Gemini 1.5 s’installe dans Google Workspace et ouvre la voie aux agents IA

Les logiciels de bureau ne se limitent plus à écrire un texte, calculer une somme ou organiser une réunion. Avec Gemini 1.5, Google entend faire entrer une assistance d’intelligence artificielle générative au cœur des gestes professionnels les plus ordinaires : résumer un échange, préparer une première version de document, dégager des tendances dans un tableau ou retrouver une information dans un flux de travail dense. Présentées lors de l’événement virtuel Gemini at Work 2024, ces évolutions dessinent aussi une ambition plus large : permettre aux organisations de bâtir leurs propres agents IA.

Le changement ne tient donc pas seulement au lancement d’un modèle. Il repose sur sa présence à deux endroits complémentaires : d’un côté, les applications utilisées chaque jour par les équipes, de l’autre, Vertex AI, l’environnement de Google Cloud destiné aux développeurs. L’enjeu consiste à rapprocher des modèles capables de comprendre et générer différents types de contenus des processus réels de l’entreprise.

Google Workspace, et non Workplace : où Gemini 1.5 s’intègre-t-il ?

Dans l’écosystème de Google, le nom du bouquet d’outils professionnels est Google Workspace. Il réunit notamment Gmail, Docs et Sheets. C’est dans cet environnement que Google met en avant l’intégration de Gemini : plutôt que d’ouvrir un assistant séparé et de copier-coller des contenus d’une fenêtre à l’autre, l’utilisateur peut solliciter l’IA depuis le logiciel dans lequel il travaille déjà.

Le principe est simple. Dans Gmail, une IA générative peut aider à préparer ou reformuler un message. Dans Docs, elle peut servir de point de départ pour un plan, une synthèse ou une reformulation. Dans Sheets, elle peut assister l’analyse et la mise en forme de données. Cela ne signifie pas que le logiciel « sait » ce qui est juste au sens humain du terme : un modèle de langage produit une réponse en s’appuyant sur des régularités apprises dans des données. Il peut être utile, fluide et pertinent, mais aussi se tromper ou interpréter imparfaitement une demande.

Cette intégration vise avant tout les séquences de travail répétitives ou consommatrices de temps : faire émerger les idées principales d’un document long, transformer des notes dispersées en brouillon structuré, ou préparer une restitution à partir d’informations existantes. Le bénéfice potentiel ne se mesure pas uniquement en minutes gagnées. Il peut aussi résider dans une baisse de la charge liée au démarrage d’une tâche, à la recherche d’informations ou à la rédaction d’une première version.

Ce que recouvre Gemini 1.5

Gemini est la famille de modèles d’intelligence artificielle de Google. Un modèle génératif peut recevoir une consigne et produire du texte, mais son rôle peut aller plus loin lorsqu’il est intégré à des services professionnels : classer des informations, extraire des éléments d’un document, répondre à des questions sur un corpus fourni ou aider à enchaîner plusieurs étapes d’un processus.

La gamme Gemini 1.5 mise notamment sur une compréhension étendue des contenus transmis dans une même interaction. Dans un contexte professionnel, cette propriété est importante : les équipes travaillent rarement sur une phrase isolée. Elles manipulent des documents, conversations, présentations, tableaux et parfois des contenus audio. L’intérêt théorique d’un contexte plus large est de limiter les aller-retours et de permettre à l’outil de prendre en compte davantage d’éléments lors d’une demande.

Google met en avant deux déclinaisons dans Vertex AI : Gemini 1.5 Pro et Gemini 1.5 Flash. Elles ne répondent pas exactement au même équilibre entre capacité de traitement, vitesse et consommation de ressources. Lors de Gemini at Work 2024, l’entreprise a aussi évoqué trois modèles Gemini 1.5 expérimentaux, dont l’un comporte 8 milliards de paramètres.

Le nombre de paramètres désigne, de façon simplifiée, l’ampleur des réglages internes appris par un modèle. C’est un indicateur technique, mais il ne suffit pas à établir à lui seul la qualité d’un outil. Pour une organisation, les critères concrets restent la fiabilité sur ses tâches, le délai de réponse, le coût d’usage, la sécurité et la facilité d’intégration.

Vertex AI, le point de départ des applications sur mesure

L’intégration à Workspace s’adresse aux usages courants. Vertex AI répond à une autre nécessité : celle des entreprises qui souhaitent construire leur propre application fondée sur l’IA. La plateforme de Google Cloud donne aux développeurs un accès aux modèles Gemini afin de les tester, de les adapter au besoin et de les déployer dans un environnement de production.

Cette approche est déterminante pour les organisations dont les processus ne peuvent pas se résumer à une aide générique à la rédaction. Une société peut, par exemple, vouloir créer un système interne qui prépare des comptes rendus à partir de réunions enregistrées, un outil qui aide son service client à retrouver des procédures pertinentes, ou une application qui transforme des données opérationnelles en rapports plus lisibles.

Le mot « personnalisation » mérite toutefois d’être précisé. Il peut recouvrir plusieurs réalités : choisir les instructions données au modèle, connecter l’outil à des sources autorisées, définir un format de réponse, construire une interface métier ou mettre en place des contrôles. Dans tous les cas, le modèle ne devient pas automatiquement expert de l’entreprise. La qualité dépend largement des données accessibles, des règles définies et des tests réalisés sur les cas concrets.

Pour les équipes techniques, l’intérêt de Vertex AI est de disposer d’un cadre pour passer de la démonstration à un service intégré. Pour les équipes métier, il est de faire traduire un besoin opérationnel, comme réduire le temps de traitement d’une demande, en une application utilisable. Cette complémentarité entre les outils de bureau et la plateforme cloud résume la stratégie de Google autour de Gemini 1.5.

Des agents IA pour exécuter des enchaînements de tâches

L’autre notion centrale présentée à Gemini at Work 2024 est celle d’agent IA. Un agent ne se résume pas à une boîte de dialogue qui répond à une question. L’idée est de concevoir un système capable de suivre un objectif et d’enchaîner des actions dans un cadre défini : consulter des informations autorisées, proposer une réponse, déclencher une étape de validation ou alimenter un rapport.

Dans les cas d’usage évoqués par Google, les agents peuvent faciliter la gestion de la relation client et certaines opérations internes. Ils s’appuient sur les capacités génératives de Gemini, mais aussi sur l’accès à des outils, à des données et à des règles métier. Le modèle est alors une brique d’interprétation et de génération au sein d’un processus plus vaste.

Cette nuance est essentielle. Un agent performant ne dépend pas seulement du modèle choisi. Il faut également préciser ce qu’il a le droit de consulter, les actions qu’il peut ou non effectuer, la personne qui valide les étapes importantes et les moyens de conserver une trace de son activité. Dans une entreprise, déléguer une tâche à un système autonome sans garde-fous peut créer autant de problèmes qu’il promet d’en résoudre.

Google a indiqué que plus de 180 cas d’usage étaient déjà opérationnels et présentés durant l’événement. L’audio et l’analyse de données figuraient parmi les domaines mis en avant. Les scénarios peuvent inclure la génération de rapports automatisés, l’exploitation de contenus audio ou l’assistance à l’analyse de jeux de données. Ils illustrent la diversité des métiers concernés, sans garantir que chaque cas puisse être transposé tel quel dans toute organisation.

De l’assistance ponctuelle à l’automatisation encadrée

L’arrivée de Gemini dans les applications de travail peut donner l’impression que l’IA va automatiser instantanément de larges pans de l’activité. Dans les faits, l’adoption se fait généralement par paliers. Le premier niveau est l’assistance individuelle : l’utilisateur garde la main et demande une aide pour résumer, rédiger ou organiser. Le second est l’assistance intégrée à une équipe : des modèles ou des gabarits partagés harmonisent certaines tâches. Le troisième est l’agent connecté à des processus et à des informations d’entreprise.

À chaque niveau, les risques changent. Une reformulation erronée d’un courriel interne peut être corrigée rapidement. Une erreur dans une analyse de données ou une réponse client automatisée peut avoir davantage de conséquences. C’est pourquoi les promesses de productivité doivent être confrontées à des critères précis : fréquence des erreurs, temps nécessaire à la vérification, clarté des responsabilités et qualité de l’expérience pour les salariés comme pour les clients.

Les entreprises ont aussi intérêt à identifier les tâches pour lesquelles l’IA apporte une aide réelle. Les meilleurs candidats sont souvent ceux où les informations sont abondantes, les étapes clairement définies et la vérification humaine possible. À l’inverse, il est imprudent de s’en remettre aveuglément à un système génératif lorsqu’une décision requiert une appréciation juridique, managériale ou humaine difficile à formaliser.

Fiabilité, données et sécurité : les questions à poser avant le déploiement

Les fonctions de Gemini 1.5 sont conçues pour les environnements professionnels, où circulent parfois des informations confidentielles. La publication d’origine évoque des mesures de sécurité et de conformité, sans détailler les mécanismes techniques ni les paramètres disponibles. Une organisation ne devrait donc pas se contenter d’une promesse générale avant de déployer une IA sur des données de travail.

Elle doit notamment clarifier qui peut utiliser l’outil, quelles données peuvent être soumises au modèle, quelles sources celui-ci est autorisé à consulter et comment sont gérés les accès. Les équipes chargées de la sécurité, de l’informatique, du droit et de la protection des données ont un rôle concret à jouer. L’objectif est d’éviter qu’une fonctionnalité destinée à accélérer le travail devienne une voie de diffusion involontaire d’informations sensibles.

La formation des utilisateurs compte tout autant. Bien utiliser un assistant génératif suppose de savoir formuler une demande contextualisée, de repérer une réponse trop assurée ou imprécise, et de ne pas transmettre sans contrôle des éléments confidentiels. Cette compétence est moins spectaculaire qu’un nouveau modèle, mais elle conditionne les résultats obtenus au quotidien.

Ce qu’il faut surveiller

En septembre 2024, Gemini 1.5 marque une étape dans le rapprochement entre les modèles d’IA générative, les outils de collaboration et les plateformes de développement. Google cherche à installer Gemini à la fois dans les usages de bureau et dans les applications sur mesure créées via Vertex AI. Cette double présence peut accélérer l’expérimentation, car les employés et les développeurs disposent de points d’entrée différents vers la même famille de modèles.

La question des prochains mois ne sera pas seulement de savoir quelles tâches Gemini peut accomplir. Il faudra observer la qualité réelle des résultats, la disponibilité des fonctions selon les offres et les régions, ainsi que la capacité des entreprises à encadrer les agents IA. Les modèles Pro, Flash et expérimentaux offrent plusieurs compromis techniques, mais le choix pertinent dépendra toujours du processus visé.

Enfin, la valeur de ces outils se jouera dans leur intégration au travail réel. Un assistant qui fait gagner quelques minutes sur une tâche isolée est utile. Un système qui améliore durablement la circulation de l’information, tout en restant contrôlable et fiable, peut transformer plus profondément l’organisation. C’est sur ce terrain, celui de l’usage concret plutôt que de la seule démonstration, que l’ambition de Gemini 1.5 devra être évaluée.