Google préparerait Gemini 2.0 et un agent web autonome pour Chrome

Un assistant qui répond à une question est désormais familier. Un assistant qui ouvre un navigateur, compare des offres, remplit un formulaire et prépare une réservation à la place de son utilisateur constitue une étape différente. C’est cette promesse que semble poursuivre Google à l’automne 2024, avec une mise à jour attendue de Gemini et un projet d’agent web baptisé Project Jarvis.

Les informations disponibles au 28 octobre 2024 restent partielles. Google n’a pas encore présenté publiquement ce produit, ni détaillé ses performances, ses conditions d’accès ou son modèle économique. Il faut donc distinguer les éléments rapportés sur ses travaux de développement des fonctionnalités effectivement annoncées et testables. Une présentation pourrait intervenir dès décembre 2024, avec une nouvelle génération de modèles Gemini.

Ce que Google préparerait d’ici décembre 2024

Google travaillerait sur une nouvelle version de sa technologie de modèles de langage, couramment désignée à ce stade comme Gemini 2.0. Gemini est la famille de modèles d’intelligence artificielle générative de Google, conçue pour comprendre et produire du texte, mais aussi pour traiter plusieurs types d’informations, selon les versions et les produits qui les intègrent.

L’enjeu ne se limite pas à améliorer la qualité des réponses d’un assistant conversationnel. La prochaine bataille de l’IA générative porte sur la capacité à mener une tâche jusqu’à son terme. Chercher des informations est une première étape. Les organiser, naviguer entre plusieurs sites, saisir des données et vérifier le résultat demandent une forme d’exécution qui dépasse le simple dialogue.

À cette date, aucune fiche technique n’a été publiée pour cette évolution de Gemini. Il n’existe donc pas de données publiques permettant de comparer ses résultats à ceux des modèles déjà disponibles, qu’il s’agisse de compréhension du langage, de raisonnement, de vitesse ou de coût d’utilisation. Les modalités commerciales, gratuites ou payantes, ne sont pas connues non plus.

Qu’est-ce qu’un agent web alimenté par l’IA ?

Un agent web est un système qui ne se contente pas de proposer une réponse ou une marche à suivre. Il peut, en principe, utiliser une interface numérique pour exécuter une suite d’actions : ouvrir une page, effectuer une requête, sélectionner une option, cliquer sur un bouton ou saisir du texte dans un champ.

Dans le cas de Project Jarvis, l’ambition serait de confier à l’IA des opérations réalisées habituellement à la souris et au clavier. Une demande telle que « trouve un vol répondant à ces critères » pourrait ainsi déclencher plusieurs étapes : consultation de résultats, comparaison de dates ou de tarifs, puis préparation d’une réservation. Pour un achat, l’agent pourrait rechercher un produit et parcourir les pages nécessaires avant que l’utilisateur ne prenne la décision finale.

Cette différence est essentielle. Un chatbot classique peut expliquer comment réserver un billet. Un agent cherche à intervenir directement dans le parcours de réservation. L’intérêt potentiel est évident pour les séquences répétitives, mais les risques changent aussi de nature : une information imprécise peut être corrigée dans une conversation, tandis qu’un clic erroné peut avoir une conséquence concrète.

Pour fonctionner, ce type de système doit interpréter l’interface affichée à l’écran et déterminer quelle action correspond à l’objectif demandé. Les pages web sont pourtant très variables : boutons qui changent d’emplacement, formulaires complexes, fenêtres surgissantes, messages d’erreur, demandes d’authentification ou protections contre les robots. La réussite d’une démonstration ne garantit donc pas que l’agent soit fiable dans tous les cas.

Des tâches pratiques, mais pas sans garde-fous

Les usages évoqués, recherche, achats et réservations, sont particulièrement représentatifs des tâches dites de bout en bout. Elles impliquent plusieurs sites, des préférences personnelles et parfois des informations très sensibles. Un agent peut gagner du temps, mais l’utilisateur doit pouvoir comprendre ce qu’il fait et reprendre la main avant toute action engageante.

Les points les plus importants à clarifier seraient notamment :

• la manière dont l’agent demande l’autorisation avant une commande ou un paiement ;
• l’accès éventuel à des comptes connectés, à des adresses ou à des moyens de paiement ;
• la conservation des données visibles dans le navigateur ;
• le traitement des erreurs, des changements de prix et des conditions de vente ;
• la possibilité d’interrompre ou de corriger une action à tout moment.

Ces questions ne sont pas des détails d’interface. Elles détermineront si un agent peut passer du statut de démonstration impressionnante à celui d’outil de confiance dans la vie quotidienne.

Project Jarvis, un assistant pensé pour le navigateur

Le projet interne de Google porterait le nom de Project Jarvis. Son objectif serait de créer un assistant numérique capable de gérer de manière plus autonome des tâches effectuées sur ordinateur. L’accent mis sur le navigateur suggère une priorité donnée aux usages les plus courants du web : accéder à l’information, remplir des démarches, organiser des déplacements ou faire des achats.

Chrome représente un terrain naturel pour une telle expérimentation. Le navigateur est le point de passage de nombreuses activités numériques et il peut servir d’environnement pour observer une page, interagir avec elle et conserver le contexte d’une tâche. Pour Google, une intégration étroite à Chrome pourrait aussi différencier l’agent d’un simple assistant disponible dans une fenêtre de discussion séparée.

Mais cette perspective reste à nuancer. Un agent limité au navigateur ne serait pas nécessairement capable de piloter toutes les applications d’un ordinateur. Inversement, une extension progressive vers d’autres logiciels soulèverait davantage de difficultés techniques et de questions de sécurité. Aucun périmètre précis n’a été officialisé à ce stade.

L’idée de réduire le temps consacré aux opérations répétitives est séduisante pour les particuliers comme pour les professionnels. Elle ne signifie pas pour autant que la personne disparaît de la boucle. Dans les scénarios les plus sensibles, le rôle le plus réaliste de l’agent consiste souvent à préparer, filtrer et proposer, puis à laisser l’utilisateur valider l’étape irréversible.

Pourquoi Gemini 2.0 serait stratégique pour Google

L’arrivée possible d’une nouvelle version de Gemini s’inscrit dans une concurrence intense entre les grandes entreprises de l’IA. Les modèles de langage sont devenus la couche technologique qui alimente assistants conversationnels, outils de rédaction, moteurs de recherche augmentés, services aux développeurs et applications professionnelles.

Pour Google, la question est double. Il s’agit d’une part de maintenir Gemini au niveau des modèles les plus avancés du marché. Il s’agit d’autre part de démontrer que le modèle peut servir de cerveau à des applications qui accomplissent réellement des tâches. Un agent web performant nécessite non seulement de comprendre une instruction en langage courant, mais aussi de décomposer un objectif en étapes, de repérer les informations utiles et d’agir avec assez de prudence.

Les annonces attendues seraient donc observées sur plusieurs critères, au-delà d’une éventuelle amélioration générale des réponses :

• la capacité à conserver le contexte d’une tâche comportant de nombreuses étapes ;
• la fiabilité dans l’usage d’interfaces web changeantes ;
• la transparence des actions proposées ou exécutées ;
• la rapidité, cruciale lorsqu’un agent doit parcourir plusieurs pages ;
• le niveau de contrôle laissé à l’utilisateur.

Le positionnement tarifaire sera également déterminant. Les agents sont plus coûteux à opérer qu’une requête isolée s’ils doivent analyser de nombreuses pages et multiplier les interactions. Google n’a pas donné d’indication sur ce point, mais il conditionnera l’accès réel à cette technologie, aussi bien pour le grand public que pour les entreprises.

Une course déjà engagée avec Anthropic et Microsoft

Google n’avance pas dans un vide concurrentiel. Quelques jours avant ces informations, Anthropic a présenté une fonction de « computer use » avec son modèle Claude 3.5 Sonnet. L’idée est comparable dans son principe : permettre à une IA d’interagir avec l’interface d’un ordinateur en s’appuyant sur ce qui est affiché à l’écran et sur des actions de souris ou de clavier.

Anthropic a présenté cette capacité comme une fonction destinée aux développeurs et proposée en version bêta. Cette précaution illustre le niveau de maturité du domaine : l’automatisation d’une interface par une IA ouvre des possibilités, mais la fiabilité n’est pas absolue. Les utilisateurs et les concepteurs doivent anticiper les erreurs possibles, en particulier lorsque des données privées ou des opérations financières sont concernées.

Microsoft, de son côté, a également mis en avant des agents autonomes dans sa plateforme Copilot Studio. L’approche vise particulièrement les organisations, avec des agents capables d’intervenir dans des processus métiers. La dynamique est claire : après l’ère des assistants qui répondent, les acteurs du secteur cherchent à proposer des systèmes qui agissent sous contrôle.

Cette course ne se joue pas uniquement sur la puissance des modèles. L’intégration aux produits existants, la gestion des autorisations, la protection des données et la qualité de l’expérience utilisateur seront tout aussi déterminantes. Une IA capable de prendre une initiative est utile seulement si ses limites sont explicites et si l’utilisateur garde la maîtrise de ses choix.

Fiabilité, vie privée et contrôle : les conditions de l’adoption

L’autonomie constitue à la fois la force et la difficulté majeure des agents. Une demande humaine est souvent imprécise : « réserve-moi un hôtel abordable et bien situé » suppose de définir ce qu’est un prix acceptable, de choisir une période, de comparer les avis et de décider si une offre vaut la peine d’être retenue. Deux personnes peuvent faire des choix différents à partir des mêmes résultats.

L’agent devra donc savoir poser des questions lorsqu’une préférence manque, signaler ses incertitudes et éviter d’interpréter abusivement une consigne générale. Dans le commerce en ligne, il devra aussi reconnaître qu’un panier préparé n’est pas une commande validée. Dans le cadre d’un voyage, il devra distinguer une proposition d’itinéraire d’une réservation effective.

La confidentialité est un second enjeu central. Un navigateur donne accès à une grande quantité d’informations : historique de consultation, comptes connectés, adresses, documents téléversés, formulaires et parfois données bancaires. La confiance dépendra des règles appliquées à ces données, des permissions accordées à l’agent et de la clarté des réglages proposés à l’utilisateur.

Enfin, les sites web eux-mêmes peuvent réagir différemment à ces nouveaux outils. Certains parcours reposent sur des interfaces conçues pour un humain, avec des vérifications, des offres promotionnelles ou des messages destinés à influencer un choix. Un agent devra naviguer dans cet environnement sans contourner des protections ni provoquer d’actions non souhaitées.

Ce qu’il faudra surveiller avant une éventuelle présentation

Si Google communique en décembre 2024, plusieurs éléments permettront de mesurer la portée réelle de son annonce. Le premier sera le statut du produit : démonstration, accès limité, version expérimentale ou lancement plus large. Les promesses d’agent autonome sont plus faciles à formuler qu’à déployer de manière robuste auprès de millions d’utilisateurs.

Il faudra aussi observer le niveau d’autonomie effectivement proposé. L’outil prépare-t-il des actions et attend-il systématiquement une validation ? Peut-il finaliser une tâche seul ? Comment signale-t-il les informations qu’il a utilisées et les étapes qu’il a réalisées ? Ces réponses seront aussi importantes que les capacités du modèle Gemini sous-jacent.

Le troisième point concerne l’intégration. Un agent conçu pour Chrome pourrait bénéficier d’un accès pratique au web, mais son intérêt dépendra de sa compatibilité avec les usages réels, les comptes, les formulaires et les services du quotidien. Enfin, les conditions tarifaires et les règles de protection des données diront si cette technologie est appelée à devenir un outil courant ou un service réservé à certains abonnements et cas d’usage.

À l’automne 2024, Project Jarvis illustre surtout la direction prise par l’industrie : l’IA ne cherche plus seulement à converser avec l’utilisateur, elle cherche à l’assister dans l’exécution de ses tâches. Pour Google, la capacité à transformer cette ambition en produit fiable, contrôlable et compréhensible sera le véritable test.