Google dote ses agents IA d'achats de fonctionnalités panier, catalogue et fidélité

Google et ses partenaires annoncent une spécification de découverte de ressources pour agents IA

Google et plusieurs partenaires industriels ont dévoilé la spécification Agentic Resource Discovery (ARD), un standard ouvert destiné à la publication, la découverte et la vérification d'outils, d'API et d'agents d'intelligence artificielle. Présentée par Leela Kumili, cette annonce introduit une couche de découverte reposant sur des catalogues et des registres, permettant aux systèmes d'IA de repérer dynamiquement les capacités disponibles. ARD s'appuie sur des protocoles déjà établis comme MCP (Model Context Protocol) et OpenAPI pour la partie exécution, se positionnant comme une brique complémentaire plutôt qu'un remplacement de l'existant. Cette initiative répond à un problème concret pour les développeurs d'agents IA : à mesure que les outils, API et sous-agents se multiplient, il devient difficile de savoir quelles capacités existent, où les trouver et si elles sont fiables. En standardisant la découverte et la vérification, ARD pourrait simplifier la construction de systèmes multi-agents capables de composer des services entre eux de façon sûre et interopérable, un enjeu central pour les entreprises qui déploient des agents IA à grande échelle dans leurs infrastructures. Cette annonce s'inscrit dans une dynamique plus large de standardisation de l'écosystème agentique, où plusieurs acteurs cherchent à éviter une fragmentation des protocoles. Le MCP, porté notamment par Anthropic, s'est imposé comme référence pour la connexion des modèles aux outils externes, tandis qu'OpenAPI reste le standard pour décrire les API. En misant sur ces fondations existantes plutôt qu'en créant un protocole rival, Google et ses partenaires cherchent à renforcer la confiance et l'adoption. Les prochaines étapes attendues concernent l'implémentation concrète par les fournisseurs de cloud et les éditeurs d'outils IA.

💬 Google et ses partenaires viennent de dire à voix haute ce que tout le monde pensait tout bas : les agents IA sans annuaire commun, ça devient vite le bordel. ARD ne réinvente rien, il s'appuie sur MCP et OpenAPI, et c'est justement pour ça que ça a une chance de tenir. Reste à voir si les fournisseurs cloud jouent vraiment le jeu, parce qu'un standard sans adoption massive, c'est juste un joli PDF.

Combiner Google Search, Google Maps et fonctions personnalisées dans un appel Gemini avec chaînes d'agents multi-étapes

Google a annonce en mars 2026 une mise a jour majeure de son API Gemini permettant désormais de combiner dans un seul appel API des outils intégrés comme Google Search et Google Maps avec des fonctions personnalisées définies par le développeur. Jusqu'ici, ces capacités devaient être appelées séparément, nécessitant plusieurs requêtes et une orchestration manuelle cote client. La mise a jour introduit également trois mécanismes clés : la circulation de contexte, qui préservé l'historique complet de chaque appel d'outil et de chaque réponse entre les tours de conversation ; les identifiants uniques de réponse d'outil, qui permettent de lier précisément chaque appel de fonction parallèle a son résultat correspondant ; et le "Grounding with Google Maps", qui injecte des données de localisation en temps réel directement dans le raisonnement du modèle. Les modèles concernés sont gemini-3-flash-preview pour les combinaisons d'outils et gemini-2.5-flash pour l'ancrage cartographique, les deux étant accessibles sans configuration de facturation. Cette évolution transforme la façon dont les développeurs peuvent construire des agents IA autonomes. Auparavant, orchestrer plusieurs sources d'information, une recherche web, une donnée météo via API tierce, et une localisation géographique, exigeait plusieurs allers-retours et une logique de coordination externe complexe. Desormais, un unique appel suffit pour que Gemini planifie, exécuté et synthétisé des informations issues de sources hétérogènes en une seule chaine de raisonnement. Pour les applications métier, assistants de voyage, outils de veille concurrentielle, agents de support client, cela réduit la latence, simplifie l'architecture et rend les systèmes multi-outils beaucoup plus accessibles aux équipes de taille modeste. L'introduction des identifiants de réponse parallèles résout par ailleurs un problème concret de fiabilité : quand plusieurs fonctions sont appelées simultanément, il etait auparavant difficile de garantir que chaque réponse correspondait bien a la bonne requête. Ces annonces s'inscrivent dans une compétition intense entre Google, OpenAI et Anthropic pour imposer leur API comme la couche d'orchestration de référence pour les agents IA. OpenAI avait déjà introduit le "parallel function calling" dans GPT-4 en 2023, et Anthropic a renforce les capacités d'outils de Claude tout au long de 2025. Google répond avec une intégration native de son écosystème, Search et Maps étant des atouts considérables qu'aucun concurrent ne peut répliquer a l'identique. La prochaine étape probable est une extension de ce modèle a d'autres services Google (Gmail, Calendar, Drive), transformant Gemini en un agent capable d'agir directement dans l'infrastructure numérique quotidienne des entreprises. La question qui demeure est celle du contrôle et de la transparence : a mesure que les chaines agentiques se complexifient, auditer ce qu'un modèle a réellement fait, et pourquoi, devient un enjeu critique pour la confiance des utilisateurs professionnels.

Robinhood autorise les agents IA à trader des actions et effectuer des achats par carte de crédit pour ses clients

Robinhood, la plateforme américaine de courtage en ligne, a annoncé qu'elle permet désormais à ses clients de connecter des agents d'intelligence artificielle à un compte d'investissement dédié via le protocole MCP (Model Context Protocol). Parmi les agents compatibles figure Claude, le modèle d'Anthropic. Ces agents peuvent, de manière autonome, acheter et vendre des actions, mais aussi effectuer des achats par carte de crédit au nom du titulaire du compte, sans intervention humaine à chaque transaction. Cette évolution marque un cap inédit dans l'automatisation financière grand public : pour la première fois, des agents IA disposent d'un accès direct et opérationnel à des actifs réels sur une plateforme de masse. La FINRA, le régulateur américain du courtage, a d'ores et déjà identifié ce type d'agents comme un nouveau vecteur de risque, pointant le danger de décisions non supervisées pouvant générer des pertes significatives pour des utilisateurs mal préparés. Robinhood lui-même reconnaît que le produit n'est pas adapté à tous ses clients. Ce lancement s'inscrit dans une course plus large à l'intégration des agents IA dans les services financiers, portée par l'essor du protocole MCP qui facilite la connexion entre modèles de langage et systèmes tiers. Robinhood, qui cherche à repositionner son image après les controverses de 2021 autour des actions mèmes, mise sur l'innovation pour attirer une clientèle technophile. La question de la responsabilité légale en cas de perte causée par un agent autonome reste entièrement ouverte, et les régulateurs n'ont pas encore arrêté de cadre applicable.

💬 MCP commence à toucher à du vrai argent. Donner à Claude l'accès autonome à un compte d'investissement ET à une carte de crédit, c'est un niveau de délégation qu'on n'avait pas vu hors des labos. Bon, sur le papier c'est impressionnant, mais la question de qui paie quand l'agent se plante, personne ne veut vraiment y répondre.

Agents IA autonomes : définition, fonctionnement et cas d’usage en entreprise

En 2026, les entreprises ne se limitent plus à utiliser l'intelligence artificielle pour générer du contenu : elles lui confient désormais des pans entiers de leur exécution opérationnelle. Les agents IA autonomes représentent cette nouvelle catégorie de systèmes capables d'atteindre des objectifs complexes sans supervision humaine constante. Contrairement à un chatbot classique comme ChatGPT qui attend une instruction pour produire un texte ou une image, un agent reçoit une intention globale et agit en conséquence : si on lui demande d'organiser un voyage d'affaires, il recherche les vols, compare les hôtels et effectue les réservations de lui-même. Ces systèmes fonctionnent selon une boucle logique permanente, perception, raisonnement, action, apprentissage, en s'appuyant sur des grands modèles de langage pour décider de la meilleure marche à suivre, et sur des outils comme des API, des navigateurs web ou des accès directs aux logiciels métier pour exécuter leurs décisions. L'impact concret pour les entreprises est avant tout économique et opérationnel. Ces agents travaillent sans interruption, traitent des volumes de données inaccessibles à un humain, et peuvent gérer de bout en bout des flux financiers, des chaînes logistiques ou des cycles de relation client, rédiger un e-mail, mettre à jour un CRM, déclencher un paiement. Leur mémoire persistante leur permet de capitaliser sur les interactions passées pour optimiser leurs actions futures, réduisant progressivement le besoin de supervision technique. La logique n'est plus celle d'un outil à piloter, mais d'un collaborateur proactif doté d'une capacité de raisonnement contextuel. De nombreuses applications métier devraient intégrer ces agents d'ici la fin de l'année 2026, ce qui en fait un impératif stratégique plutôt qu'une expérimentation. Cette évolution s'inscrit dans une transition plus large de l'IA générative vers ce qu'on appelle la « révolution agentique ». Pendant des années, les entreprises ont utilisé l'IA comme un assistant réactif ; la rupture consiste à lui déléguer une autonomie décisionnelle réelle sur des processus à enjeux. Mais cette agilité nouvelle soulève des défis de gouvernance sérieux : prolifération d'agents non supervisés, exposition des données sensibles aux outils tiers, traçabilité des décisions automatisées. Les acteurs qui tireront parti de ce tournant ne seront pas ceux qui accumulent le plus d'outils, mais ceux qui construisent une architecture IA solide, avec des garde-fous clairs sur ce que les agents sont autorisés à faire en leur nom. La question centrale pour les dirigeants n'est plus technique, elle est stratégique : jusqu'où laisser agir une entité qui possède sa propre logique d'exécution.