Agents IA

Google Duplex évolue en un agent Gemini unifié pour les appels téléphoniques en direct

Google a intégré sa technologie vocale Duplex, vieille d'une décennie, dans l'application Gemini, permettant à l'IA de gérer des tâches téléphoniques complexes et non scriptées grâce à une architecture de modèle fondamental unifiée.

Un smartphone se connectant à un téléphone à cadran via une forme d'onde numérique.
Illustration générée pour cet article

Traduit automatiquement depuis l'original anglais.

Google a officiellement intégré sa technologie vocale Google Duplex dans la fonctionnalité Tâches de l'application Gemini, marquant une évolution significative dans la manière dont les agents IA gèrent la coordination dans le monde réel. Annoncée le 20 novembre 2026 par des dirigeants de Google Research et Google Maps, cette mise à jour permet à l'assistant personnel IA de passer des appels téléphoniques en direct aux entreprises au nom des utilisateurs. Ce changement fait passer Duplex d'un composant d'infrastructure en coulisses à une capacité directement accessible aux utilisateurs, alimentée par les derniers modèles fondamentaux Gemini.

Ce qui s'est passé

Cette intégration représente l'aboutissement d'un parcours architectural de dix ans, commencé avec le lancement initial de Google Duplex en 2018. Conçue à l'origine pour gérer des tâches étroites et spécifiques comme les réservations de restaurants, la technologie a depuis opéré silencieusement à travers divers produits Google. Pendant la pandémie, elle a joué un rôle crucial dans la vérification des informations commerciales alors que les horaires d'ouverture fluctuaient rapidement, contribuant à des données apparues plus d'un billion de fois dans Search et Maps. Au fil des années, les modèles sous-jacents ont également été adaptés pour des fonctionnalités sur appareil dans les téléphones Pixel, telles que Call Screen et Hold for Me, qui aident les utilisateurs à gérer les appelants inconnus et les temps d'attente.

En 2025 et 2026, la portée s'est encore élargie car les modèles fondamentaux ont permis des appels agentiques plus vastes dans Google Search et Ask Maps. Ces systèmes pouvaient vérifier la disponibilité des produits, les devis de services et les heures d'ouverture pour diverses catégories allant de la réparation automobile au toilettage d'animaux. Le dernier lancement dans l'application Gemini supprime les contraintes restantes sur les types de tâches, permettant à l'IA de gérer des demandes ouvertes via des conversations vocales naturelles. Ce changement permet à l'agent de coordonner des corvées complexes dépourvues d'API numériques, telles que la prise de rendez-vous ou la négociation de conflits d'agenda directement par téléphone.

Comment cela fonctionne

L'épine dorsale technique de ce système a évolué à travers trois générations distinctes. La première version reposait sur des réseaux neuronaux récurrents pré-transformer entraînés sur des conversations anonymisées et spécifiques à une tâche. Ces modèles à domaine fermé nécessitaient un entraînement manuel extensif pour chaque vertical, tel que distinguer la logique d'une réservation de dîner de la vérification des horaires des fêtes. Avec l'émergence des modèles fondamentaux à domaine ouvert, Google a introduit des piles hybrides autour de 2022, associant des modèles génératifs comme LaMDA à un suivi d'état déterministe. Cette approche a amélioré la flexibilité mais nécessitait toujours des garde-fous de politique stricts pour maintenir la fiabilité et la vitesse.

L'architecture actuelle est entièrement construite sur Gemini, unifiant la compréhension multimodale, la planification et la génération de dialogue dans une seule pile. Au lieu de s'appuyer sur des verticaux fixes, le système accepte désormais des descriptions de tâches en texte libre, lui permettant de se généraliser à de nouvelles catégories commerciales et à des demandes nuancées sans construire de modèles de dialogue séparés. Par exemple, il peut gérer des scénarios à multiples contraintes comme planifier l'entretien d'une voiture autour de conflits de calendrier ou demander des dispositions de sièges spécifiques. Cette approche unifiée exploite les capacités de raisonnement des modèles de pointe pour naviguer dans des interactions humaines non scriptées.

La téléphonie en direct présente des défis uniques que le pré-entraînement basé sur le web n'adresse pas, notamment en matière de latence et de bruit acoustique. Le système emploie des modèles acoustiques et de cadence de conversation personnalisés pour gérer les lignes téléphoniques compressées et les bruits de fond tels que le tintamarre de cuisine ou le trafic routier. Ces modèles garantissent une latence inférieure à la seconde, permettant à l'IA d'interpréter les refus indirects polis, de gérer les pauses naturellement et d'éviter de parler par-dessus le destinataire humain. L'ancrage pragmatique est également renforcé par le contexte historique, aidant l'agent à prédire si une tâche est réalisable avant le début de l'appel en se basant sur les interactions passées avec des fournisseurs spécifiques.

Détails clés

  • Le système utilise les modèles Gemini 4, y compris Gemini 4 Hydrogen et Gemini 4 Neon, pour alimenter des flux de travail complets.
  • Chaque appel automatisé commence par une divulgation claire qu'un agent IA de Google parle.
  • Les entreprises peuvent refuser de recevoir ces appels via les paramètres de leur profil Google Business ou en demandant verbalement d'arrêter pendant un appel.
  • Aucune installation logicielle ni formation du personnel n'est requise pour les marchands, car l'IA interagit via des lignes téléphoniques standard.
  • Les informations recueillies lors des appels, telles que les offres happy hour ou les conseils de stationnement, sont utilisées pour mettre à jour les fiches Google Maps.
  • L'agent peut traiter des transactions de manière sécurisée en utilisant le Agent Payments Protocol et coordonner via e-mail et RCS.

Pourquoi c'est important

Pour les ingénieurs logiciels et les fondateurs techniques, cette évolution met en lumière le passage d'une automatisation rigide basée sur des règles à des systèmes agentiques flexibles capables de gérer des environnements non structurés. La capacité de naviguer dans des conversations vocales en direct nécessite de résoudre des problèmes difficiles en inférence streaming à faible latence et en raisonnement pragmatique, allant au-delà des applications LLM textuelles standards. Cela démontre que les agents IA réussis doivent intégrer une compréhension contextuelle profonde avec une performance robuste en temps réel pour interagir respectueusement et efficacement avec les humains.

Ce développement souligne également l'importance de concevoir pour les deux extrémités d'une transaction. En s'assurant que les entreprises conservent le contrôle et ne nécessitent aucune configuration, Google a créé un modèle évolutif pour l'interaction IA qui ne perturbe pas les flux de travail existants. Pour les développeurs créant des outils similaires, l'accent mis sur la divulgation claire, les mécanismes de désinscription et l'absence d'adaptation pour la contrepartie offre un modèle pour le déploiement éthique et pratique d'agents autonomes dans des canaux de communication sensibles.

Ce que vous pouvez faire

  • Étudiez la transition des piles hybrides vers les modèles fondamentaux unifiés pour comprendre comment réduire la charge d'ingénierie dans les systèmes agentiques.
  • Implémentez des protocoles de divulgation clairs dans toute interface vocale IA pour maintenir la confiance et se conformer aux normes émergentes.
  • Concevez des mécanismes de repli permettant aux homologues humains de désinscrire facilement ou de rediriger les interactions automatisées.
  • Concentrez-vous sur la modélisation acoustique à faible latence si votre application implique un traitement vocal en temps réel dans des environnements bruyants.
  • Exploitez les données d'interactions historiques pour améliorer l'ancrage pragmatique et prédire la faisabilité des tâches avant l'exécution.
  • Explorez comment le prompting en texte libre peut remplacer les modèles rigides spécifiques à un domaine pour augmenter la généralisabilité du système.
  • #google duplex
  • #gemini ai
  • #voice agents
  • #llm architecture
  • #ai ethics

Outils de la Boutique Bytechap

Continuer la lecture

Agents IA

Repenser la revue de code à l'ère des agents IA

Robert C. Martin et les leaders du secteur soutiennent que les ingénieurs doivent passer d'une lecture ligne par ligne du code à une revue de l'intention, des critères et des décisions architecturales, alors que l'IA génère de plus en plus de logiciels.

Tous les articles