Qu’est-ce que Gemini 2.0, et qu’entend Google par « ère agentique »?

Gemini 2.0 est la nouvelle génération de modèles d’IA de Google, présentée le 11 décembre 2024, à commencer par un Gemini 2.0 Flash expérimental plus rapide que Gemini 1.5 Pro, capable de créer des images et de la parole en plus du texte, et d’utiliser de lui-même des outils comme la recherche Google. Google en parle comme d’un modèle pour l’« ère agentique », c’est-à-dire une IA qui planifie plusieurs étapes et agit pour vous, sous votre supervision.

Qu’est-ce que Gemini 2.0, et qu’entend Google par

Hier, le 11 décembre 2024, Google a présenté Gemini 2.0, la deuxième génération de la famille de modèles d’IA qu’elle a lancée il y a un an. Le premier membre à arriver est Gemini 2.0 Flash, publié en version expérimentale pour les développeurs et pour toute personne qui utilise l’assistant Gemini sur le Web. En parallèle, Google a montré plusieurs prototypes de recherche d’agents d’IA construits sur le nouveau modèle.

Sundar Pichai, PDG de Google et d’Alphabet, a présenté le changement simplement : la première génération aidait à donner un sens à l’information, et la deuxième vise à la rendre plus utile. Le mot auquel Google revient sans cesse est agentique.

Ce que Google a lancé

« Flash » est le nom que Google donne à sa taille de modèle rapide et efficace, celle que les développeurs utilisent le plus parce qu’elle répond vite. Google affirme que 2.0 Flash surpasse le plus grand Gemini 1.5 Pro sur des bancs d’essai clés tout en étant deux fois plus rapide, et TechCrunch rapporte que Google le considère maintenant comme le nouveau fleuron de la famille.

Nouveauté	Ce que cela veut dire
Production native d’images	Il peut produire des images mêlées à du texte dans la même réponse
Production native de parole	Il peut lire un texte à voix haute avec l’une de huit voix, plus vite, plus lentement ou dans un style demandé
Utilisation native d’outils	Il peut décider de lancer une recherche Google, d’exécuter du code ou d’appeler les fonctions propres à un développeur
Multimodal Live API	Les développeurs peuvent créer des applications qui transmettent de l’audio et de la vidéo en direct au modèle et lui permettent de répondre en temps réel
Accès dans l’application Gemini	Une version conversationnelle de 2.0 Flash expérimental apparaît dans le menu des modèles sur le Web, sur ordinateur et sur mobile

Certaines parties sont limitées pour l’instant. Les développeurs peuvent envoyer des images, de la vidéo et de l’audio et recevoir du texte en retour, mais la production d’images et de parole est réservée aux partenaires en accès anticipé jusqu’à un lancement plus large prévu en janvier, moment où Google promet aussi la version stable et d’autres tailles de modèle. Les abonnés payants de Gemini Advanced obtiennent aussi une nouvelle fonction, Deep Research, qui explore un sujet et compile un rapport.

Ce que veut dire « agentique »

Un robot conversationnel ordinaire répond à une question à la fois. Un agent est un système d’IA qui reçoit un objectif, le décompose en étapes et les exécute, souvent à l’aide d’outils. Google définit ses modèles agentiques comme des modèles qui saisissent davantage leur environnement, réfléchissent plusieurs étapes à l’avance et agissent en votre nom, sous votre supervision.

Voici une façon simple de voir la différence avec une seule demande, « Planifie un samedi à Ottawa pour deux enfants passionnés de science » :

Étape	Un robot conversationnel	Un agent
1	Rédige un plan à partir de ce qu’il a appris pendant son entraînement	Cherche les heures d’ouverture et les activités actuelles des musées
2	Vous laisse vérifier	Compare les temps de déplacement entre les lieux
3	S’arrête	Prépare l’horaire, puis vous demande votre accord avant de réserver quoi que ce soit

Gemini 2.0 Flash est conçu pour la colonne de l’agent : il peut planifier, suivre des consignes complexes, appeler plusieurs outils à la suite et raisonner à partir d’images, de sons et de texte.

Les prototypes

Google a montré quatre expériences construites sur 2.0, pour la plupart réservées pour l’instant à des testeurs de confiance :

Project Astra, un assistant universel pour votre téléphone, parle maintenant plusieurs langues (même mêlées dans une seule phrase), utilise la recherche Google, Lens et Maps, et se souvient d’un maximum de 10 minutes de la séance en cours. Un petit groupe le testera sur des prototypes de lunettes.
Project Mariner fonctionne dans le navigateur Chrome. Il lit ce qui est à l’écran, y compris le texte, les images et les formulaires, et accomplit des tâches pour vous au moyen d’une extension expérimentale. Sur WebVoyager, un test de tâches Web réelles, Google rapporte un score de 83,5 %. Il agit seulement dans l’onglet que vous avez ouvert et demande une confirmation avant les étapes délicates, comme un achat.
Jules est un agent de programmation qui travaille dans GitHub, la plateforme où les programmeurs stockent leur code. Il peut prendre un problème signalé, établir un plan et l’exécuter sous la supervision d’un développeur.
Des agents de jeu regardent l’écran pendant que vous jouez à des titres comme Clash of Clans et suggèrent quoi faire ensuite.

Comment Google aborde la sécurité

Les agents qui agissent soulèvent de nouveaux risques, et Google en nomme un directement : l’injection de prompt, des consignes cachées dans un courriel, un document ou une page Web qui tentent de détourner l’IA. L’entreprise affirme que Mariner est entraîné à faire passer vos consignes avant de telles tentatives. Toutes les images et tout l’audio produits par 2.0 Flash portent SynthID, le filigrane invisible de Google, pour que les outils Google compatibles puissent les signaler comme générés par IA. TechCrunch note que Google n’a montré aucun échantillon d’image ou d’audio au lancement : la qualité de ces productions ne peut donc pas encore être jugée.

Pourquoi c’est important

C’est l’affirmation la plus claire de Google jusqu’ici que la prochaine compétition en IA porte sur l’action, pas seulement sur les réponses. Au cours des deux derniers mois, Anthropic a ouvert une bêta dans laquelle Claude utilise un ordinateur, et Google montre maintenant son propre agent de navigation et son propre agent de programmation. Beaucoup s’attendent à ce que ces assistants passent des démos aux produits au cours de la prochaine année.

Pour les utilisateurs ordinaires, le changement immédiat est plus modeste, mais réel : un modèle plus rapide dans l’application Gemini, et Google prévoit d’intégrer 2.0 à davantage de ses produits au début de l’an prochain, à commencer par la recherche, où les AI Overviews rejoignent déjà un milliard de personnes.

À essayer : dans l’application Gemini sur le Web, choisissez 2.0 Flash Experimental dans le menu des modèles. Demandez : « J’ai de la farine, des œufs, du lait et des pommes. Suggère trois déjeuners, puis dis-moi lequel demande le moins d’étapes. » Envoyez ensuite la même demande au modèle que vous utilisiez avant et comparez la vitesse et la clarté.

Comment essayer Gemini 2.0 Flash dès aujourd’hui?

Si vous utilisez Gemini, ouvrez gemini.google.com sur un ordinateur ou dans le navigateur de votre téléphone et choisissez 2.0 Flash Experimental dans le menu déroulant en haut. Google dit qu’il arrivera bientôt dans l’application mobile Gemini. Comme il porte la mention expérimentale, attendez-vous à quelques imperfections.

Si vous créez des logiciels, connectez-vous à Google AI Studio, le site Web de Google où les développeurs testent ses modèles, et sélectionnez le modèle expérimental 2.0 Flash. Vous pouvez y essayer l’utilisation d’outils, par exemple laisser le modèle appuyer sa réponse sur la recherche Google, et expérimenter la voix et la vidéo en direct avec la Multimodal Live API. Les entreprises qui utilisent Google Cloud peuvent y accéder par Vertex AI.

Commencez par des tâches dont vous pouvez facilement vérifier le résultat : une courte question de recherche avec sources, une photo à décrire, un petit calcul fait par exécution de code. Vous verrez vite où le modèle est fort et où il a encore besoin de votre regard.