Google Cloud Next 2024 : Gemini 1.5 Pro, puces Axion et agents IA au premier plan

À l’ouverture de Google Cloud Next 2024, le 9 avril à Las Vegas, Google n’a pas seulement présenté de nouvelles fonctions d’IA générative. Le groupe a dessiné une stratégie complète : fournir les modèles, les outils de développement, les processeurs et les services de sécurité nécessaires pour faire entrer l’IA dans les systèmes informatiques des entreprises. Une approche qui traduit une réalité simple : un assistant conversationnel ne suffit pas, il faut aussi des données, une infrastructure et des garde-fous pour le déployer à grande échelle.

La conférence Google Cloud Next s’adresse d’abord aux responsables informatiques, développeurs et entreprises clientes du cloud de Google. Mais ses annonces donnent aussi une idée de la façon dont l’IA va se diffuser dans les logiciels et services utilisés au travail. Le fil rouge de cette édition est Gemini, la famille de modèles d’intelligence artificielle de Google, désormais intégrée à de nombreux produits cloud.

Les annonces du 9 avril en bref

Google a réparti ses nouveautés entre logiciels d’IA, outils pour développeurs, calcul informatique et cybersécurité. Certaines fonctionnalités sont déjà proposées aux clients, d’autres sont annoncées en aperçu public. Cette distinction compte : un aperçu permet de tester une technologie, mais ne signifie pas encore qu’elle est finalisée ou disponible partout.

Gemini 1.5 Pro : pourquoi le million de jetons est important

L’annonce la plus visible concerne l’arrivée de Gemini 1.5 Pro en aperçu public dans Vertex AI, la plateforme de Google Cloud qui permet aux entreprises de sélectionner, personnaliser et déployer des modèles d’IA. La caractéristique mise en avant est sa fenêtre de contexte de 1 million de jetons.

Un jeton est une unité de texte manipulée par un modèle de langage. Il ne correspond pas exactement à un mot : un mot peut être découpé en plusieurs jetons, tandis que des termes fréquents peuvent n’en représenter qu’un. L’essentiel est ailleurs : une fenêtre de contexte très longue permet de donner beaucoup plus de matière au modèle au cours d’une seule interaction.

Dans un cadre professionnel, cela peut servir à examiner un long contrat, une documentation technique complète, un important dépôt de code, des transcriptions de réunions ou un ensemble de rapports. L’objectif est d’éviter de fractionner systématiquement les documents en petits extraits, ce qui peut faire perdre des liens utiles entre plusieurs passages.

Cette capacité ne rend toutefois pas le modèle infaillible. Même avec un contexte étendu, une IA générative peut mal interpréter une information, répondre avec excès de confiance ou produire une erreur. Les entreprises doivent donc conserver des mécanismes de contrôle humain, notamment pour les décisions juridiques, financières, médicales ou liées aux ressources humaines.

Google insiste aussi sur la possibilité de connecter les modèles aux données d’une organisation par l’intermédiaire de Vertex AI. C’est un point central pour les entreprises : un modèle généraliste connaît le monde à partir de ses données d’entraînement, mais il ne connaît pas spontanément les procédures, catalogues, documents ou outils internes de chaque client.

Des agents IA pour passer de la réponse à l’action

Google a également placé Vertex AI Agent Builder au cœur de sa présentation. L’expression « agent IA » est très employée depuis plusieurs mois, parfois de manière imprécise. Dans ce contexte, elle désigne un programme qui ne se limite pas à générer une réponse : il peut consulter des informations autorisées, utiliser des outils logiciels et accomplir une suite d’étapes selon des règles définies.

Un agent destiné au service client pourrait, par exemple, rechercher une référence dans une base de connaissances, vérifier l’état d’une commande dans un logiciel métier, puis préparer une réponse pour un conseiller. Dans une équipe informatique, il pourrait aider à trier des alertes et suggérer des pistes de diagnostic. L’intérêt est moins de remplacer les salariés que de réduire le temps consacré à naviguer entre plusieurs interfaces et à retrouver des informations dispersées.

Cette promesse s’accompagne de précautions importantes. Un agent qui accède à des données ou à des outils doit être limité à ce qu’il est réellement autorisé à consulter et à faire. Il faut définir des identités, des droits d’accès et, dans les cas sensibles, prévoir une validation humaine avant toute action irréversible.

Google a aussi présenté Gemini Code Assist, son assistant pour les développeurs. Cet outil vise à apporter de l’aide directement dans l’environnement de programmation : explication de code existant, proposition de fonctions, recherche d’erreurs ou accompagnement dans une transformation logicielle. Les assistants de code peuvent accélérer certaines tâches répétitives, mais le code généré doit toujours être relu, testé et contrôlé sur le plan de la sécurité.

Enfin, Gemini Cloud Assist, annoncé en aperçu, illustre l’ambition d’intégrer l’IA à l’administration même du cloud. L’idée est d’aider les équipes techniques à comprendre l’état de leurs ressources, à résoudre des problèmes et à optimiser leurs déploiements. Pour les organisations dont l’infrastructure comprend de nombreux serveurs virtuels, bases de données et applications, un tel assistant pourrait rendre des tâches complexes plus accessibles.

Axion et A3 Mega : l’IA dépend aussi du matériel

Derrière les démonstrations de chatbots et d’agents se trouve une contrainte physique : l’IA demande une capacité de calcul considérable. Google Cloud Next 2024 a donc fait une place notable aux infrastructures.

La première annonce est Axion, une nouvelle famille de processeurs reposant sur l’architecture Arm et conçue par Google pour ses services cloud. Les premières machines virtuelles concernées, les C4A de Compute Engine, sont annoncées en aperçu. Google affirme que ses processeurs Axion peuvent offrir jusqu’à 50 % de performances supplémentaires par rapport à des machines virtuelles x86 de génération actuelle comparables, et jusqu’à 30 % de performances supplémentaires par rapport à des machines virtuelles Arm généralistes comparables.

Ces chiffres sont des indicateurs fournis par Google et dépendent nécessairement du type de logiciel exécuté. Toutes les applications ne tirent pas les mêmes bénéfices d’une nouvelle architecture de processeur. Pour les entreprises, l’enjeu est néanmoins concret : les serveurs qui font fonctionner sites web, applications métier, services de données ou logiciels internes doivent rester performants sans faire exploser la facture de cloud.

La seconde annonce concerne les A3 Mega, des machines virtuelles destinées aux travaux d’IA les plus lourds et basées sur les GPU Nvidia H100. Les processeurs graphiques sont devenus essentiels pour entraîner les grands modèles de langage et exécuter rapidement leurs calculs. L’A3 Mega doit notamment renforcer les échanges de données entre les GPU, une étape cruciale lorsqu’un modèle est réparti sur plusieurs accélérateurs.

Google a ainsi rappelé que la compétition dans l’IA ne se joue pas seulement sur les modèles. Elle se joue aussi dans les centres de données, les réseaux, les puces, le stockage et les logiciels qui permettent d’orchestrer tout cet ensemble. Les annonces sur l’augmentation des capacités de traitement, la connectivité et l’efficacité des infrastructures répondent à cette nécessité.

Sécurité, conformité et données : l’autre condition du déploiement

L’adoption de l’IA dans les entreprises ne dépend pas uniquement de la qualité des réponses générées. Elle dépend aussi de la protection des données. Une organisation ne peut pas brancher sans précaution un assistant sur des documents confidentiels, des dossiers clients ou des informations financières.

Google a annoncé Google Threat Intelligence, un service qui rassemble les connaissances de l’équipe Mandiant, de VirusTotal et de Google. Mandiant est une entreprise de cybersécurité acquise par Google, connue notamment pour ses travaux d’analyse d’attaques informatiques. VirusTotal est un service largement utilisé pour examiner des fichiers et des adresses suspectes. Réunir ces sources doit permettre aux équipes de sécurité de disposer d’un contexte plus riche lorsqu’elles enquêtent sur une alerte.

L’IA est également appelée à aider les analystes de cybersécurité à résumer des signaux, rechercher des éléments dans de grands volumes de journaux techniques et accélérer l’investigation. Elle ne dispense pas pour autant des mesures fondamentales : gestion stricte des identités, contrôle des accès, chiffrement des données, surveillance des activités et mises à jour régulières.

La conformité, notamment en Europe avec le RGPD, ne se résume pas à cocher une option dans un service cloud. Une entreprise doit savoir quelles données elle transmet, où elles sont traitées, qui peut les consulter et pendant combien de temps elles sont conservées. Les outils d’automatisation et de gestion mis en avant par Google peuvent assister ce travail, mais la responsabilité des usages et des paramètres retenus reste celle de l’organisation cliente.

Ce que les entreprises peuvent réellement en attendre

Les annonces de Google ne constituent pas une solution universelle prête à l’emploi. Elles offrent plutôt des briques technologiques. Pour en faire un outil utile, une entreprise doit identifier un problème précis, sélectionner les bonnes données, définir les accès et mesurer le résultat.

Les cas d’usage les plus crédibles à court terme sont souvent ciblés : retrouver plus vite une information dans une documentation interne, assister les développeurs, résumer des échanges, aider un centre de support ou analyser des données techniques. Les projets plus ambitieux, dans lesquels un agent effectue des actions sur plusieurs systèmes, exigent davantage de préparation et de supervision.

Il faut aussi distinguer les besoins. Une petite structure intéressée par un assistant de code ne mobilisera pas les mêmes ressources qu’une banque, un industriel ou une plateforme mondiale qui souhaite entraîner son propre modèle. Gemini 1.5 Pro, les outils Vertex AI et l’infrastructure A3 Mega s’adressent à des niveaux d’usage différents, mais participent à la même stratégie : faire de Google Cloud un environnement complet pour l’IA d’entreprise.

Ce qu’il faut surveiller après Google Cloud Next 2024

Le premier point à suivre sera la disponibilité effective des produits annoncés en aperçu. Les fonctions de démonstration, aussi convaincantes soient-elles, doivent encore prouver leur stabilité, leur coût et leur capacité à s’intégrer dans des environnements informatiques réels.

Le deuxième enjeu est économique. Les modèles à très grand contexte et les infrastructures à GPU sont puissants, mais leur utilisation peut être coûteuse. Les entreprises compareront donc les gains de productivité promis avec la consommation de calcul, les frais de stockage, les besoins de contrôle et la formation des équipes.

Enfin, la concurrence reste intense. Google veut montrer qu’il peut fournir à la fois les modèles Gemini, les outils pour les exploiter et l’infrastructure pour les faire tourner. Face aux autres grands fournisseurs de cloud et aux spécialistes de l’IA générative, la différence se fera moins sur une annonce isolée que sur la capacité à proposer des services fiables, sécurisés et réellement utiles au quotidien.

L’édition 2024 de Google Cloud Next confirme ainsi une évolution majeure : l’IA n’est plus présentée comme une fonctionnalité séparée. Elle devient une couche appelée à traverser les logiciels, la cybersécurité, les données et les infrastructures de cloud computing.