TechCrunch→ original

Google transforme Gemini en agent doté de sa propre adresse e-mail et de sous-agents

Google déploie Gemini sous forme de système agentique, en commençant par les clients professionnels. L'agent planifie les tâches, les exécute dans les applications et systèmes métier, confie une partie du travail à des sous-agents et fait appel à plusieurs modèles d'IA. Autre détail : l'agent possède sa propre identité professionnelle, avec une adresse e-mail. L'annonce ne dévoile ni tarifs, ni limites, ni liste d'intégrations. • Planification et exécution des tâches dans les systèmes métier • Sous-agents et plusieurs modèles au sein d'un même dispositif • Compte professionnel avec e-mail pour l'agent lui-même

Traité par IA depuis TechCrunch ; édité par Hamidun News
Google transforme Gemini en agent doté de sa propre adresse e-mail et de sous-agents
Source : TechCrunch. Collage: Hamidun News.
◐ Écouter l'article

Google transforme Gemini en agent pour les entreprises. Il planifie les tâches, les exécute dans les applications et systèmes d'entreprise, répartit des morceaux de travail entre des sous-agents et choisit différents modèles d'IA selon les étapes. L'agent reçoit aussi sa propre identité professionnelle, adresse e-mail comprise. L'annonce repose sur trois mécanismes clés, et ce sont les entreprises, non les utilisateurs grand public, qui en bénéficient en premier.

Ce qui a été annoncé exactement

Selon la description de TechCrunch, Gemini fonctionne désormais comme un exécutant, et non plus seulement comme un interlocuteur. Il reçoit un objectif, construit un plan, avance étape par étape et s'appuie sur les applications métier. Si la tâche est importante, il la délègue à des agents subalternes. Pour différentes parties du travail, il peut recourir à différents modèles.

L'article ne contient aucun chiffre : ni tarifs, ni limites, ni liste des systèmes pris en charge, ni dates de disponibilité par région. Il faut garder cela en tête pendant la première vague d'enthousiasme. Pour l'instant, l'architecture est claire, mais pas l'économie du produit.

  • Planification : l'agent découpe lui-même l'objectif en étapes
  • Exécution : travail à l'intérieur des applications et systèmes métier
  • Délégation : des sous-agents pour des sous-tâches distinctes
  • Multimodèle : plusieurs modèles d'IA dans un même processus
  • Identité : un compte professionnel avec sa propre adresse e-mail
  • Premier segment : les clients professionnels

Pourquoi un agent a besoin d'une adresse e-mail

Le détail de l'e-mail paraît anodin, mais il règle un problème très concret. Tant que l'agent travaille sous le compte d'un employé réel, les journaux ne permettent pas de distinguer l'action d'un humain de celle d'une machine. Il faut déléguer les droits en bloc, et l'audit tourne à la devinette.

Une identité distincte change la donne. On peut inscrire l'agent dans l'annuaire des utilisateurs, lui attribuer un ensemble minimal de droits, l'ajouter aux chaînes de courriels de travail et le désactiver d'un seul clic. On peut aussi lui confier une tâche par un simple message, comme à un collègue.

L'envers du décor est évident. La boîte e-mail devient une porte d'entrée pour les attaques. Un message contenant une instruction cachée peut tenter de détourner l'agent de sa route, et plus ses droits sont étendus, plus l'erreur coûte cher. L'annonce ne dit pas comment Google neutralise cette catégorie de menaces.

Sous-agents et plusieurs modèles

Le schéma avec un orchestrateur et des exécutants spécialisés est devenu un standard pour les systèmes agentiques. L'agent principal garde l'objectif et le contexte, tandis que les sous-agents prennent en charge des opérations précises : collecter des données, préparer un brouillon, vérifier la conformité avec un règlement. L'usage de plusieurs modèles permet de réaliser des économies. Un modèle bon marché et rapide gère la routine, un modèle plus coûteux et plus puissant intervient là où un raisonnement est nécessaire.

Ce type de dispositif a un coût. L'erreur d'un sous-agent peut remonter silencieusement la chaîne, et le débogage d'un processus à plusieurs étapes est plus complexe que la vérification d'une seule réponse. Les concurrents existent déjà sur les agents d'entreprise, par exemple Microsoft avec Copilot Studio et Salesforce avec Agentforce : Google arrive donc sur un segment déjà occupé. Une intégration poussée avec sa propre suite de travail pourrait constituer un argument, mais l'article n'apporte aucune confirmation en ce sens.

Que vérifier avant un pilote

Si vous envisagez un test, commencez par les questions auxquelles l'annonce ne répond pas.

  • Quels systèmes se connectent nativement, et lesquels exigent des connecteurs développés en interne
  • Comment le coût est calculé : par requête, par token ou par « heure-agent », et si les sous-agents sont comptabilisés
  • Si l'on peut restreindre les droits de l'agent au niveau d'opérations précises, et non d'applications entières
  • Où sont stockés les journaux d'actions et s'il est possible de les exporter vers son propre système de supervision
  • Comment la boîte e-mail de l'agent est protégée contre l'injection d'instructions via les courriels entrants

Un bon premier scénario est un processus étroit, au résultat vérifiable, avec un humain qui valide l'étape finale. Il vaut mieux accorder à l'agent des droits en lecture, puis ajouter progressivement l'écriture, après examen des journaux réels.

ZK
Hamidun News
Actualités IA sans bruit. Sélection éditoriale quotidienne de plus de 50 sources. Produit de Zhemal Khamidun, Head of AI chez Alpina Digital.
✦ Autonomous AI Agents

Delegate Deep Research, Coding & Workflows to an AI Agent

Deploy autonomous multi-step execution with NomadNet Agent (agent.nomadnet.ai) — automated web research, data synthesis, code generation, and complex task orchestration.

Launch NomadNet Agent →NomadNet AI Platform
Qu'en pensez-vous ?
Chargement des commentaires…