Google lance Gemini agent : l’IA d’entreprise passe du « choix des modèles » à la « gestion des agents »

Ce qui s'est passé

Le 8 octobre 2026, Google Cloud a annoncé l'agent Gemini lors de son événement Gemini at Work 2026 — officiellement défini comme « un agent unique et universel pour le travail ». Il répond aux questions de connaissance, accomplit le travail de connaissance, crée des images et des médias, écrit et exécute du code, le tout via une seule zone de prompt et une seule API. Dans le billet de blog officiel adapté de son discours d'ouverture, le PDG Thomas Kurian l'a formulé ainsi : vous lui donnez des objectifs, pas des instructions ; vous déléguez un résultat et revenez à un travail terminé.

L'agent repose sur six principes architecturaux. Un agent unifié : le chat, l'accomplissement autonome d'objectifs et la programmation cohabitent dans une seule interface. Un accès omniprésent : web, iOS, Android, Windows et Mac, plus la ligne de commande, Google Workspace, Microsoft 365, Slack, les applications tierces et le fonctionnement headless. Une exécution persistante dans le cloud : un unique ensemble de mémoire, de contexte et de graphe de personnalisation vous suit d'un appareil à l'autre, et le travail peut durer des heures voire des jours — fermer votre ordinateur portable ne l'arrête pas. L'orchestration multi-agents : il peut créer dynamiquement des sous-agents temporaires, chacun avec sa propre identité, exécutant des tâches en plusieurs étapes en parallèle ou en séquence ; il peut aussi créer des agents coworkers persistants — comme des membres d'équipe — avec leurs propres adresses @agents.company.com, calendriers, stockage Drive et stockage persistant, visibles uniquement dans le contexte qui leur est explicitement accordé. Profondément contextuel : il maintient quatre types de mémoire — mémoire de session, mémoire sémantique, mémoire procédurale et mémoire épisodique.

[1] [2] [3]

Le mouvement clé : découpler le modèle de l'agent

Le blog officiel le dit clairement : Gemini est l'agent, et le modèle sous-jacent est un choix distinct. Il achemine chaque tâche vers le modèle le plus adapté — aujourd'hui la famille Gemini de Google et les modèles Claude d'Anthropic, avec d'autres modèles privés et ouverts de premier plan à venir. La phrase de Kurian mérite d'être citée textuellement : « Le modèle leader change tous les quelques mois », donc garder ce choix ouvert signifie que votre contexte, vos skills et vos données n'auront jamais à déménager.

Le coût et la gouvernance vont de pair. Côté coût : orchestration multimodèle, Smart Routing et plafonds de dépenses en temps réel. Côté gouvernance : gestion de l'identité et des politiques, contrôles d'autorisation et de permissions, sandboxing sécurisé et passerelles réseau. L'intégration Workspace est le point d'atterrissage : Gemini travaille directement dans Gmail, Drive, Docs, Slides, Sheets, Chat et Calendar selon trois modes — assistance personnelle, délégation proactive (il reconnaît une tâche délégable dans un e-mail et la transfère en un clic) et membre d'équipe (un agent coworker avec son propre compte Workspace, présent dans l'annuaire de l'entreprise, mentionnable avec @ dans un salon de discussion).

La liste des connecteurs est longue : Confluence, Microsoft Office, Teams, Slack, Git, Jira, Salesforce, ServiceNow, BigQuery, Databricks, Postgres, Snowflake, fichiers du bureau et tout serveur MCP à l'intérieur ou à l'extérieur du réseau de l'entreprise — plus un registre d'outils d'entreprise, un registre de skills et des skills d'analyse de données en langage naturel. Côté verticales, les éditions spécifiques aux services financiers et aux équipes juridiques ont été annoncées (en preview selon Reuters), les éditions pour le gouvernement, la santé et le retail étant en route. Le cabinet d'avocats Cooley s'est annoncé comme partenaire de lancement d'un agent de caviarder pour le contentieux.

[1] [2] [6]

Pourquoi c'est important : trois bascules

Premièrement, la logique d'achat change. Depuis un an, la question centrale d'achat de l'IA d'entreprise était « quel modèle » ; l'agent Gemini la rétrograde en politique de routage — la plateforme d'agents choisit pour vous. C'est un coup direct porté à chaque équipe construisant sa propre passerelle de modèles : quand Google lui-même orchestre les modèles d'Anthropic, le récit de plateforme « nos modèles uniquement » ne tient plus.

Deuxièmement, l'identité de l'agent devient un objet de gouvernance de premier ordre. Un agent coworker possède son propre e-mail, son calendrier et son attribution dans l'historique des versions — quand il suggère une modification dans un commentaire de document, il apparaît sous son propre nom dans l'historique. Cela signifie que l'audit, les permissions et les départs — les vieux problèmes des RH et de l'IT — doivent être refaits pour des « employés » non humains. Identité, politique, sandbox, passerelle : la méthodologie que les entreprises utilisaient pour gouverner les applications SaaS est en train d'être transférée aux agents.

Troisièmement, l'architecture de la mémoire se standardise. Une fois qu'un grand fournisseur inscrit la division en quatre mémoires (session/sémantique/procédurale/épisodique) dans son architecture officielle, elle peut devenir le vocabulaire par défaut de l'industrie. Les équipes qui construisent l'infrastructure des agents doivent décider dès maintenant si leurs propres couches de mémoire s'alignent sur ce langage — s'aligner achète la compréhension des acheteurs ; diverger coûte des explications.

[1]

Contrepoints et ce qui ne peut pas encore être affirmé

D'abord, la limite des preuves. Tous les chiffres d'adoption du billet officiel — près de 500 clients traitant chacun plus d'un billion de tokens au cours de l'année écoulée, près de 80 % des clients Cloud utilisant ses produits d'IA, près de 90 % du Fortune 100 utilisant Gemini Enterprise — et des cas clients comme Bradesco réduisant la révision documentaire « d'une heure à cinq minutes » ou Orange Spain déployant « plus de 1 000 agents » sont des affirmations propres à Google, sans audit indépendant. Ils ne peuvent pas être cités comme référence du secteur.

Ensuite, des faits commerciaux clés manquent : le billet ne révèle ni prix ni calendrier de disponibilité générale. Des informations de tiers (runtimewire, citant 9to5Google) indiquent que le produit est toujours en private preview, avec une disponibilité élargie déployée par phases vers certains plans Workspace Business et Enterprise — à traiter comme information tierce jusqu'à confirmation de Google.

Troisièmement, « acheminer chaque tâche vers le meilleur modèle » sonne élégant, mais les critères de décision de Smart Routing, l'explicabilité des décisions de routage et l'attribution des coûts entre modèles n'ont pas été divulgués. Tant que les coûts ne sont pas véritablement auditables, la promesse d'économies de l'orchestration multimodèle est une affirmation marketing.

Enfin, le risque de dépendance est réel. La mémoire, les skills et les registres d'outils de l'agent s'installent dans le système Google Cloud ; « garder le choix ouvert » s'applique à la sélection des modèles, pas à la migration de plateforme. Miser les identités d'agents et le graphe de mémoire d'une entreprise sur un seul fournisseur cloud est une décision de niveau conseil d'administration.

[1] [6] [5]

Actions pour les constructeurs et les décideurs

Pour les constructeurs : d'abord, refaire le modèle de permissions autour de « l'identité de l'agent » — l'e-mail et le stockage d'un agent coworker sont une surface d'attaque réelle, et le moindre privilège s'applique désormais aux principaux non humains. Ensuite, mettre à jour les hypothèses d'interface : les agents peuvent travailler directement dans les documents, l'e-mail et le chat, donc « ouvrir une app d'IA » peut cesser d'être le début du parcours utilisateur. Enfin, évaluer la liste des connecteurs MCP un par un — c'est le chemin le moins cher pour brancher les systèmes existants sur une plateforme d'agents.

Pour les décideurs : d'abord, transférer une partie du budget « sélection de modèles » vers la « gouvernance des agents » — identité, audit et plafonds de dépenses sont des postes plus urgents que les paramètres des modèles. Ensuite, exiger des rapports d'explicabilité des décisions de routage ; ne pas payer pour un Smart Routing boîte noire. Enfin, piloter la fiabilité des tâches longues « d'heures à jours » sur vos propres données métier — la promesse d'exécution persistante doit être retestée hors du discours de lancement.

En une ligne : ce que Google a livré n'est pas un modèle plus puissant, mais le prototype d'un système d'exploitation d'entreprise « agent-employé ». Les modèles changeront tous les quelques mois ; identité, mémoire, gouvernance et routage sont les questions d'infrastructure qui resteront pour les trois prochaines années.