Projet Mariner : Google veut rendre les agents IA plus lisibles

Un agent IA qui agit dans un navigateur peut sembler plus concret qu’un simple assistant conversationnel, mais aussi plus difficile à appréhender. Quelle information recherche-t-il ? Quelles étapes exécute-t-il ? À quel moment faut-il reprendre la main ? C’est sur cette zone d’incertitude que se positionne le projet Mariner, présenté par Hayete Gallot, chief customer experience officer chez Google Cloud, le 28 mai 2025.

L’ambition affichée est moins de promettre une intelligence artificielle abstraite que de rendre son comportement observable. À partir d’une demande formulée dans un navigateur, l’agent doit réaliser les actions nécessaires et exposer son cheminement jusqu’au résultat. Pour Google Cloud, cette visibilité est une condition pratique de l’adoption : un outil que l’on peut suivre est plus simple à évaluer, à corriger et, potentiellement, à utiliser avec confiance.

Mariner, un agent qui montre les étapes de son travail

Le terme « agent IA » désigne un système qui ne se limite pas à répondre à une question. Là où un assistant conversationnel produit avant tout du texte, un agent peut décomposer un objectif en sous-tâches, rechercher des informations, naviguer entre des pages ou enchaîner plusieurs actions avant de restituer un résultat. Cette capacité à agir constitue son intérêt, mais elle crée aussi une distance entre l’intention de l’utilisateur et l’opération effectivement menée.

Le projet Mariner veut réduire cette distance. Dans le fonctionnement décrit par Hayete Gallot, l’utilisateur saisit une requête dans son navigateur, puis peut suivre le travail de l’agent, de l’exécution des actions à la présentation de la réponse finale. L’élément distinctif mis en avant est la documentation des démarches suivies : plutôt que de livrer seulement une réponse finale, l’outil doit rendre visible le parcours emprunté.

Le mot « projet » est ici important. La présentation expose une direction et des principes d’usage, notamment autour de la lisibilité des actions de l’agent. Elle ne fournit pas de calendrier détaillé de disponibilité, ni de périmètre technique exhaustif. Pour le grand public comme pour les entreprises, l’intérêt de Mariner réside donc d’abord dans la méthode proposée : faire d’un agent un outil observable plutôt qu’une boîte noire.

Pourquoi voir le parcours de l’agent peut changer l’usage

La transparence est souvent invoquée dans les débats sur l’intelligence artificielle, mais elle recouvre plusieurs réalités. Afficher les étapes d’une tâche ne revient pas nécessairement à expliquer intégralement le fonctionnement interne d’un modèle d’IA. En revanche, cela peut donner à la personne qui l’utilise des repères très concrets : ce que l’agent a tenté de faire, dans quel ordre, et à quel endroit son intervention pourrait être nécessaire.

Cette différence est décisive. Lorsqu’un résultat est erroné, incomplet ou inadapté, l’utilisateur ne veut pas seulement savoir que l’IA s’est trompée. Il doit pouvoir identifier si le problème vient de la demande initiale, d’une étape de recherche, d’une mauvaise interprétation ou d’une action qui aurait dû être interrompue. Dans un cadre professionnel, cette traçabilité aide aussi à répartir les responsabilités entre la personne, l’équipe métier et l’outil.

Pour Hayete Gallot, cette visibilité répond à un enjeu de familiarisation. Les agents IA peuvent susciter de l’appréhension, précisément parce qu’ils ne se contentent pas de conseiller mais accomplissent des séquences d’actions. En documentant leurs démarches, Mariner vise à rendre leurs capacités plus compréhensibles et à réduire le sentiment que la technologie agit de manière autonome, sans possibilité de regard humain.

Cette approche concerne autant les personnes peu familières avec l’IA que les utilisateurs avancés. Les premiers ont besoin de comprendre ce qui se passe. Les seconds ont besoin de diagnostiquer rapidement une erreur, d’affiner une instruction ou de vérifier que l’agent a respecté les règles fixées.

De l’expérimentation au déploiement dans les entreprises

Le projet intervient dans une période de bascule pour l’IA en entreprise. D’après l’analyse présentée par Google Cloud, 2023 a surtout été une année d’expérimentations. Les organisations testaient des assistants, des modèles génératifs et de premiers cas d’usage, souvent dans des environnements limités. En 2024, l’enjeu est devenu le passage en production, avec des déploiements plus larges et des attentes de résultats opérationnels.

Cette évolution oblige les décideurs à traiter des questions qui ne sont pas seulement techniques. Un agent qui intervient dans les processus de travail soulève des sujets de sécurité, de protection des informations, d’évolution des systèmes existants et de maîtrise des coûts. Il faut également définir quels collaborateurs peuvent l’utiliser, quelles données il peut consulter et quelles actions doivent rester sous validation humaine.

Dans ce contexte, la promesse de lisibilité portée par Mariner ne relève pas uniquement du confort d’usage. Elle peut faciliter l’intégration d’un agent dans une organisation. Une équipe ne peut pas déployer sereinement un outil dont elle ignore le comportement observable, surtout si celui-ci intervient dans une chaîne de travail impliquant plusieurs services.

Les agents IA ne sont pas de simples chatbots

L’essor des agents modifie la manière de penser l’intelligence artificielle au quotidien. Un chatbot répond généralement à une demande dans une fenêtre de discussion. Un agent, lui, cherche à accomplir un objectif par une succession d’étapes. Cette différence peut sembler subtile, mais elle a des conséquences majeures sur l’expérience utilisateur et sur les garde-fous nécessaires.

Par exemple, demander une synthèse est une tâche principalement informationnelle. Demander à un agent de parcourir plusieurs pages, de comparer des éléments et de préparer un résultat suppose une forme d’orchestration. Plus l’agent réalise d’actions, plus il devient essentiel de pouvoir comprendre ce qu’il fait et de fixer les moments où l’utilisateur doit valider la suite.

La comparaison ne signifie pas que les deux approches s’opposent. Un agent peut intégrer une interface conversationnelle, et un assistant peut devenir plus actif. Elle montre toutefois pourquoi les critères d’évaluation changent : il ne suffit plus de juger la qualité d’un texte généré. Il faut examiner le déroulé de la tâche, les informations mobilisées, le niveau d’autonomie laissé à l’outil et la capacité de l’utilisateur à intervenir.

Une adoption qui gagne les secteurs et les outils de travail

Google Cloud observe une diversification des secteurs intéressés par l’IA. L’automobile comme la grande distribution figurent parmi les domaines cités. Derrière cette variété se trouve une même recherche : optimiser des processus métiers, mieux traiter des informations nombreuses et accélérer certaines tâches répétitives, sans perdre de vue les contraintes propres à chaque activité.

Cette généralisation ne dépend pas seulement de la qualité des modèles. Hayete Gallot souligne aussi l’importance de l’organisation interne, de la coordination entre les équipes d’ingénierie et de la collaboration entre départements. Un outil d’IA utile doit correspondre aux besoins des utilisateurs, mais aussi pouvoir s’insérer dans des environnements où coexistent informatique, métiers, sécurité, conformité et direction.

Google met en avant ses autres services pour illustrer cette dynamique. Gemini dans Workspace étend l’usage de l’IA dans les outils de travail courants. NotebookLM, de son côté, a déjà attiré 100 000 entreprises utilisatrices en quelques mois, selon le chiffre cité dans cette présentation. Ces services ne remplissent pas le même rôle que Mariner, mais ils traduisent une évolution commune : l’IA quitte progressivement le stade de la démonstration pour rejoindre les logiciels déjà utilisés par les organisations.

L’Europe, la souveraineté et les contraintes de confiance

La comparaison entre l’Amérique du Nord et l’Europe fait également partie du tableau dressé par Google Cloud. Selon Hayete Gallot, l’Europe accusait initialement un retard dans l’adoption des technologies d’IA, mais les niveaux d’adoption se rapprochent désormais de ceux observés en Amérique du Nord.

Ce rapprochement ne fait pas disparaître les spécificités européennes. La question de la souveraineté technologique demeure centrale : où sont traitées les données, quelles dépendances créent les outils utilisés et comment les organisations conservent-elles une maîtrise de leurs informations et de leurs processus ? À cela s’ajoutent des contraintes réglementaires importantes, qui encadrent les usages de l’IA et imposent d’évaluer les risques.

Pour les entreprises européennes, la confiance ne repose donc pas uniquement sur une interface claire. Elle implique aussi de savoir dans quel environnement l’outil fonctionne, quelles garanties sont offertes et quelles responsabilités sont attachées à son déploiement. La transparence des étapes de l’agent constitue une pièce du puzzle, pas une réponse unique à toutes les exigences de gouvernance.

Pourquoi Google privilégie l’ère des agents plutôt que l’AGI

L’intelligence artificielle générale, souvent désignée par le sigle AGI, nourrit de nombreux scénarios. Cette expression renvoie à l’idée d’une IA capable d’accomplir un large éventail de tâches intellectuelles au niveau humain ou au-delà. Mais dans la présentation de Hayete Gallot, Google se concentre sur une perspective plus immédiate : l’ère des agents.

Cette orientation répond aux attentes actuelles des entreprises. Elles cherchent moins une promesse générale sur les capacités futures de l’IA que des réponses concrètes : quels agents mettre en place, comment les faire travailler ensemble, comment les superviser et comment faire accepter leurs usages par les collaborateurs. La question de l’orchestration devient alors essentielle.

Mariner s’inscrit dans ce mouvement en plaçant l’expérience utilisateur au premier plan. Un agent n’est utile que si une personne comprend ce qu’elle lui demande, peut interpréter ce qu’il fait et dispose de moyens suffisants pour le corriger. L’enjeu n’est pas de faire disparaître l’humain du processus, mais de concevoir une coopération plus lisible entre la personne et le logiciel.

Ce qu’il faut surveiller

La réussite d’une approche comme celle de Mariner se mesurera à plusieurs critères. Le premier est la qualité réelle des informations affichées : les étapes présentées devront être suffisamment précises pour aider l’utilisateur, sans le noyer sous des détails techniques. Le deuxième est la capacité à signaler clairement les limites de l’agent, notamment lorsqu’une demande est ambiguë ou qu’un résultat doit être contrôlé.

Il faudra aussi observer les modalités de contrôle proposées. Pour des tâches sensibles, la possibilité d’interrompre une action, de revoir les étapes engagées ou de demander une validation avant une opération importante est déterminante. La transparence est utile lorsqu’elle donne prise sur l’action, pas lorsqu’elle se limite à un historique difficile à exploiter.

Enfin, la diffusion des agents dépendra de leur capacité à répondre aux contraintes concrètes des organisations : sécurité, coûts, protection des données, conformité et appropriation par les équipes. Le projet Mariner pose une question simple, mais structurante pour la suite : à mesure que l’IA gagne en autonomie, comment s’assurer que ses utilisateurs gardent une compréhension suffisante de ce qu’elle fait en leur nom ?