Gemini Enterprise Agent Platform — la plateforme unifiée de nouvelle génération pour les agents IA de Google Cloud

Google Cloud a officiellement lancé une nouvelle plateforme, « Gemini Enterprise Agent Platform », qui étend et fait évoluer l’actuelle Vertex AI. Cette plateforme a été conçue pour prendre en charge, dans un environnement unique, tout le processus de création, de mise à l’échelle, de contrôle et d’optimisation des agents IA (des logiciels d’IA capables de raisonner et d’agir de manière autonome, sans intervention humaine). À l’avenir, tous les services et la feuille de route de Vertex AI seront uniquement proposés via cette Agent Platform.

Les composants clés de la plateforme — Build, Scale, Govern, Optimize

• Agent Studio et ADK (Agent Development Kit) : de l’interface visuelle low-code (une approche de développement avec peu de code) à l’environnement de développement orienté code, la plateforme propose deux voies pour créer des agents selon le niveau d’expertise des développeurs. Il est possible de commencer dans Agent Studio avec des prompts, puis d’exporter vers ADK pour poursuivre le développement si une logique plus complexe devient nécessaire.
• Agent Runtime : repensé pour prendre en charge des cold starts en moins d’une seconde, il permet aussi aux agents de conserver leur état pendant plusieurs jours et d’exécuter de manière autonome des workflows de longue durée. Il convient à des tâches complexes qui s’étalent sur plusieurs jours, comme la gestion de leads commerciaux.
• Memory Bank : génère et gère automatiquement une mémoire à long terme à partir des conversations, afin que les agents puissent se souvenir du contexte passé et des préférences des utilisateurs. Cela permet des interactions personnalisées au-delà des données de session ponctuelles.
• Agent Identity, Registry, Gateway : chaque agent reçoit un identifiant chiffré unique, seuls les outils et agents approuvés sont gérés dans un registre central, et le Gateway applique de manière centralisée les politiques de sécurité ainsi que les défenses contre les injections de prompt. On peut y voir une véritable « tour de contrôle » des agents.
• Agent Simulation, Evaluation, Observability : la plateforme permet des tests de simulation avec des utilisateurs synthétiques avant déploiement, des évaluations automatiques multi-tours sur trafic réel, ainsi qu’une visualisation en temps réel des flux d’inférence. Agent Optimizer regroupe automatiquement les schémas d’échec et propose des consignes système améliorées.

Une sélection de modèles flexible

• Accès à plus de 200 modèles via Model Garden, avec la prise en charge non seulement des modèles de Google (Gemini 3.1 Pro, Gemini 3.1 Flash Image, Lyria 3, Gemma 4), mais aussi de modèles tiers comme la série Claude d’Anthropic. L’architecture permet ainsi de choisir le modèle le plus adapté à chaque tâche.

Renforcement de la sécurité et de la gouvernance

• Agent Sandbox : exécute le code généré par les agents dans un environnement sécurisé isolé du système hôte, afin de bloquer les risques pouvant survenir dans des tâches comme l’automatisation du navigateur.
• Agent Anomaly Detection et Threat Detection : combinent des modèles statistiques et un jugement fondé sur des LLM pour détecter en temps réel les raisonnements anormaux des agents ou des activités malveillantes (connexion reverse shell, accès à des IP à risque connues, etc.).
• Dashboard Agent Security : fournit un tableau de bord de sécurité unifié qui cartographie les relations entre agents et modèles, et analyse automatiquement les vulnérabilités au niveau du système d’exploitation et des packages de langage.

Éléments différenciants

• Une plateforme unique sur tout le cycle de vie : son principal élément distinctif par rapport à un simple ensemble d’outils est d’avoir été pensée pour gérer sur une seule plateforme l’intégralité du cycle de vie des agents, du développement à l’exploitation, en passant par la gouvernance et l’optimisation. Le fait de prendre en charge, pour la délégation entre agents (agent-to-agent orchestration), à la fois des schémas déterministes et génératifs est particulièrement pertinent pour les workflows d’entreprise complexes.
• Une transition naturelle pour les clients Vertex AI existants : la plateforme reprend telle quelle les capacités de Vertex AI pour la construction de modèles et d’agents, tout en y ajoutant une couche d’intégration, d’exploitation et de sécurité. Pour les utilisateurs actuels, il s’agit donc avant tout d’une extension.

Cas d’usage concrets

• Comcast : l’entreprise a indiqué avoir reconstruit Xfinity Assistant avec ADK, passant d’une automatisation basée sur des scripts à une intelligence générative conversationnelle, ce qui augmenterait le taux de résolution des problèmes clients dès le premier contact.
• Payhawk : l’entreprise explique que, grâce à Memory Bank, son agent assistant financier mémorise les habitudes de traitement des notes de frais des utilisateurs et les soumet automatiquement, réduisant de plus de 50 % le temps nécessaire à leur envoi.
• L'Oréal : l’entreprise a expliqué avoir construit sa propre plateforme d’agents beauty tech en combinant ADK et MCP (Model Context Protocol), et être en train de passer d’une automatisation déterministe des workflows à une orchestration d’agents autonome et orientée résultats.

La stratégie de plateforme de Google pour l’ère des agents se précise

Gemini Enterprise Agent Platform est un produit qui montre que Google Cloud déplace son centre de gravité, en matière d’IA, de la simple fourniture de modèles vers une « infrastructure d’exploitation pour agents ». Le fait d’attribuer une identité aux agents, de détecter les comportements anormaux et de garantir une exécution longue sur plusieurs jours répond directement à des problèmes très concrets auxquels les entreprises se heurtent lorsqu’elles déploient des agents IA dans leurs opérations réelles. La volonté d’absorber complètement Vertex AI est aussi le signe que Google accorde un poids stratégique important à cette plateforme. Cela dit, alors que plus de 200 fonctionnalités convergent vers une seule plateforme, la manière dont seront gérées, sur le terrain, la complexité opérationnelle et la courbe d’apprentissage reste un point à surveiller.