Le 8 octobre 2026, lors de l’événement Gemini at Work 2026, Google Cloud a lancé un agent Gemini polyvalent destiné aux entreprises. Il ne se contente pas de répondre aux questions : il est conçu pour exécuter des tâches dans différents logiciels de bureau, créer des fichiers, écrire du code et coordonner d’autres agents IA. Google espère que les collaborateurs pourront, à l’avenir, simplement décrire un objectif et laisser l’IA planifier les étapes et fournir le résultat. Cette annonce ouvre la voie à une nouvelle façon de travailler au bureau, mais le produit est encore en préversion privée, réservée à un nombre limité de clients. [1][3]
Du chatbot à l’exécutant de tâches
Aujourd’hui, de nombreux outils d’IA fonctionnent encore selon le modèle « l’utilisateur pose une question, le modèle répond » : demandez-lui les points essentiels d’un document et il en fait le résumé ; demandez-lui d’écrire un e-mail et il vous propose un brouillon. Pour intégrer le résultat dans un système métier, il faut souvent encore le copier, le vérifier et effectuer les opérations nécessaires, étape par étape.
Google entend changer cette manière d’interagir. L’agent présenté par l’entreprise rassemble dans une même interface les questions-réponses, le travail de connaissance, la génération de médias et l’exécution de code. L’utilisateur peut lui confier directement un objectif ; le système sélectionne lui-même les compétences, les outils et les modèles, se connecte aux données de l’entreprise, puis fournit le résultat. Il peut recevoir des tâches depuis différents points d’accès, notamment le navigateur, le téléphone, l’ordinateur, la ligne de commande et les outils de collaboration. [1][2]
La différence ne tient pas seulement à l’ajout de la capacité à cliquer automatiquement : c’est aussi le cycle d’exécution qui s’allonge. Selon Google, les tâches qui durent plusieurs heures, voire plusieurs jours, peuvent se poursuivre dans le cloud. Même si l’utilisateur éteint son ordinateur, le contexte de la tâche et sa progression sont conservés. Les tâches complexes peuvent également être réparties entre des sous-agents constitués à la demande, qui collaborent sur plusieurs étapes. [1]
Pourquoi un collègue numérique a besoin de sa propre identité
Dans les outils de chat classiques, l’IA répond généralement sous l’identité de l’utilisateur. Mais si elle commence à modifier des fichiers, à envoyer des messages et à tenir à jour l’avancement de projets au nom d’une équipe, il devient essentiel de savoir qui a effectué ces actions : c’est une question de gouvernance.
Google propose une forme de « collègue collaboratif » : les équipes peuvent configurer pour les agents chargés de tâches spécifiques un compte Workspace, une adresse e-mail, un agenda et un espace de stockage Drive qui leur sont propres. Les membres peuvent le mentionner dans un groupe de discussion, lui envoyer un e-mail ou lui demander de traiter un sujet dans un commentaire de document. Il apparaît ainsi dans l’historique des activités sous sa propre identité, au lieu que toutes ses actions soient attribuées à un collaborateur. [1][2]
Une équipe marketing peut, par exemple, créer un agent chargé de coordonner une campagne et lui demander de récapituler les préparatifs du lancement, de rédiger une liste de contrôle, puis de déposer le résultat dans l’espace de l’équipe. Au lieu de simplement générer un texte, le travail est confié à un rôle attribué à un système capable de recevoir des tâches en continu. [1]
Mais un compte indépendant ne rend pas l’IA fiable par nature. Elle peut aussi mal comprendre une instruction, accéder à des données qu’elle ne devrait pas utiliser ou générer des informations inexactes. Plus elle se rapproche du travail réel, plus l’organisation doit définir des autorisations minimales, l’approbation des opérations sensibles, l’examen des journaux et des procédures de gestion des incidents. Google a présenté plusieurs mécanismes, dont une identité distincte, des contrôles d’autorisation, un environnement sandbox, une passerelle de contrôle des règles réseau et des journaux d’audit. Il s’agit de fonctionnalités décrites publiquement, ce qui ne signifie pas que leur sécurité a été validée dans tous les cas d’utilisation. [1]
La capacité à se connecter aux logiciels détermine si l’IA peut vraiment être déployée
Les entreprises ne renonceront pas aux logiciels qu’elles utilisent déjà parce qu’elles adoptent l’IA. Gemini peut se connecter à Google Workspace, mais aussi à des services comme Microsoft 365, Slack, Jira, Git, BigQuery et Postgres. Google mentionne également le protocole de contexte de modèle (MCP), une spécification d’interface qui permet aux agents d’utiliser des outils externes de manière unifiée. [1][2]
Imaginons qu’une cheffe ou un chef de projet doive préparer un rapport d’avancement pour la réunion hebdomadaire. En théorie, le processus pourrait consister à rechercher les changements récents dans les messages et le système de gestion des tâches, à consulter les chiffres métier dans la base de données, à compiler le rapport, puis à déposer le résultat dans l’outil documentaire. Une seule tâche coordonne ainsi plusieurs opérations dans des logiciels jusque-là distincts.
Cela décrit toutefois les limites des capacités possibles et ne signifie pas que toutes les entreprises peuvent exécuter directement le même processus. Des champs de données incohérents, des autorisations incomplètes, une couverture insuffisante des connecteurs ou des conditions d’approbation complexes peuvent interrompre l’exécution. Avant le déploiement, les entreprises doivent donc valider de véritables tâches, et non se fier uniquement à des vidéos de démonstration pour évaluer la faisabilité.
Ne pas enfermer les agents dans un seul modèle
Autre évolution technique à suivre : Google cherche à dissocier « l’agent qui exécute les tâches » du modèle sous-jacent chargé du raisonnement. La solution officielle prend actuellement en charge les modèles de la famille Gemini ainsi que ceux d’Anthropic, Claude, et prévoit d’élargir progressivement le choix. [1][2]
Cela signifie que le contexte métier, les compétences opérationnelles et les connexions aux outils accumulés par une entreprise pourraient être conservés dans une couche d’agent relativement stable. Selon les étapes, différents modèles pourraient être utilisés en fonction de leur coût et de leurs capacités : un modèle moins coûteux pour une simple mise en forme, puis un modèle plus performant pour une analyse complexe. L’orchestration entre plusieurs modèles soulève toutefois davantage de questions de compatibilité, de confidentialité et de cohérence des résultats, qui doivent être testées en conditions réelles.
Google a également annoncé le routage intelligent, des plafonds de dépenses par projet et la possibilité de suspendre des tâches, afin de maîtriser les coûts de l’IA sur des opérations de longue durée. Une réponse ordinaire et une tâche qui mobilise plusieurs systèmes pendant des heures n’entraînent pas les mêmes coûts. Sans suivi des dépenses cumulées liées aux appels de modèles, à l’exécution de code et à l’utilisation d’outils, il est difficile pour une entreprise d’intégrer réellement l’IA à son budget. [1]
Du produit en démonstration à son déploiement dans une organisation réelle
Google cite des entreprises de plusieurs secteurs, notamment la finance, le commerce de détail et les télécommunications, qui utilisent les fonctionnalités de Gemini Enterprise. Ces exemples de clients existants de Gemini Enterprise ne constituent toutefois pas tous une preuve que les nouveaux agents généralistes présentés ici sont déjà déployés à grande échelle. [1]
Illustration : exemples de clients de Gemini Enterprise présentés par Google Cloud (source : Google Cloud)
VentureBeat a confirmé dans un article exclusif du 8 octobre que les nouveaux agents Gemini n’étaient alors proposés qu’à certains clients dans le cadre d’un aperçu privé, sans date annoncée pour un déploiement plus large. Selon l’article, Google prévoyait aussi de proposer ces nouvelles fonctionnalités aux clients Gemini Enterprise éligibles, mais les conditions de licence et les coûts d’utilisation complets devaient encore être précisés.[3]
CBS News a replacé cette annonce dans le contexte de la course que se livrent les entreprises technologiques pour lancer des agents IA dédiés au travail. La compétition ne porte plus seulement sur le nombre de questions auxquelles ils peuvent répondre, mais sur leur capacité à accomplir des tâches dans les systèmes du quotidien de manière sûre, fiable et économique.[4]
Cela explique aussi pourquoi la capacité à s’intégrer aux flux de travail existants pourrait compter davantage qu’un score obtenu dans un classement. Si un agent ne peut pas accéder aux bonnes informations ou agir dans le respect de permissions contrôlées, même le modèle linguistique le plus performant aura du mal à créer une valeur durable.
Ce que cela signifie pour les employés et les entreprises
Pour les employés, le changement le plus tangible concerne la manière de travailler : à l’avenir, il sera peut-être possible d’éviter de copier sans cesse les réponses de l’IA d’un logiciel à l’autre. Il suffira de préciser un objectif, un délai, des contraintes et des critères de validation, comme lorsqu’on confie une tâche à un collègue, puis de consulter le déroulement et le résultat.
Pour les responsables d’entreprise, les décisions d’achat gagneront en complexité. Au-delà de la précision des réponses du modèle, il faudra vérifier si l’agent dispose d’une identité qui lui est propre, si ses permissions peuvent être révoquées, si les actions importantes nécessitent une approbation, si les erreurs du système peuvent être retracées et quelles ressources mobilise une tâche de bout en bout.
Google met en avant une orientation claire : l’IA évolue d’un assistant qui répond passivement aux questions vers un exécutant capable de travailler dans la durée et doté d’une identité au sein de l’organisation. Mais cette offre n’en est encore qu’à ses débuts : la fiabilité à long terme, les tarifs précis et les performances à grande échelle devront être étayés par davantage d’informations publiques. Il est raisonnable d’y voir une évolution importante de la stratégie produit ; il est en revanche prématuré de la considérer comme une main-d’œuvre numérique déjà aboutie, capable de remplacer entièrement les employés.[1][3][4]
Sources de référence
- Welcome to Gemini at Work 2026: Introducing the Gemini agent — Google Cloud, consulté le 10 octobre 2026
- Google brings agentic AI to Gemini, starting with businesses — TechCrunch, consulté le 10 octobre 2026
- Google Cloud unveils persistent Gemini Agents for long-running tasks, and they get their own Gmail, Calendar, and Drive storage — VentureBeat, consulté le 10 octobre 2026
- Google launches Gemini AI workplace agent that can write code and run tasks, company says — CBS News, consulté le 10 octobre 2026