Google lance un agent Gemini destiné aux entreprises, avec prise en charge multi-modèles

Lors d'un événement Google Cloud jeudi, l'entreprise a annoncé une expansion majeure de sa plateforme d'IA Gemini, introduisant un agent unifié conçu pour un usage en entreprise. Cette nouvelle capacité dépasse le simple système de questions-réponses pour exécuter des tâches complexes au nom des utilisateurs, s'intégrant directement aux données et aux flux de travail professionnels. Le lancement cible en premier lieu les environnements corporatifs, tirant parti de la présence déjà établie de Gemini dans près de 90 % des entreprises du Fortune 100.

Ce qui s'est passé

Google fait évoluer Gemini d'un outil conversationnel vers un agent actif capable de planifier et d'exécuter du travail. Thomas Kurian, PDG de Google Cloud, a déclaré que les utilisateurs peuvent désormais fournir des objectifs plutôt que de simples instructions. L'agent détermine de manière autonome les étapes nécessaires, utilise des compétences personnalisées et se connecte aux systèmes internes pour atteindre ces buts. Cette approche répond à la demande croissante d'une IA capable de gérer des processus de bout en bout, tels que la planification, le codage et l'analyse de données, sans intervention humaine constante.

La stratégie de déploiement privilégie les entreprises afin de relever les défis critiques en matière de sécurité, d'échelle et de performance avant de s'étendre aux marchés grand public. Sundar Pichai, PDG de Google, a souligné que cette approche par phases permet à l'entreprise d'affiner la technologie dans des environnements d'entreprise contrôlés. Avec plus d'un milliard d'utilisateurs actifs mensuels interagissant déjà avec Gemini, l'infrastructure est prête à soutenir une adoption généralisée, mais la priorité initiale reste la résolution de problèmes opérationnels plus difficiles pour les grandes organisations.

Les premiers tests ont impliqué des entreprises majeures telles que Shopify, PayPal et On. Parmi les autres clients notables de Gemini Enterprise figurent BNP Paribas, Merck et Ulta Beauty. Ces organisations utilisent la plateforme pour intégrer l'IA dans leurs opérations quotidiennes, testant sa capacité à gérer des flux de travail complexes et à interagir de manière sécurisée avec divers écosystèmes logiciels.

Comment cela fonctionne

L'agent fonctionne comme une entité distincte au sein de l'organisation, disposant de son propre compte Google Workspace, adresse e-mail et contexte. Il comprend les structures organisationnelles, y compris les appartenances aux équipes, les fuseaux horaires et les hiérarchies d'approbation. Les utilisateurs peuvent interagir avec l'agent en le mentionnant dans les chats, en envoyant des e-mails ou en partageant des fichiers. Lors de l'exécution des tâches, il génère une piste d'audit attribuée à l'agent lui-même, garantissant la transparence et la responsabilité des actions automatisées.

Une fonctionnalité technique clé est le sélecteur de modèle, qui permet au système de choisir le modèle d'IA le plus approprié pour une tâche donnée. Par défaut, Gemini sélectionne le meilleur modèle, mais les utilisateurs peuvent manuellement outrepasser ce choix. Le système prend actuellement en charge les modèles tiers, commençant par Claude d'Anthropic, et prévoit d'inclure des modèles open source et privés à l'avenir. Cette flexibilité permet aux entreprises d'équilibrer les performances, les coûts et les exigences spécifiques en matière de capacités.

La connectivité est gérée via des intégrations standard et le Model Context Protocol (MCP). L'agent se connecte à des plateformes telles que Microsoft 365, Slack, Jira, Git, BigQuery, Snowflake et Postgres. Il peut également interfacer avec n'importe quel serveur MCP, qu'il soit situé à l'intérieur ou à l'extérieur du réseau de l'entreprise. Une interface « boîte de réception des tâches » offre une visibilité sur le raisonnement de l'agent, la délégation aux sous-agents et les progrès réalisés, permettant aux utilisateurs de surveiller et d'intervenir si nécessaire.

Détails clés

• L'agent opère avec sa propre identité Workspace, incluant une adresse e-mail unique et une conscience contextuelle de la structure de l'entreprise.
• Les utilisateurs peuvent choisir parmi plusieurs modèles d'IA, y compris des options tierces comme Claude d'Anthropic, avec un support futur prévu pour les modèles open source.
• L'intégration s'étend aux principaux outils d'entreprise tels que Microsoft 365, Slack, Jira, Git, BigQuery, Databricks et Snowflake.
• Le système prend en charge le Model Context Protocol (MCP) pour des connexions sécurisées aux serveurs internes et externes.
• Les nouveaux contrôles financiers incluent l'orchestration multi-modèles, le routage intelligent et des plafonds de dépenses en temps réel pour gérer les coûts liés à l'IA.
• L'accès est disponible sur iOS, Android, Windows, Mac, interfaces en ligne de commande et diverses plateformes de productivité.

Pourquoi c'est important

Pour les ingénieurs logiciels et les responsables IT, ce lancement représente un tournant vers des flux de travail agentiques nécessitant une gouvernance et une surveillance robustes. La capacité d'assigner des objectifs plutôt que des instructions étape par étape réduit la charge cognitive des développeurs mais augmente le besoin de confiance dans la prise de décision autonome. Les pistes d'audit intégrées et les identités distinctes des agents aident à atténuer les risques en fournissant une attribution claire des actions menées par l'IA, ce qui est crucial pour la conformité et le débogage dans les environnements d'entreprise.

Le support de l'orchestration multi-modèles et de la connectivité MCP répond à un point de douleur courant dans l'adoption de l'IA : l'enfermement fournisseur (vendor lock-in) et la complexité d'intégration. En permettant aux équipes de router les tâches vers différents modèles selon le coût ou les capacités, les organisations peuvent optimiser leurs dépenses et performances en matière d'IA. L'inclusion de modèles open source et privés dans la feuille de route suggère davantage une évolution vers des architectures IA hybrides, où les données sensibles peuvent être traitées localement tout en exploitant des modèles cloud puissants pour d'autres tâches.

Ce que vous pouvez faire

• Évaluez vos besoins actuels en automatisation de flux de travail pour identifier les tâches adaptées à une délégation basée sur des objectifs.
• Passez en revue vos intégrations existantes avec des outils comme Slack, Jira ou BigQuery pour préparer des connexions compatibles avec MCP.
• Établissez des directives pour les interactions avec les agents IA, incluant les hiérarchies d'approbation et les processus de revue des pistes d'audit.
• Surveillez la disponibilité du support pour les modèles tiers et open source afin de planifier des stratégies multi-modèles.
• Testez l'interface « boîte de réception des tâches » pour comprendre comment la visibilité sur le raisonnement de l'agent peut améliorer la supervision.
• Évaluez vos dépenses actuelles en IA et explorez les nouvelles options de dépenses flexibles comme les plafonds de dépenses en temps réel.