Google, Tambo et GenUI : trois approches des interfaces d'IA assemblées à la volée

Generative UI dépasse le cadre des chatbots : le modèle ne se contente pas de rédiger une réponse, il décide aussi quelle interface montrer à l'utilisateur à un instant donné. Une nouvelle analyse explique où cette approche est réellement utile, de l'analytique aux réservations, et pourquoi le choix de l'architecture compte ici davantage que l'effet de mode des systèmes agentiques.

En quoi GenUI est différent

Dans un chat d'IA ordinaire, l'utilisateur reçoit du texte, parfois avec un tableau ou une mise en forme markdown, mais la logique de l'écran reste figée à l'avance dans le produit. Generative UI va plus loin : le modèle peut choisir lui-même le composant adapté, assembler un formulaire, afficher une carte avec un enseignement, 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 coder en dur tous les états. »

Le document identifie quatre cas typiques où GenUI est réellement justifié : lorsque le résultat généré doit vivre comme un artefact modifiable, lorsque l'agent doit collecter des données structurées via un formulaire, lorsqu'il vaut mieux présenter la réponse visuellement plutôt qu'en paragraphes de texte, et lorsque l'utilisateur doit naviguer entre plusieurs options trouvées. L'objectif n'est pas de rendre l'interface plus spectaculaire, mais d'alléger la charge cognitive inutile et d'accélérer le travail avec la réponse.

Trois modèles d'assemblage

L'autrice analyse trois approches d'architecture, chacune avec son propre équilibre entre liberté du modèle, qualité de l'UX et risques pour le produit. La voie la plus évidente consiste à laisser le modèle générer du HTML et à l'afficher aussitôt dans le navigateur. C'est rapide pour un prototype, mais fragile en production : le modèle casse facilement le design system, invente des attributs inexistants et soulève des questions de sécurité supplémentaires.

• Génération de HTML : liberté maximale pour le modèle, contrôle minimal pour l'équipe produit.
• Approche déclarative : l'agent décrit l'interface via JSON et un vocabulaire de composants, et le client la restitue dans son propre UI kit.
• Choix d'un composant prêt à l'emploi : l'agent ne construit pas l'interface, il insère des données dans des cartes, graphiques et formulaires déjà assemblés.

La voie intermédiaire est l'assemblage déclaratif, où l'agent n'écrit pas de code directement, mais fait office de compositeur d'éléments atomiques. L'article précise que cette approche est formalisée par le protocole A2UI de Google, publié en décembre 2025. L'option la plus maîtrisable est une bibliothèque de composants prêts à l'emploi : le modèle a moins de liberté, mais l'interface reste prévisible. Cette approche convient moins à un nombre infini de scénarios, mais fonctionne mieux là où l'UX prime sur l'improvisation.

Pourquoi Tambo a été retenu

Le cas pratique de l'article porte sur un assistant d'IA pour l'analytique marketing. Un tel produit comprend un espace de travail avec des tableaux et des segments où l'utilisateur analyse les données, et un chat avec un agent qui aide à dégager des enseignements. Le problème : il est utile que l'agent affiche des mini-graphiques, des cartes et des synthèses, mais on ne peut pas le laisser réorganiser librement l'espace de travail principal. Dans un produit analytique, c'est l'artefact central, et tout dynamisme superflu y est un obstacle.

L'autrice a finalement retenu Tambo, un framework open source pour React qui suit le modèle des composants prêts à l'emploi et ajoute cycle de vie, états et communication bidirectionnelle entre l'interface et l'agent via AG-UI. Les composants sont enregistrés avec des descriptions et des schémas Zod pour les props ; l'agent choisit ensuite ce qu'il affiche et peut diffuser des données vers le composant en temps réel. Dans ce schéma, l'espace de travail reste stable et préassemblé, tandis que tous les éléments génératifs (graphiques, cartes, synthèses rapides) vivent dans le chat et ne cassent pas l'UX principale.

Ce que cela signifie

Generative UI cesse d'être une expérience de démonstration pour devenir une couche applicative des produits d'IA. La conclusion principale est simple : il faut choisir non pas le framework le plus à la mode, mais le degré de liberté que l'on est prêt à céder au modèle sans nuire à l'interface, à la sécurité ni à la logique de travail de l'utilisateur.