changement de fond est plus complexe. Selon ses évaluations internes, Google a associé ce tarif temporaire à de meilleurs résultats en programmation, agents et traitement de documents.

La remise ne dure que jusqu’au 31 décembre 2026. Google indique que les tarifs standards entreront en vigueur le 1er janvier 2027. L’entreprise a également appliqué le tarif de lancement à Gemini 3.6 Flash ; passer de l’un à l’autre ne divise donc pas actuellement une facture d’API par deux.

Ce détail modifie le récit concurrentiel. Google ne vend pas simplement aujourd’hui son tout dernier modèle moins cher que son prédécesseur immédiat. L’entreprise réduit temporairement le coût d’entrée pour les deux générations tout en encourageant les développeurs à tester des workflows d’agents plus exigeants.

Le résultat met la pression sur Anthropic, OpenAI et les autres fournisseurs d’API en concurrence pour les charges de travail de production. Il crée toutefois aussi une échéance pour les acheteurs. Les équipes doivent déterminer si Gemini 3.7 Flash réduit le coût total des tâches avant la fin de la période promotionnelle.

Les titres de Google News ne racontent que la moitié de l’histoire tarifaire

Gemini 3.7 Flash bénéficie temporairement d’une remise, mais la comparaison actuelle avec Gemini 3.6 Flash ne correspond pas à une migration à moitié prix.

Google a présenté Gemini 3.7 Flash le 13 août 2026, seulement trois semaines après la sortie de Gemini 3.6 Flash. L’entreprise a qualifié la nouvelle version de son modèle Flash le plus intelligent pour la programmation et les agents.

Cet intervalle de sortie inhabituel compte. Un cycle de trois semaines suggère que Google voulait intégrer les retours des développeurs sans attendre une nouvelle génération de modèles plus vaste. Google a également attribué ces progrès à des changements algorithmiques qu’il prévoit d’utiliser dans de futurs modèles.

L’annonce de Gemini décrit le tarif de lancement comme équivalant à la moitié du coût initial de Gemini 3.6 Flash. Le mot « initial » porte une grande part du sens.

La documentation actuelle de Google applique le même tarif temporaire à Gemini 3.6 Flash et Gemini 3.7 Flash. Par conséquent, un développeur qui passe de l’un à l’autre aujourd’hui ne bénéficie pas d’une réduction supplémentaire de 50 % due uniquement au changement de modèle.

La remise reste importante par rapport à l’ancienne grille tarifaire. Elle réduit le coût immédiat des tests des deux modèles jusqu’à la fin de 2026. Toutefois, cette économie a une date d’expiration au lieu de devenir la référence permanente.

La documentation sur les tarifs de l’API indique que les tarifs des deux modèles augmenteront après le 31 décembre. Le changement affecte aussi les entrées mises en cache et le traitement par lots, et pas seulement les jetons d’entrée et de sortie ordinaires.

Cette structure crée deux comparaisons distinctes. La première compare les tarifs temporaires actuels aux tarifs initiaux de Gemini 3.6 Flash. La seconde compare Gemini 3.7 Flash à Gemini 3.6 Flash durant la même période promotionnelle.

Seule la première comparaison produit l’écart annoncé de 50 %. La seconde affiche des tarifs identiques, la qualité du modèle et l’efficacité des tâches devenant alors les facteurs décisifs.

Google a également étendu Gemini 3.7 Flash au-delà de l’API pour développeurs. Gemini Spark a commencé à utiliser le modèle pour les abonnés éligibles à Google AI Pro et Ultra dans plus de 160 pays.

Spark est l’agent personnel de Google destiné à effectuer des tâches continues sous la direction de l’utilisateur. Google affirme que cette mise à jour améliore sa gestion des outils Workspace, notamment les fichiers, brouillons d’e-mails et documents de suivi.

Cette distribution donne à Google une autre raison de subventionner l’utilisation initiale. Des coûts d’inférence plus faibles peuvent soutenir une expérimentation plus large, à la fois dans les environnements grand public et développeurs. Une utilisation accrue peut aussi révéler des défaillances que les benchmarks contrôlés ne détectent pas.

Pour les acheteurs, le bon titre est plus nuancé que « les coûts de l’IA sont désormais divisés par deux ». Google a ouvert une fenêtre de test temporaire pour deux générations de Flash. Gemini 3.7 Flash doit prouver que ses gains de qualité résistent aux charges de travail réelles avant la fermeture de cette fenêtre.

De meilleurs résultats d’agents font de la remise plus qu’un argument marketing

L’intérêt économique du modèle dépend du travail achevé, et non du coût nominal du traitement d’un million de jetons.

Google positionne Gemini 3.7 Flash comme un outil de travail pour la programmation, le développement web, le travail de connaissance et les agents en plusieurs étapes. Cet axe distingue ce lancement d’une simple mise à jour générale de chatbot.

Un agent d’IA est un logiciel qui planifie des étapes, appelle des outils et réagit à des résultats intermédiaires tout en poursuivant un objectif. Chaque nouvelle tentative inutile peut générer davantage de jetons, d’appels d’outils et de temps d’attente.

Un tarif par jeton inférieur aide, mais une exécution fiable peut compter davantage. Si un modèle accomplit une tâche en moins de tentatives, il peut coûter moins cher même lorsque deux modèles partagent la même grille tarifaire.

Google indique que Gemini 3.7 Flash a amélioré son score sur FrontierCode 1.1 Main, de 34,4 % à 43,6 %. Ce benchmark mesure les performances de programmation orientées production dans des conditions d’évaluation définies.

L’entreprise rapporte également une progression sur DeepSWE v1.1, de 49,0 % à 65,3 %. DeepSWE évalue des tâches d’ingénierie logicielle, telles que la résolution de problèmes au sein de dépôts de code.

Il s’agit des résultats rapportés par Google, et non d’une garantie universelle pour les systèmes de production. La structure du dépôt, l’accès aux outils, le prompting et les tests d’acceptation peuvent tous modifier le résultat.

Le développement web a affiché un gain rapporté plus modeste sur WebDev Arena d’Arena.ai. Gemini 3.7 Flash a obtenu un score Elo de 1 588, contre 1 538 pour Gemini 3.6 Flash.

L’Elo est une note relative calculée à partir de résultats en face-à-face. Elle peut révéler une préférence dans l’environnement évalué, mais ne mesure ni les coûts de déploiement ni la charge de maintenance.

Google affirme que le modèle suit plus fidèlement les références de design et produit des interfaces fonctionnelles avec moins de prompts. Cette affirmation est importante pour les équipes qui transforment des captures d’écran ou des systèmes de design en applications opérationnelles.

Un résultat dès le premier essai nécessite toujours une vérification. Une interface visuellement fidèle peut présenter des problèmes d’accessibilité, des dépendances non sécurisées ou des erreurs de logique. La qualité de production ne peut pas être déduite de la seule apparence.

Le travail de connaissance constitue une autre cible centrale. Google rapporte que Gemini 3.7 Flash a obtenu 34,0 % sur le benchmark documentaire GDP.pdf, contre 22,0 % pour Gemini 3.6 Flash.

Ce benchmark teste des travaux impliquant des documents complexes. Il est pertinent pour les workflows de finance, de droit et de recherche, où les modèles doivent localiser, combiner et raisonner à partir d’éléments probants dispersés.

Google rapporte également un score de 30,4 % sur AutomationBench, contre 17,0 %. AutomationBench évalue des workflows métier en plusieurs étapes plutôt que des réponses isolées à des questions.

Les chiffres absolus méritent autant d’attention que l’amélioration. Un score de 30,4 % indique encore une marge d’échec importante dans cette évaluation. La vérification humaine et les contrôles déterministes restent nécessaires.

Cette limite n’efface pas le gain. Elle clarifie la proposition commerciale. Google propose un modèle qui, selon ses résultats, accomplit davantage de workflows complexes tout en réduisant temporairement le coût de chaque jeton.

Les équipes devraient mesurer l’ensemble de la tâche. Les indicateurs utiles incluent le taux d’achèvement, le nombre de tentatives, les erreurs d’appels d’outils, le temps de traitement, les corrections humaines et le total des jetons consommés.

Cette approche peut révéler des économies trompeuses. Une exécution moins chère qui nécessite des réparations répétées peut coûter plus qu’une exécution réussie avec un autre modèle.

Elle peut aussi mettre au jour des économies que les grilles tarifaires masquent. Un meilleur suivi des instructions peut réduire la supervision, tandis qu’une sélection plus précise des outils peut éviter des boucles coûteuses.

Les développeurs qui traitent de longs rapports peuvent appliquer la même logique. Un modèle qui trouve les bons éléments probants dès son premier passage peut réduire les ingestions répétées de documents et les vérifications manuelles.

Le modèle fait donc de la remise plus qu’un message promotionnel. La combinaison de tarifs temporairement plus faibles et d’une meilleure exécution rapportée crée une expérience concrète pour les équipes de production.

L’expérience nécessite des preuves propres à chaque charge de travail. Les gains de benchmark rapportés par Google justifient un test, mais ne tranchent pas la décision d’achat.

Google met Anthropic et OpenAI sous pression sur le coût par tâche validée

Gemini 3.7 Flash déplace l’argument concurrentiel de l’intelligence du modèle vers le coût de production d’un résultat accepté.

Les fournisseurs d’IA de pointe se font souvent concurrence sur les scores de benchmark, les limites de contexte, les capacités de programmation et la vitesse de sortie. Gemini 3.7 Flash ajoute à cet ensemble une pression économique limitée dans le temps.

Les cibles directes comprennent Anthropic et OpenAI, dont les modèles apparaissent dans de nombreux assistants de programmation et systèmes d’agents d’entreprise. Les développeurs conçoivent de plus en plus des couches de routage capables d’envoyer différentes tâches vers différents fournisseurs.

Cette portabilité rend la tarification temporaire utile. Une équipe peut diriger des charges de travail sélectionnées vers Gemini sans reconstruire l’ensemble de son produit. Elle peut ensuite comparer les résultats avant de s’engager dans une migration plus large.

L’argument le plus solide de Google n’est pas que Gemini 3.7 Flash domine chaque benchmark. Il est qu’un modèle rapide peut gérer des workflows plus difficiles à un tarif d’exploitation temporairement inférieur.

Ce positionnement remet en cause un schéma de déploiement courant. Les équipes réservent souvent les modèles de raisonnement haut de gamme aux tâches difficiles et utilisent des modèles plus petits pour la classification, l’extraction ou les réponses simples.

Si Gemini 3.7 Flash peut accomplir de manière fiable davantage de tâches de programmation et d’agents, il peut brouiller cette frontière. Un modèle de la catégorie Flash pourrait prendre en charge des tâches auparavant orientées vers une option plus coûteuse.

Cette possibilité met les concurrents sous pression même lorsque les clients ne changent pas de fournisseur. Les acheteurs peuvent utiliser l’offre de Google pour exiger ailleurs un meilleur débit, des remises ou un meilleur accès aux modèles.

Le guide du développeur met l’accent sur la programmation, les tâches agentiques, la fidélité au design et l’automatisation métier. Il confirme également que Gemini 3.6 Flash bénéficie du tarif promotionnel.

Google dispose d’un autre avantage grâce à sa distribution. Gemini Spark, les connexions Workspace, Android Studio, AI Studio et ses produits d’entreprise créent de multiples voies d’adoption du modèle.

La distribution ne garantit pas la fidélité des clients. Les équipes d’entreprise se préoccupent toujours du traitement des données, de la disponibilité régionale, de l’observabilité, du support et de la compatibilité avec les outils existants.

Anthropic s’est forgé une réputation autour de la programmation et des tâches d’agents de longue durée. OpenAI bénéficie d’une large adoption par les développeurs et d’un vaste écosystème d’outils, d’intégrations et de déploiements d’entreprise.

Google doit donc gagner sur davantage qu’une remise temporaire. L’entreprise doit démontrer que Gemini 3.7 Flash se comporte de manière prévisible dans des systèmes réels lorsque les prompts, les outils et les données deviennent désordonnés.

L’unité concurrentielle principale est la tâche validée. Prenons un agent chargé d’examiner un dépôt, d’identifier un défaut, de modifier plusieurs fichiers et de réussir une suite de tests.

Le tarif nominal par jeton ne mesure qu’une partie de ce travail. Le coût par tâche validée comprend les correctifs échoués, les tests répétés, le temps d’utilisation des outils, la revue d’ingénierie et les retards de livraison.

Les workflows documentaires présentent une structure similaire. Un modèle peut produire un résumé soigné tout en omettant une condition contractuelle enfouie dans une pièce jointe.

Le résultat semble complet, mais la tâche a échoué. Sa correction exige une nouvelle exécution et une vérification humaine supplémentaire.

C’est pourquoi le leadership brut dans les benchmarks et la tarification nominale peuvent induire les acheteurs en erreur. Une évaluation de production devrait inclure des critères de réussite propres à la tâche, définis avant le début des tests.

L’amélioration rapportée par Google de la précision de programmation dès le premier passage répond directement à cette préoccupation. Toutefois, les propres évaluations de l’entreprise ne peuvent pas remplacer un test indépendant sur le code et les documents d’un client.

Le court intervalle entre Gemini 3.6 Flash et 3.7 Flash ajoute un nouveau signal concurrentiel. Google montre qu’il peut mettre à jour rapidement la gamme Flash lorsque les retours révèlent des lacunes.

Des sorties rapides peuvent bénéficier aux clients, mais elles augmentent aussi le travail opérationnel. Les équipes doivent évaluer les changements de comportement, les exigences de migration, les calendriers de dépréciation et les nouvelles caractéristiques de sécurité.

Google indique que les migrations depuis certains modèles Gemini antérieurs nécessitent de supprimer des paramètres d’échantillonnage dépréciés et des tours de modèle préremplis. Même de petites modifications d’interface peuvent affecter les pipelines de production.

Cette tension limite une adoption sans friction. L’itération rapide des modèles aide les fournisseurs à rester compétitifs, tandis que chaque nouvelle version crée un cycle de validation supplémentaire pour les clients.

La remise réduit la barrière financière liée à ce cycle. Elle n’élimine pas le coût d’ingénierie.

Pour Anthropic et OpenAI, la pression immédiate vient de l’offre combinée de Google. Le modèle annonce de meilleurs résultats, s’appuie sur les canaux de distribution de Google et arrive avec un tarif promotionnel.

Pour Google, l’enjeu est de savoir si les développeurs conserveront la charge de travail après la fin de la promotion. L’expérimentation temporaire ne devient stratégiquement significative que lorsqu’elle produit une adoption durable.

La remise de 50 % sur Gemini expire en janvier

Le principal risque est que les équipes prennent une offre d’acquisition temporaire pour une amélioration permanente de leur structure de coûts liée à l’IA.

La période promotionnelle prend fin le 31 décembre 2026. Les tarifs standard entrent en vigueur le lendemain, selon la documentation actuelle de Google.

Ce calendrier donne aux développeurs plusieurs mois pour mener des évaluations contrôlées. Il crée également un piège budgétaire pour les produits lancés pendant la remise et mis à l’échelle après son expiration.

Un prototype peut sembler économique à des tarifs temporaires. Si l’usage augmente tandis que le tarif affiché double, l’équation économique peut changer sans aucune régression technique.

Les équipes devraient modéliser les deux périodes avant d’approuver un usage en production. La prévision pertinente devrait inclure le tarif 2027 documenté, l’usage attendu, la mise en cache, les traitements par lots et le comportement de relance.

Cela ne nécessite pas de rejeter l’offre. Cela implique de considérer la remise comme un budget d’expérimentation plutôt que comme une référence permanente.

La même prudence s’applique à Gemini 3.6 Flash. La documentation de Google montre qu’il bénéficie du même tarif temporaire. Rester sur l’ancien modèle n’évite pas l’augmentation prévue.

La promotion peut tout de même générer des économies durables si Gemini 3.7 Flash utilise moins de jetons ou de tentatives par tâche réussie. Ce résultat doit découler d’un comportement mesuré, et non du titre de lancement.

Supposons qu’un agent termine une mission avec moins de boucles de planification. Le système peut consommer moins de sortie malgré un volume de requêtes inchangé.

Un modèle plus performant pourrait également générer des traces de raisonnement plus longues. Ces jetons supplémentaires peuvent annuler une partie des économies tarifaires, en particulier lorsque la sortie pèse davantage que l’entrée.

La mise en cache ajoute une autre variable. Réutiliser un contexte stable peut réduire le traitement répété, mais les tarifs de stockage et de cache changent également après la période promotionnelle.

Le traitement par lots peut aider les charges de travail qui n’exigent pas de réponses immédiates. Les équipes devraient distinguer les requêtes interactives de l’analyse planifiée de documents lorsqu’elles calculent leurs coûts à long terme.

La latence compte aussi. Une facture moins élevée ne compense pas des objectifs de service non atteints si le modèle met davantage de temps à terminer des flux de travail difficiles.

La revue de qualité reste la plus grande dépense cachée pour de nombreux usages en entreprise. Un modèle qui produit des erreurs plausibles peut transférer des coûts de l’infrastructure vers les employés.

Les affirmations de Google en matière de sécurité appellent une retenue similaire. L’entreprise indique que Gemini 3.7 Flash est livré avec des protections mises à jour liées aux usages abusifs biologiques et cybernétiques.

La présentation du modèle relie le produit à l’approche plus large de Google en matière de sécurité. Toutefois, aucune protection ne supprime le besoin de contrôles au niveau de l’application.

Les développeurs restent responsables des règles d’accès, de la journalisation, des étapes d’approbation et des limites imposées à l’exécution d’outils. Les agents connectés à des e-mails, des dépôts ou des systèmes métier peuvent créer des conséquences qui dépassent une réponse erronée.

La mise à jour de modèle de Google atteint également le travail de la connaissance via Gemini Spark. Selon l’entreprise, l’expérience destinée aux consommateurs peut regrouper des fichiers, rédiger des e-mails et mettre à jour des documents.

Ces scénarios soulèvent des questions d’exactitude et d’autorisations. Un agent personnel utile doit distinguer la rédaction d’une action suggérée de l’exécution d’une action aux conséquences importantes.

La remise ne résout pas ces préoccupations. Elle peut encourager davantage d’équipes à les rencontrer plus tôt.

Une autre incertitude concerne la réplication externe. Les résultats de benchmark de Google montrent des gains cohérents dans plusieurs catégories, mais des évaluations indépendantes fourniront une comparaison plus claire.

Les benchmarks peuvent aussi devenir moins informatifs à mesure que les modèles s’optimisent pour des formats de test familiers. Des évaluations privées fondées sur des tâches inédites fournissent souvent des preuves de déploiement plus solides.

Les développeurs devraient créer un ensemble d’évaluation figé avant de tester Gemini 3.7 Flash. Cet ensemble devrait inclure le travail ordinaire, des cas limites difficiles et des schémas d’échec connus.

Chaque tâche nécessite des critères d’acceptation explicites. Un correctif de code devrait réussir les tests et la revue, tandis qu’une réponse documentaire devrait citer les preuves sous-jacentes correctes.

Les évaluateurs humains devraient examiner les résultats sans voir le nom du modèle lorsque cela est possible. Une revue à l’aveugle peut réduire les attentes créées par la tarification ou la publicité de lancement.

Les équipes devraient également conserver les journaux de Gemini 3.6 Flash et des modèles concurrents. Les résultats historiques fournissent une référence pour mesurer les améliorations après des changements de prompts ou d’outils.

Une base de connaissances IA personnelle illustre pourquoi la qualité des sources compte. Un meilleur raisonnement du modèle ne peut pas récupérer des éléments probants qui n’ont jamais été capturés ou rendus accessibles.

Pour les acheteurs en entreprise, la position sceptique est donc simple. Google a créé une fenêtre d’évaluation attrayante, mais n’a pas promis des tarifs durablement inférieurs.

Le cas d’adoption le plus solide combinera une meilleure réalisation des tâches, une gouvernance acceptable et une économie stable après la promotion. L’absence de l’une de ces conditions affaiblit l’affirmation principale.

Ce que le prochain cycle d’actualités de Google devrait révéler

Trois signaux montreront si Gemini 3.7 Flash représente une efficacité durable ou une impulsion temporaire en faveur de l’adoption.

Le premier signal est l’évaluation indépendante au niveau des tâches. Les développeurs et groupes de recherche doivent reproduire les gains annoncés en programmation, traitement de documents et automatisation sur des charges de travail hors de la suite de benchmarks de Google.

Une réplication réussie renforcerait l’affirmation de Google selon laquelle le modèle accomplit davantage de travail utile par exécution. Des écarts importants suggéreraient que les résultats de lancement dépendent fortement de la conception de l’évaluation.

Les rapports les plus utiles publieront plus qu’un score unique. Ils devraient divulguer les prompts, les autorisations des outils, les politiques de relance, l’utilisation de jetons, la latence et les critères d’acceptation humains.

Les évaluations de programmation devraient inclure un travail à l’échelle d’un dépôt plutôt que des fonctions isolées. Les évaluations d’agents devraient consigner les échecs causés par la planification, la sélection d’outils et le comportement de récupération.

Les tests documentaires devraient vérifier si les réponses renvoient au bon matériau source. La seule fluidité ne permet pas d’établir l’exactitude dans le travail juridique, financier ou scientifique.

Le deuxième signal est la réponse des concurrents. Anthropic, OpenAI et d’autres fournisseurs peuvent répondre par de nouveaux modèles, des tarifs plus bas, de meilleures options de traitement par lots ou des outils d’agents plus performants.

Une réponse concurrentielle généralisée conforterait l’idée que Google a intensifié la pression sur les coûts des tâches accomplies. Une réaction limitée pourrait indiquer que les rivaux considèrent la promotion comme une acquisition temporaire de clients.

Le comportement des fournisseurs compte également au-delà des grilles tarifaires publiques. Les remises accordées aux entreprises, les partenariats de routage et l’élargissement de l’accès peuvent influencer les décisions de déploiement sans apparaître dans les annonces destinées aux consommateurs.

Le troisième signal arrivera à l’approche du 1er janvier 2027. Les développeurs devront décider s’ils conservent Gemini 3.7 Flash à la fin de la période promotionnelle.

Google pourrait prolonger l’offre, introduire un autre modèle ou maintenir le calendrier documenté. Chaque issue communiquerait quelque chose de différent sur la demande et l’économie d’exploitation.

Une prolongation suggérerait que la tarification reste un levier important d’adoption. Une hausse prévue testerait si les améliorations de performance annoncées ont créé suffisamment de valeur pour conserver les charges de travail.

Un modèle de remplacement pourrait prolonger le rythme rapide de lancement de Google. Cette issue relancerait également le travail de validation pour les équipes qui évaluent encore Gemini 3.7 Flash.

Le comportement d’usage fournira le verdict le plus clair. Si les développeurs continuent de router des tâches de production vers le modèle après la hausse, la qualité aura probablement compensé le tarif nominal plus élevé.

Si les charges de travail s’en détournent avant janvier, la remise temporaire aura peut-être produit de l’expérimentation sans engagement durable. Cela affaiblirait l’affirmation plus large d’une réduction durable des coûts.

La couverture de Google News mettra probablement l’accent sur les lancements de modèles, les victoires de benchmark et les réponses des fournisseurs. Les acheteurs devraient suivre les preuves plus discrètes qui se cachent derrière ces titres.

Surveillez les coûts par tâche acceptée, et pas seulement les tarifs des jetons. Consignez le nombre de tentatives nécessaires à chaque flux de travail et la fréquence à laquelle des humains doivent corriger le résultat.

Mesurez le modèle au tarif qui s’appliquera pendant la durée de vie attendue du produit. Une promotion peut financer les tests, mais elle ne devrait pas définir une prévision à long terme.

Gemini 3.7 Flash donne aux développeurs une raison crédible d’effectuer ce test dès maintenant. Google rapporte des gains significatifs en programmation, développement web, raisonnement documentaire et automatisation métier.

La question restante est de savoir si ces améliorations résistent à une évaluation indépendante et aux tarifs 2027 plus élevés. La réponse déterminera s’il s’agissait d’une campagne de remise ou d’un changement durable.

Avant de déplacer un flux de travail de production, sélectionnez plusieurs tâches représentatives et définissez par écrit la réussite. Comparez Gemini 3.7 Flash au modèle qui effectue déjà le travail, avec des outils et des preuves identiques.

Répétez ensuite l’analyse des coûts selon les conditions post-promotion documentées par Google. Incluez les relances, la revue humaine, la latence et les appels d’outils échoués, en plus de la consommation de jetons.

Ce processus transforme un titre de Google News en une décision d’exploitation défendable. Gemini 3.7 Flash conservera-t-il la charge de travail lorsque la remise de lancement disparaîtra ?