- Google présente un agent Gemini unifié qui accepte les objectifs et exécute des tâches complètes.
- Le système s'intègre à Workspace, Microsoft 365, Slack, Jira, Git et aux plateformes de données.
- Gemini disposera de son propre compte Workspace, d'un historique d'audit et d'un sélecteur de modèle automatique, incluant Claude.
- L'entreprise débute avec des entreprises et des clients tels qu'Orange Spain ou BNP Paribas, avec une disponibilité multiplateforme.
Google a clairement indiqué que Gemini ne se contente pas d'être un simple assistant de questions-réponses. Lors d'un événement consacré à Google Cloud, l'entreprise a dévoilé un agent unifié capable de recevoir des objectifs et de les exécuter à l'aide des outils déjà utilisés par l'entreprise. L'idée est que l'utilisateur n'ait plus besoin de donner des instructions détaillées, mais qu'il lui suffit de définir un objectif ; le système se charge alors d'organiser le processus. C'est un changement fondamental : on passe de la conversation à l'action.
Cette initiative est indissociable du contexte concurrentiel. OpenAI, Anthropic et Meta investissent les marchés des agents personnels et professionnels, et Google souhaite tirer parti d'un atout majeur : une vaste base d'utilisateurs et une clientèle d'entreprises importante. Selon Sundar Pichai, Gemini compte plus d'un milliard d'utilisateurs actifs mensuels , et près de 90 % des entreprises du classement Fortune 100 utilisent les solutions Gemini Enterprise. L'entreprise cible en priorité les entreprises car c'est là que se concentrent les défis les plus importants en matière de sécurité, d'évolutivité et de performance.
Répondre aux questions, accomplir des tâches…
La principale différence réside dans la manière dont la tâche est formulée. Les assistants traditionnels attendent des instructions précises : rédiger un courriel, résumer un document, rechercher des données. Le nouvel agent de Gemini, en revanche, accepte des objectifs complets et détermine les étapes nécessaires pour les atteindre. Thomas Kurian, PDG de Google Cloud, l'a résumé très clairement : le système reçoit des objectifs, et non de simples instructions.
Cela signifie qu'elle peut planifier des opérations, utiliser des compétences personnalisées, se connecter aux systèmes internes et conserver le contexte tout au long du processus. Au lieu de demander une action ponctuelle, une entreprise peut définir le résultat final et laisser l'IA orchestrer l'ensemble du processus. La valeur ne réside plus uniquement dans la qualité de la réponse , mais aussi dans la capacité à enchaîner les actions sans supervision constante.
Intégrations : Workspace, Microsoft 365, Slack et bien plus encore
L'agent n'est pas conçu comme une application autonome, mais plutôt comme une surcouche s'intégrant parfaitement aux flux de travail quotidiens. Google a confirmé sa compatibilité avec Google Workspace, Microsoft 365, Slack, Jira, Confluence et Git , ainsi qu'avec des plateformes de données telles que BigQuery, Databricks, Postgres et Snowflake. L'objectif est que Gemini fonctionne directement avec les outils où résident déjà les données de l'entreprise.
Vous pouvez également vous connecter aux serveurs MCP, qu'ils soient situés à l'intérieur ou à l'extérieur du réseau d'entreprise. Ceci permet d'intégrer des logiciels internes ou des services tiers sans avoir à recréer chaque intégration de zéro. Pour une entreprise, cela réduit la fragmentation : un seul opérateur peut accéder à la documentation, consulter les messages, mettre à jour les journaux et coordonner les équipes depuis une interface conversationnelle unique.
Un agent indépendant avec une piste d'audit.
L'une des caractéristiques les plus marquantes est que Gemini disposera de son propre compte Workspace, avec adresse e-mail, contexte et identité au sein de l'organisation. En pratique, il se comporte comme n'importe quel autre collaborateur , avec ses propres autorisations et son historique. Cela permet à l'agent de comprendre la structure de l'entreprise, de savoir qui approuve quoi et dans quel fuseau horaire chaque personne se trouve.
Lorsqu'elle agit, ses actions sont consignées dans un journal d'audit attribué à l'agent, et non à l'employé qui l'a déclenchée. Ce point est essentiel pour la traçabilité : les entreprises pourront ainsi distinguer les décisions prises par une personne de celles exécutées par l'IA . Google a également mis en place une boîte de réception dédiée aux tâches afin de suivre leur avancement, les agents impliqués et les outils utilisés.
Modèles de différents fournisseurs et contrôle des dépenses
Google ne souhaite pas lier l'agent à un modèle unique. Le système pourra choisir automatiquement l'option la plus appropriée pour chaque tâche et, si nécessaire, l'utilisateur pourra en imposer une autre. Parmi les modèles disponibles dès le départ figure Claude, d'Anthropic , un choix inhabituel pour une plateforme propriétaire. L'entreprise prévoit d'ajouter ultérieurement des modèles open source et propriétaires.
Cette orchestration multi-modèles vise également à maîtriser les coûts. Toutes les tâches ne nécessitent pas le système le plus puissant ; l’agent peut ainsi utiliser une option plus efficiente pour les problèmes simples et réserver les modèles plus performants aux processus complexes. Google a annoncé des limites de dépenses en temps réel et un routage intelligent pour aider les entreprises à garder le contrôle de leurs factures.
Disponibilité, tests initiaux et clients
L'accès ne se limitera pas au web. Gemini sera disponible sur iOS, Android, Windows, Mac, via une interface en ligne de commande, Workspace, Microsoft 365, ServiceNow et Slack . L'objectif est que l'agent accompagne l'utilisateur dans différents environnements, sans qu'il ait à déplacer manuellement des données entre les applications.
Parmi les premiers testeurs figurent On, Shopify et PayPal. La liste des clients de Gemini Enterprise comprend des entreprises telles que BNP Paribas, Bradesco, Merck, Orange Espagne, Santee Cooper, SOMPO, Ulta Beauty et Wesfarmers. Pour l'Espagne et l'Europe, la présence d'Orange Espagne et de BNP Paribas est significative , car elle indique que ce type d'entreprises commencera à apparaître dans les projets et appels d'offres d'entreprises à travers le continent. Parallèlement, Google a dévoilé Gemini 4 Argon, un modèle de nouvelle génération que l'entreprise a placé au cœur de son expansion technique, bien que son intégration finale dans l'application ne soit pas encore achevée.
Quelles conséquences cela aura-t-il pour la concurrence ?
Cette annonce intervient dans un contexte de course effrénée au développement d'agents virtuels. OpenAI a dévoilé Dots, Meta a lancé Muse et Anthropic a renforcé ses modèles avec Sonnet 5.5. Chacun cible un segment différent : Google mise sur la distribution en entreprise, OpenAI vise le modèle le plus avancé, Anthropic privilégie le rapport prix/performances et Meta s'adresse au grand public . La bataille ne se joue plus seulement pour le meilleur modèle, mais aussi pour la plateforme sur laquelle les tâches sont exécutées.
Google bénéficie d'une longueur d'avance en matière d'intégration, car il contrôle déjà des services comme Gmail, Agenda, Chrome et son moteur de recherche. Cependant, le défi consistera à démontrer la fiabilité de l'agent dans des environnements complexes comportant des systèmes existants, des données sensibles et des politiques d'accès strictes. L'autonomie présente également des risques : une erreur d'information n'a pas les mêmes conséquences qu'une action incorrecte sur un système d'entreprise.
L'initiative de Google avec Gemini s'inscrit dans une tendance plus large : l'intelligence artificielle ne se contente plus de répondre à un écran, mais commence à se comporter comme un véritable assistant numérique chargé de tâches. L'entreprise a introduit des objectifs plutôt que des instructions, une intégration poussée, une identité unique pour chaque agent et un contrôle des coûts . Son succès dépendra néanmoins de la sécurité, de la traçabilité et de la confiance qu'elle parviendra à instaurer. Pour les entreprises espagnoles et européennes, l'enjeu principal sera de déterminer comment ces outils s'intègrent à leurs systèmes, à leurs obligations réglementaires et à leurs équipes. Il ne s'agit pas seulement de disposer du modèle le plus performant, mais de savoir quelles décisions il est judicieux de déléguer à une machine.
