Google, Tambo et GenUI : trois approches des interfaces AI construites à la volée

Generative UI dépasse les chatbots : le modèle ne se contente pas d'écrire une réponse, il décide aussi quelle interface montrer à l'utilisateur à un moment spécifique. Une nouvelle analyse explique où cette approche est vraiment utile — de l'analyse de données aux réservations — et pourquoi le choix architectural importe plus que la tendance vers les systèmes d'agents.

Comment GenUI est Différent

Dans un chat IA typique, l'utilisateur reçoit du texte, parfois avec un tableau ou un formatage markdown, mais la logique de l'écran reste pré-codée dans le produit. Generative UI va plus loin : le modèle peut sélectionner lui-même le bon composant, assembler un formulaire, afficher une carte avec un insight, un graphique ou une navigation dans les résultats. C'est particulièrement utile quand l'interface dépend non pas d'un seul scénario, mais du contexte de la requête, du type de données et de la prochaine étape de l'utilisateur.

« L'interface est trop variable pour en coder en dur tous les états. »

L'article met en évidence quatre cas typiques où GenUI est véritablement justifié : si le résultat généré doit vivre comme un artefact modifiable, si un agent doit collecter des données structurées via un formulaire, si la réponse se montre mieux visuellement que sous forme de paragraphes de texte, et si l'utilisateur doit naviguer entre plusieurs options trouvées.

L'idée ici n'est pas de rendre l'interface plus impressionnante, mais de réduire la charge cognitive inutile et d'accélérer le travail avec la réponse.

Trois Modèles d'Assemblage

L'auteur examine trois approches architecturales, chacune avec son propre équilibre entre liberté du modèle, qualité UX et risques pour le produit.

Le chemin le plus évident est de laisser le modèle générer du HTML et le rendre directement dans le navigateur. C'est rapide pour un prototype, mais en production cette option est fragile : le modèle brise facilement le design system, invente des attributs inexistants et soulève des préoccupations supplémentaires de sécurité.

• Génération HTML — liberté maximale pour le modèle, contrôle minimal pour l'équipe produit.
• Approche déclarative — l'agent décrit l'interface via JSON et un dictionnaire de composants, et le client la rend dans son propre UI kit.
• Sélection de composant prêt — l'agent ne code pas l'interface mais substitue des données dans des cartes, graphiques et formulaires pré-assemblés.

Le chemin intermédiaire ici est l'assemblage déclaratif, où l'agent n'écrit pas de code directement mais fonctionne comme un compositeur d'éléments atomiques. L'article note que cette approche formalise le protocole A2UI de Google, publié en décembre 2025.

L'option la plus contrôlable est une bibliothèque de composants prêts : le modèle a moins de liberté, mais l'interface reste prévisible. Cette approche convient moins à un nombre infini de scénarios, mais fonctionne mieux quand l'UX importe plus que l'improvisation.

Pourquoi Tambo a Été Choisi

Le cas pratique dans l'article implique un assistant IA pour l'analyse marketing. Dans un tel produit, il y a une zone de travail avec des tableaux et des tranches où l'utilisateur analyse les données, et il y a un chat avec un agent qui aide à trouver des insights. Le problème est qu'il est utile que l'agent montre des mini-graphiques, des cartes et des résumés, mais vous ne pouvez pas le laisser reconstruire librement la zone de travail principale.

Pour un produit analytique, ceci est l'artefact principal, et toute dynamique supplémentaire ne fait qu'interférer.

En résultat, l'auteur a opté pour Tambo — un framework open source pour React qui fonctionne selon le modèle de composant prêt et ajoute le cycle de vie, les états et la communication bidirectionnelle entre UI et agent via AG-UI. Les composants sont enregistrés avec des descriptions et des schémas Zod pour les props, après quoi l'agent choisit ce qu'afficher et peut faire du streaming de données vers le composant en temps réel.

La zone de travail dans ce schéma reste stable et pré-assemblée, tandis que tous les éléments générés — graphiques, cartes, résumés rapides — vivent dans le chat et ne cassent pas l'UX principale.

Ce Que Cela Signifie

Generative UI cesse d'être une expérience pour les démos et devient une couche appliquée des produits IA. La conclusion principale est simple : choisissez non pas le framework le plus à la mode, mais le degré de liberté que vous êtes disposé à accorder au modèle sans compromettre l'interface, la sécurité et la logique du flux de travail de l'utilisateur.