Google déploie son IA Gemini personnalisée pour tous les Américains

Google déploie enfin des outils pour contrôler les coûts de l’API Gemini

Google répond enfin à une demande récurrente des développeurs : l'API Gemini s'équipe de mécanismes concrets pour maîtriser les dépenses. Au programme, des contrôles budgétaires par projet, un nouveau système de paliers tarifaires et des tableaux de bord dédiés au suivi des coûts et de l'usage. Cette mise à jour est significative pour les équipes qui intègrent Gemini dans leurs applications. Sans garde-fous budgétaires natifs, les développeurs s'exposaient à des factures imprévisibles en cas de pic de trafic ou d'usage non anticipé, un frein réel à l'adoption en production. L'arrivée de ces outils rapproche l'API Gemini des standards proposés par ses concurrents directs comme OpenAI ou Anthropic, qui disposent depuis plus longtemps de mécanismes de plafonnement et de monitoring granulaire. Les nouvelles fonctionnalités s'articulent autour de trois axes : des limites budgétaires configurables au niveau du projet, un système de paliers permettant de segmenter l'accès selon les besoins, et des tableaux de bord offrant une visibilité en temps réel sur la consommation et les coûts. Cette architecture par projet est particulièrement adaptée aux organisations qui gèrent plusieurs applications ou équipes consommant l'API simultanément. Ces ajouts positionnent Google dans une logique de maturité opérationnelle pour son offre Gemini, une étape nécessaire pour convaincre les entreprises de passer de l'expérimentation à un déploiement à grande échelle.

Gemini s’invite dans Google Play pour trier les applis à votre place

Google a intégré son assistant Gemini directement au Play Store, permettant aux utilisateurs Android de rechercher des applications via une conversation naturelle sans ouvrir la boutique. Concrètement, une extension relie les deux services : l'utilisateur formule sa demande dans l'interface de Gemini, qui analyse la requête et propose une sélection d'applications correspondantes. Un clic sur l'icône choisie redirige vers la fiche Play Store classique, où l'installation reste une action manuelle. L'assistant peut également afficher l'historique des achats intégrés dans une application donnée, et préparer un parcours d'achat pour des cartes-cadeaux Google Play, là encore sans finaliser la transaction de façon autonome. L'accès requiert d'être majeur, de posséder un appareil Android avec l'application Gemini connectée à un compte Google personnel, et d'avoir activé l'option "Conserver l'activité" dans les paramètres Gemini. La disponibilité reste progressive selon les pays et les appareils. Cette intégration change la façon dont des millions d'utilisateurs Android vont découvrir des applications. La recherche textuelle classique dans le Play Store suppose de connaître le nom ou la catégorie exacte d'une appli ; Gemini permet de formuler un besoin flou ("je cherche quelque chose pour gérer mes finances en déplacement") et d'obtenir une sélection pertinente. Pour Google, l'enjeu est double : augmenter le taux de découverte d'applications sur sa boutique et renforcer l'utilité perçue de Gemini dans le quotidien des utilisateurs. Le fait que l'assistant puisse désormais se rapprocher du portefeuille, via les suggestions d'achats et de cartes-cadeaux, représente aussi une opportunité commerciale non négligeable pour l'entreprise. Cette fonctionnalité s'inscrit dans la stratégie plus large de Google visant à faire de Gemini le point d'entrée central de l'écosystème Android, au détriment de l'architecture en silos d'applications séparées. Depuis le lancement de Gemini en 2024 en remplacement de Google Assistant, le groupe cherche à démontrer une valeur ajoutée concrète face à des concurrents comme ChatGPT d'OpenAI ou Copilot de Microsoft, qui intègrent eux aussi des capacités d'action sur des services tiers. L'extension Play Store rejoint un écosystème d'intégrations qui devrait s'élargir, Google ayant indiqué que l'offre d'applications et de fonctions continuera à s'étoffer. La vraie question à terme est celle de la neutralité algorithmique : une barre de recherche renvoie des résultats, un assistant en recommande, et les critères de sélection de Gemini restent, pour l'instant, opaques.

Gemini Spark : le secrétaire personnel de Google déboule maintenant sur macOS

Gemini Spark, l'agent conversationnel présenté par Google lors de la conférence I/O en mai dernier, est désormais disponible sur macOS via une intégration directe dans l'application Gemini pour Mac. Conçu comme un secrétaire personnel capable d'exécuter des tâches de façon autonome, l'agent élargit son champ d'action en se connectant à un plus grand nombre d'applications tierces sur l'ordinateur, et améliore sa capacité à suivre des sujets en temps réel pour l'utilisateur, sans que celui-ci ait à relancer manuellement une recherche. Cette arrivée sur macOS marque une étape supplémentaire dans le déploiement multiplateforme de l'assistant, après son lancement initial annoncé lors du grand raout annuel de Google consacré à l'intelligence artificielle. Cette extension a une portée concrète pour les utilisateurs de Mac, jusqu'ici moins bien servis par les assistants IA maison de Google que les possesseurs d'appareils Android. En permettant à Gemini Spark d'interagir avec davantage d'applications du système et de suivre l'actualité ou des dossiers en continu, Google cherche à transformer son assistant en véritable point d'entrée quotidien pour la productivité, plutôt qu'en simple outil de question-réponse. Pour les professionnels travaillant sur Mac, cela signifie potentiellement moins de bascule entre applications et une automatisation plus poussée des tâches répétitives. Cette manœuvre s'inscrit dans la course effrénée que se livrent les géants de la tech autour des agents IA, capables d'agir pour le compte de l'utilisateur plutôt que de simplement répondre à ses requêtes. Google multiplie les intégrations de Gemini dans son écosystème, tandis qu'Apple peine à faire décoller sa propre Siri nouvelle génération et que Microsoft pousse Copilot sur Windows. L'arrivée de Spark sur macOS illustre la volonté de Google de s'implanter durablement sur les terminaux Apple, terrain historiquement dominé par les outils natifs du constructeur californien.

Déploiement de l'IA dans le retail pour personnaliser l'expérience et mieux connaître les clients

Les détaillants en ligne remplacent leurs interfaces statiques par des systèmes d'intelligence artificielle capables de modifier l'environnement utilisateur en temps réel, pendant la session même de navigation. Les Generative User Interfaces s'appuient sur des modèles prédictifs qui analysent le clic en direct, l'historique d'achat et l'intention supposée du visiteur pour construire une mise en page, des textes et des composants interactifs propres à chaque session. Selon une étude McKinsey, 76% des consommateurs se disent frustrés lorsqu'une expérience numérique ne s'adapte pas à leurs besoins, tandis que les entreprises qui déploient des mises en page personnalisées en temps réel augmentent leur fréquence d'achat de 35% et leur panier moyen de 21%. Parallèlement, la vidéo représente désormais 82% du trafic internet total, les consommateurs passant plus de 60% de leur temps sur des contenus streamés, ce qui pousse les équipes marketing à adopter des plateformes d'écoute sociale multimodales capables d'ingérer flux vidéo, audio et images non étiquetées pour repérer logos, usages de produits et sentiment exprimé oralement. Ce marché des systèmes d'analyse multimodale doit atteindre 2,83 milliards de dollars cette année. Cette bascule change concrètement le rapport de force entre marques et consommateurs. Les entreprises qui investissent dans ces pipelines de détection précoce obtiennent un net avantage analytique: 76% des analystes médias rapportent un retour sur investissement mesurable sur les plateformes visuelles, contre moins de 60% pour ceux qui se limitent aux bases de données textuelles. Repérer une tendance visuelle ou une mention non associée à la marque avant qu'elle n'explose sur les moteurs de recherche classiques donne aux équipes logistiques une fenêtre cruciale pour ajuster les stocks régionaux face à un pic soudain de demande. Sur le plan des tests marketing, les simulations d'utilisateurs synthétiques, construites à partir de grands modèles de langage, remplacent progressivement les focus groups humains coûteux et lents: des personas virtuels dotés de profils démographiques, psychométriques et comportementaux permettent de mener des milliers d'entretiens automatisés et de tests d'interface en parallèle. Cette transformation s'inscrit dans une course plus large à l'automatisation de la relation client, où l'échec des approches par segmentation démographique classique pousse les équipes techniques vers des architectures capables de raisonner session par session. Les ingénieurs combinent différents cadres de modèles, du simple modèle unique aux moteurs capables de basculer dynamiquement entre architectures selon la tâche, et réinjectent en continu des données d'entretiens humains réels pour éviter que les populations synthétiques ne s'éloignent de la réalité du marché. Ces personas permettent ainsi d'identifier les frictions d'usage dans une application avant même sa mise en production, une étape qui préfigure une automatisation encore plus poussée des infrastructures physiques et périphériques évoquée dans la suite de l'article.

💬 Le vrai changement ici, c'est que le site ne te montre plus une page, il te montre une prédiction de toi, calculée en direct sur ton clic. Bon, sur le papier les chiffres McKinsey donnent envie (35% d'achats en plus, quand même), mais je me méfie surtout des personas synthétiques qui remplacent les focus groups: un LLM qui simule un client reste un LLM, pas quelqu'un qui hésite vraiment devant son panier. Reste à voir si ça tient en prod quand la simulation s'éloigne trop du vrai marché.