For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the complete content index is available at https://we0.ai/llms.txt, the full English article bundle is available at https://we0.ai/llms-full.txt, and this page is available as Markdown at https://we0.ai/fr/articles/google-gemini-agent-claude-routing-cowork-835f5f89.md.
Google a officiellement rejoint la course aux collaborateurs IA toujours disponibles pour les entreprises.
Google a officiellement rejoint la course aux collaborateurs IA toujours disponibles pour les entreprises.
Lors de Gemini at Work 2026, Thomas Kurian, PDG de Google Cloud, a présenté l’agent Gemini, que Google décrit comme un agent unique et universel pour le travail. Il peut répondre aux questions, rechercher des informations, créer des contenus multimédias, analyser des données, écrire et exécuter du code, utiliser des outils d’entreprise, planifier des tâches, réagir à des événements et maintenir des tâches de longue durée dans le cloud après la fermeture de l’ordinateur portable par l’utilisateur.
La fonction phare n’est pas simplement que Gemini puisse fonctionner avec Gmail, Docs, Sheets, Slides, Chat, Calendar, des bases de données, des outils de développement et des services tiers.
Google cherche à faire de l’agent lui-même la couche persistante.
L’entreprise sépare l’agent du modèle sous-jacent, ce qui permet à Gemini d’acheminer aujourd’hui les tâches entre sa propre famille de modèles et les modèles Claude d’Anthropic, tandis que d’autres modèles privés et ouverts sont prévus pour l’avenir.
Cela signifie que la mémoire, les outils, les compétences, les connexions aux données, les contrôles de sécurité et l’état des flux de travail d’une organisation peuvent rester en place même lorsque le modèle sélectionné pour une tâche donnée change.
Google présente également une forme plus littérale de collaborateur IA : un agent doté de son propre compte Workspace, de son adresse e-mail, de son calendrier, de son espace de stockage Drive, de sa présence dans l’annuaire, de sa piste d’audit et d’un rôle persistant au sein d’une équipe.
Google résume le principe de fonctionnement en une phrase :
Donnez-lui des objectifs, pas des instructions.
L’idée est qu’un utilisateur ne devrait pas avoir à décomposer manuellement une tâche métier en chaque étape intermédiaire.
Il délègue plutôt le résultat souhaité.
Par exemple, une analyse de marché peut demander à l’agent de :
L’agent doit déterminer quels outils, applications et modèles sont appropriés à chaque étape.
Une demande simplifiée pourrait ressembler à ceci :
Crée une analyse d’entrée sur le marché pour notre nouveau produit.
Utilise nos données de vente internes et les informations actuelles sur les concurrents,
construis le modèle financier dans Sheets et livre une présentation dans Slides.
L’utilisateur fournit l’objectif. Gemini planifie le travail.
Google positionne l’agent Gemini comme une interface unifiée plutôt que comme un ensemble distinct d’assistants spécialisés.
L’architecture officielle comprend plusieurs capacités essentielles.
Gemini peut discuter, exécuter des objectifs de manière autonome, créer des contenus et générer ou exécuter du code depuis la même expérience agent.
Les tâches peuvent être lancées manuellement, planifiées pour plus tard ou déclenchées par des événements.
Google indique que l’agent peut être accessible sur le Web, iOS, Android, Windows, macOS, Google Workspace, Microsoft 365, Slack, les interfaces en ligne de commande et les applications tierces.
Il peut également fonctionner comme un agent sans interface, ce qui signifie qu’une interface de discussion dédiée n’est pas toujours nécessaire.
L’agent fonctionne dans le cloud.
Son contexte, sa mémoire et sa personnalisation peuvent donc persister entre les appareils et les canaux.
Google précise explicitement que les tâches nécessitant plusieurs heures ou plusieurs jours peuvent continuer après la fermeture de l’ordinateur portable par l’utilisateur.
Gemini peut créer dynamiquement des sous-agents temporaires pour certaines parties d’une tâche plus vaste.
Ces sous-agents peuvent travailler en parallèle ou en séquence et se coordonner avec l’agent principal.
Une mission longue peut ainsi être répartie entre des rôles de recherche, d’analyse de données, de programmation, de révision et de préparation de présentation.
L’élément important est que l’utilisateur n’a pas besoin de créer et de gérer manuellement chaque sous-agent.
L’automatisation entre applications n’est pas nouvelle en soi.
Les assistants IA peuvent déjà rédiger des e-mails, résumer des documents, rechercher sur le Web, créer des feuilles de calcul et appeler des API.
La nouvelle proposition de Google est que ces capacités appartiennent à un agent d’entreprise persistant plutôt qu’à un ensemble d’expériences isolées.
L’agent peut conserver une identité, une couche de contexte, un système de mémoire, une bibliothèque de compétences, un ensemble de contrôles d’entreprise et un registre d’outils uniques.
Le modèle sous-jacent peut changer tandis que ces actifs de niveau supérieur restent en place.
Il s’agit d’une distinction stratégique importante.
Si un meilleur modèle apparaît par la suite, une organisation ne devrait pas avoir à reconstruire tout le flux de travail IA de son collaborateur depuis zéro.
Google étend cette idée au-delà de l’assistant personnel.
Une entreprise peut créer un agent collaborateur pour une équipe ou un rôle donné.
Au lieu d’agir sous l’identité d’un employé, l’agent collaborateur reçoit son propre compte Workspace.
Google indique qu’il peut disposer :
L’architecture officielle de Google décrit les adresses e-mail des agents collaborateurs sous la forme suivante :
@agents.company.com
Le flux de travail pratique reste volontairement familier.
Une équipe peut ajouter l’agent à un espace Google Chat. Un utilisateur peut le mentionner avec @ dans le commentaire d’un document. L’agent peut effectuer des modifications sous son propre nom, répondre dans le fil de commentaires et laisser son propre enregistrement dans l’historique des versions.
Cela diffère d’un assistant qui usurperait l’identité de l’utilisateur humain.
L’agent agit comme une identité organisationnelle distincte.
Donner son propre compte à un agent IA n’est pas seulement une décision liée à l’expérience utilisateur.
Cela transforme la sécurité et l’audit.
Si chaque action est attribuée à l’employé humain, il peut être difficile de déterminer si la modification a été effectuée par l’employé ou par un agent autonome.
Une identité distincte rend l’activité plus facile à retracer.
Google indique que chaque identité d’agent peut être attestée cryptographiquement, gouvernée comme une identité d’employé, limitée par des autorisations selon le principe du moindre privilège, enregistrée dans les journaux d’audit et propagée dans la machine virtuelle utilisée pour l’exécution du code.
Lorsque l’agent se connecte à un système externe, Google indique que l’identité peut être mappée grâce à des standards tels qu’OAuth.
L’agent peut ainsi être traité comme un principal d’entreprise géré plutôt que comme un processus invisible empruntant les identifiants d’une personne.
Un autre volet majeur de l’annonce est le modèle de mémoire en quatre couches.
La mémoire de session stocke le contexte de la tâche en cours.
Si une tâche se poursuit pendant plusieurs jours, l’agent peut se souvenir de ce qu’il a déjà fait et de ce qu’il reste à accomplir.
La mémoire sémantique correspond aux connaissances structurées que l’agent construit en lisant des documents, en échangeant avec des personnes et en travaillant avec d’autres agents.
Elle peut notamment apprendre les noms des produits, la terminologie interne, les responsabilités des équipes, les définitions métier et les relations organisationnelles.
La mémoire procédurale capture la manière dont le travail est réalisé.
Elle peut par exemple apprendre quelles sources de données sont nécessaires pour un rapport, quelle séquence analytique l’équipe suit, quelles étapes d’approbation sont requises et quel format final l’organisation attend.
Google indique que Gemini peut même rédiger des compétences pour lui-même à partir de ce qu’il apprend lors de tâches répétées.
La mémoire épisodique enregistre l’historique des travaux terminés.
L’agent peut utiliser l’expérience d’exécutions passées lorsqu’il aborde ultérieurement une mission similaire.
Ensemble, ces quatre types de mémoire doivent réduire la nécessité de répéter le briefing.
Google compare ce fonctionnement à l’intégration d’un nouvel employé qui apprend progressivement l’équipe, les outils et les processus internes.
Google organise l’agent d’entreprise autour de trois couches réutilisables.
L’agent peut se connecter à des systèmes métier tels que Google Workspace, Microsoft Office, Microsoft Teams, Slack, Confluence, Git, Jira, Salesforce, ServiceNow, BigQuery, Databricks, PostgreSQL, Snowflake et des fichiers stockés sur un ordinateur local.
Google indique également que l’agent peut se connecter à des serveurs Model Context Protocol à l’intérieur ou à l’extérieur du réseau de l’entreprise.
Les équipes peuvent publier des outils internes dans un registre d’outils d’entreprise.
Les compétences sont des instructions, des flux de travail ou des ensembles de connaissances métier réutilisables.
Une entreprise peut utiliser des compétences fournies par Google, des compétences partagées par l’entreprise, des compétences propres à un service et des compétences personnelles.
Au lieu d’inscrire le même processus dans chaque invite, l’organisation peut l’encoder une fois et le réutiliser.
Le contexte correspond aux informations métier qui aident l’agent à comprendre ce que l’organisation veut réellement dire.
Il comprend les documents, les conversations, les données métier, les relations entre les équipes et les couches de mémoire construites lors de travaux antérieurs.
Cette séparation est importante, car les modèles peuvent changer tandis que les outils, les compétences et le contexte conservent leur valeur.
L’un des aspects les plus inhabituels du lancement est la prise en charge explicite des modèles d’un concurrent par Google.
Google indique que l’agent peut aujourd’hui orchestrer des tâches entre les modèles Gemini de Google et les modèles Claude d’Anthropic, et prévoit de prendre en charge d’autres modèles privés et ouverts à l’avenir.
L’agent peut choisir un modèle selon des facteurs tels que la qualité, la difficulté de la tâche, la latence et le coût.
Une tâche de raisonnement complexe peut être confiée à un modèle plus puissant. Une tâche répétitive et simple peut utiliser un modèle moins coûteux. Un projet important peut également employer différents modèles pour différentes étapes.
Google appelle la couche de sélection automatisée Smart Routing.
Son objectif est d’envoyer chaque charge de travail d’entreprise vers un modèle capable de fournir les performances requises sans utiliser inutilement l’option la plus coûteuse.
Il s’agit de bien plus qu’une fonctionnalité pratique.
Pour une entreprise exécutant des milliers ou des millions de boucles d’agent, envoyer chaque étape vers le plus grand modèle de pointe peut rendre l’équation économique difficile.
Un agent en plusieurs étapes peut effectuer le processus suivant :
Planifier
→ Récupérer
→ Résumer
→ Générer du SQL
→ Exécuter l’analyse
→ Vérifier
→ Rédiger
→ Réviser
Toutes les étapes n’ont pas besoin du même modèle.
L’orchestration multi-modèles donne à la plateforme un meilleur contrôle sur l’arbitrage entre coût et performance.
L’idée plus profonde est l’indépendance vis-à-vis du modèle.
Google estime que les classements des modèles évoluent rapidement.
Si une entreprise construit l’ensemble de son flux de travail IA autour d’un seul point d’accès à un modèle, le changement ultérieur peut devenir difficile.
L’agent Gemini est conçu pour que les actifs de niveau supérieur restent stables : mémoire, compétences, contexte métier, outils, autorisations, identité organisationnelle et historique des flux de travail.
Le modèle peut être remplacé sous cette couche.
Cela explique également pourquoi Google accepte de prendre en charge Claude.
Le produit que Google souhaite posséder est la couche agent d’entreprise, et pas nécessairement chaque appel d’inférence.
L’article initial se concentre principalement sur les capacités visibles par l’utilisateur, mais l’annonce officielle de Google accorde une importance comparable à la gouvernance.
Decrivez votre idee une fois, et We0 AI peut generer un site vitrine, des pages et un CMS, puis vous aider a attirer clients et trafic apres le lancement.
Une génération de projet complète pour une inscription gratuite
Idéal pour essayer un flux de génération complet et voir rapidement une première ébauche de projet.
Google structure la sécurité des agents d’entreprise autour de quatre questions :
Chaque agent reçoit une identité gérée et peut être limité grâce à des accès fondés sur les rôles.
Les actions sont inscrites dans une piste d’audit sous l’identité de l’agent.
Google indique que les agents Gemini exécutent les tâches dans un Agent Sandbox doté de sa propre frontière réseau.
Le trafic entrant, sortant et circulant entre les agents passe par Agent Gateway, que Google décrit comme un pare-feu réseau pour IA chargé d’appliquer les politiques de l’organisation.
Une organisation peut définir des politiques telles que :
Les agents ne peuvent pas ouvrir les documents classés « Need to Know ».
La politique peut ensuite être appliquée à l’ensemble des agents de l’entreprise.
Les actions à fort impact peuvent nécessiter une approbation plutôt qu’une exécution automatique.
Les agents d’entreprise persistants peuvent devenir coûteux, car ils exécutent de nombreux appels de modèles, outils, sandbox et tâches en arrière-plan.
Google relie donc la plateforme agent à des contrôles de coûts au niveau des projets.
L’annonce officielle comprend l’orchestration multi-modèles, Smart Routing et des plafonds de dépenses en temps réel.
Un administrateur peut définir une limite stricte pour un projet dans la Cloud Billing Console.
Google indique que Gemini surveille l’utilisation des modèles et les coûts des sandbox. Lorsque le plafond est atteint, l’agent du projet peut se mettre en pause jusqu’à ce qu’un administrateur choisisse de le relancer.
Les entreprises disposent ainsi d’un moyen plus clair de rattacher les coûts des agents aux services ou aux projets.
L’agent est également intégré aux applications que les employés utilisent déjà.
Google indique que Gemini fonctionne directement dans Gmail, Drive, Docs, Slides, Sheets, Chat et Calendar.
La même mémoire, les mêmes compétences, le même contexte et les mêmes contrôles peuvent être utilisés dans ces différentes interfaces.
Google décrit trois modes principaux dans Workspace.
L’agent peut utiliser le contexte existant de l’utilisateur pour coordonner son travail.
Par exemple, un utilisateur peut lui demander d’organiser une réunion avec les responsables régionaux habituels d’un événement sans saisir manuellement chaque participant.
Gemini peut déduire le groupe probable à partir du contexte Workspace antérieur, vérifier les calendriers et commencer la coordination.
Workspace peut identifier les tâches susceptibles d’être déléguées.
Si un responsable envoie un e-mail demandant une présentation de suivi de projet, Workspace Intelligence peut proposer de déléguer cette tâche à Gemini.
Un agent collaborateur peut rejoindre un espace Chat partagé ou travailler via les commentaires de documents sous sa propre identité organisationnelle.
Le changement important consiste à passer du « bouton IA dans chaque application » à « un agent persistant présent dans chaque application ».
Google a également présenté des capacités d’agent propres à certains domaines.
Pour les équipes data et ML, l’agent peut générer du PySpark, créer des notebooks modifiables, entraîner des modèles, résoudre des problèmes de pipelines, générer du SQL, exécuter des analyses et créer des graphiques et des tableaux de bord.
Google relie ce travail à des produits tels que BigQuery et son Knowledge Catalog.
Gemini Enterprise for Financial Services est disponible en version préliminaire.
Google indique qu’il comprend plus de 50 compétences fondamentales couvrant notamment la recherche en investissement, l’analyse de crédit, la modélisation des risques et les analyses liées au KYC.
Il peut se connecter à des sources de données financières telles que FactSet, LSEG, S&P Global, les dépôts auprès de la SEC et des référentiels propriétaires.
Gemini Enterprise for Legal est également disponible en version préliminaire.
Google indique qu’il peut hériter des autorisations au niveau des dossiers et des barrières déontologiques de plateformes de documents juridiques telles que NetDocuments et iManage.
La stratégie plus large consiste à combiner l’agent universel avec des outils, des autorisations et des connaissances spécialisées par domaine.
Le lancement de Google intervient sur un marché qui évolue rapidement.
Meta a présenté Muse en septembre. OpenAI a présenté Dots le 29 septembre.
Les trois produits se recoupent, mais leur positionnement initial diffère.
| Dimension | Meta Muse | OpenAI Dots | Agent Google Gemini |
|---|---|---|---|
| Orientation initiale | Agent personnel | Agent personnel toujours actif, s’étendant au travail | Travail d’entreprise et flux de travail organisationnels |
| Environnement d’exécution | VM sécurisée dédiée de Muse | Ordinateur cloud dédié par dot | Exécution cloud avec Agent Sandbox d’entreprise |
| Travail de longue durée | Oui | Oui, 24 h/24 et 7 j/7 | Oui, pendant plusieurs heures ou jours |
| Outils connectés | Applications et connecteurs | Plus de 4 000 applications via des extensions | Workspace, applications tierces, outils d’entreprise et MCP |
| Identité professionnelle distincte | Identité d’agent personnel | Identité Dot / scénarios professionnels | Agent collaborateur avec compte Workspace, e-mail, calendrier et Drive |
| Stratégie de modèles | Muse Spark au lancement | GPT-6 Astra au lancement | Gemini et Claude aujourd’hui, autres modèles prévus |
| Gouvernance d’entreprise | Extension via Meta Enterprise Platform | Les Dots professionnels d’entreprise émergent | Gouvernance au cœur du produit dès le lancement |
Il ne s’agit pas d’un tableau de benchmark. Il reflète la manière dont les trois entreprises positionnent actuellement leurs produits.
Meta a présenté Muse comme un agent IA personnel.
Il fonctionne dans une machine virtuelle sécurisée dédiée avec son propre navigateur.
Meta indique que Muse peut gérer des tâches telles que l’envoi d’e-mails, la réservation de voyages, les achats et la planification en fonction d’objectifs à long terme.
Meta étend également Muse à sa plateforme d’entreprise, mais son lancement initial était fortement centré sur la vie quotidienne individuelle.
OpenAI décrit Dots comme des agents toujours actifs propulsés par GPT-6 Astra.
Chaque Dot dispose de son propre ordinateur cloud et peut travailler 24 h/24 et 7 j/7 pour atteindre les objectifs de l’utilisateur.
OpenAI indique que Dots peut se connecter à plus de 4 000 applications grâce à l’écosystème d’extensions.
Le produit met l’accent sur la continuité dans le temps : un Dot apprend des retours reçus et peut poursuivre le travail sans attendre une nouvelle invite à chaque fois.
Le chevauchement avec Google est donc important.
La différence est que l’annonce d’octobre de Google se concentre particulièrement sur l’intégration de l’agent à un système existant d’identités d’entreprise, d’autorisations, de collaboration et de gouvernance.
Google possède déjà nombre des environnements de travail dans lesquels l’agent est censé fonctionner.
Cela inclut Gmail, Docs, Sheets, Slides, Calendar, Chat, Drive, BigQuery, Google Cloud IAM et Cloud Billing.
L’agent Gemini peut donc fonctionner dans le même environnement où de nombreuses entreprises conservent déjà leurs documents, calendriers, e-mails, données, identités et politiques.
La stratégie produit est claire :
L’agent IA ne devrait pas nécessiter un espace de travail distinct si l’entreprise en possède déjà un.
Le concept d’agent collaborateur pousse cette idée le plus loin.
Au lieu de simplement connecter un assistant externe à Workspace, Google peut créer un compte IA dans Workspace.
L’annonce initiale de Google Cloud comprend plusieurs autres mises à jour majeures.
Le même contexte et les mêmes contrôles de l’agent sont intégrés directement à Gmail, Drive, Docs, Slides, Sheets, Chat et Calendar.
Les organisations peuvent publier des compétences et des outils réutilisables.
L’agent peut se connecter à des systèmes d’entreprise tiers et à des serveurs MCP.
Google commence par les services financiers et le juridique.
Le gouvernement, la santé et le commerce de détail sont prévus ultérieurement.
Google met l’accent sur l’identité des agents, l’accès selon le principe du moindre privilège, les pistes d’audit, l’isolation en sandbox, l’application des politiques et Agent Gateway.
Smart Routing et les plafonds de dépenses en temps réel doivent faciliter la budgétisation des agents d’entreprise de longue durée.
L’annonce ne présente donc pas simplement un nouveau chatbot.
Il s’agit d’une tentative plus large de faire de Gemini la couche d’exécution et de gouvernance du travail IA en entreprise.
La liste des fonctionnalités est ambitieuse, mais un déploiement en production exige toujours une validation rigoureuse.
Un agent collaborateur ne devrait recevoir que les documents, systèmes et dossiers nécessaires à son rôle.
Les actions à fort impact doivent être soumises à des règles claires de validation humaine.
Les mémoires sémantique, procédurale et épisodique à long terme créent de la valeur, mais les organisations doivent définir des politiques de conservation, de suppression et de révision.
Si Claude et Gemini peuvent tous deux traiter une tâche, l’organisation doit comprendre quelles données peuvent être envoyées à quel fournisseur, quelles restrictions régionales s’appliquent, quelles sont les règles de journalisation, les conditions contractuelles et les différences de coût.
Les serveurs MCP et les outils tiers augmentent la puissance de l’agent. Ils élargissent également la surface d’attaque.
L’exécution persistante dans le cloud doit être assortie de limites de dépenses au niveau des projets avant un déploiement à grande échelle.
L’agent Gemini est l’agent universel de travail en entreprise présenté par Google lors de Gemini at Work 2026. Il peut répondre aux questions, accomplir des tâches de longue durée, créer des contenus, analyser des données, écrire et exécuter du code, utiliser des outils d’entreprise et coordonner des sous-agents.
Oui. Google indique explicitement que l’agent peut orchestrer des tâches entre sa propre famille de modèles Gemini et les modèles Claude d’Anthropic. Google prévoit de prendre en charge d’autres modèles privés et ouverts à l’avenir.
Un agent collaborateur est un agent Gemini persistant créé pour une équipe ou un rôle. Google indique qu’il peut recevoir son propre compte Workspace, son adresse e-mail, son calendrier, son espace de stockage Drive, sa présence dans l’annuaire et des autorisations fondées sur les rôles.
Oui. Google indique que l’agent Gemini fonctionne dans le cloud et peut poursuivre les tâches qui prennent plusieurs heures ou plusieurs jours après la fermeture de l’ordinateur portable par l’utilisateur.
Google décrit la mémoire de session, la mémoire sémantique, la mémoire procédurale et la mémoire épisodique. Elles couvrent respectivement la tâche active, les connaissances accumulées, les méthodes de travail réutilisables et l’historique des exécutions précédentes.
Smart Routing est la couche automatisée de sélection des modèles de Google. Elle achemine les charges de travail d’entreprise vers un modèle censé fournir les performances requises tout en maîtrisant les coûts.
Google décrit une identité d’agent gérée, des autorisations fondées sur les rôles, des pistes d’audit, l’isolation par Agent Sandbox, l’application des politiques via Agent Gateway et l’approbation humaine pour les actions sensibles. Les contrôles réellement disponibles dépendent de la configuration produit et des politiques de l’organisation.
Il s’agit d’approches concurrentes des agents persistants, avec des capacités qui se recoupent. Muse a commencé comme un agent orienté vers la vie personnelle, Dots met l’accent sur le travail personnel toujours actif, tandis que Google se concentre fortement sur le contexte d’entreprise, l’identité Workspace, la gouvernance et l’orchestration multi-modèles.
Le nouvel agent Gemini de Google combine l’exécution cloud de longue durée, l’orchestration de sous-agents, l’intégration à Workspace, la mémoire persistante, les compétences réutilisables et l’identité d’entreprise au sein d’un seul agent de travail.
La décision stratégique la plus inhabituelle est l’indépendance vis-à-vis du modèle. Gemini constitue la couche agent, mais le modèle sous-jacent peut être sélectionné dynamiquement. Google prend actuellement en charge les modèles Gemini et Anthropic Claude dans cette approche d’orchestration multi-modèles.
Les agents collaborateurs rapprochent le produit des opérations d’entreprise en donnant à l’IA une identité Workspace distincte, des autorisations, un espace de stockage, une adresse e-mail, un calendrier et un historique d’activité auditable. Google associe ces capacités à Agent Sandbox, Agent Gateway, l’autorisation selon le principe du moindre privilège, Smart Routing et des contrôles de dépenses au niveau des projets.
L’idée centrale n’est pas simplement que « Gemini peut utiliser Claude ». Google cherche à rendre l’agent d’entreprise, sa mémoire, son identité, ses outils et sa gouvernance plus durables que le modèle qui sera considéré comme le meilleur ce mois-ci.
Partez d’une phrase et obtenez un site complet en quelques minutes.
