Siri intègre Google mais reste inaccessible dans une grande partie du monde

☕️ Google teste le remplacement des résultats de recherche classiques par le mode IA dans Chrome

Google expérimente actuellement un réglage dans la version Canary (alpha) de Chrome qui remplacerait l'affichage traditionnel des résultats de recherche par son AI Mode, le chatbot conversationnel propulsé par les mêmes modèles que Gemini. Ce paramètre, accessible via chrome://flags sous le nom "Fulfill Searchbox Queries in AI Mode", a été découvert par le site Windows Report. Concrètement, il inverse le comportement par défaut : toute requête saisie dans la barre de recherche ouvre directement le mode IA, reléguant les résultats classiques sous forme de liens web à un clic supplémentaire sur un bouton "All". Le développeur Google ayant implémenté ce flag précise qu'il s'agit d'une phase d'"exploration" et qu'aucun déploiement en production n'est prévu à ce stade. L'enjeu est considérable pour l'écosystème web. Les AI Overviews, ces résumés générés automatiquement qui s'affichent déjà en tête des résultats Google, sont régulièrement accusés de priver les sites d'information et les éditeurs de trafic organique en répondant directement aux questions sans inciter au clic. Un basculement vers un mode IA par défaut amplifierait massivement ce phénomène, rendant encore moins nécessaire la visite des sources originales. Pour les médias, blogs et sites e-commerce dont le modèle économique repose sur le trafic Google, ce serait un changement structurel majeur. À l'inverse, pour les utilisateurs, cela représenterait une expérience plus fluide et conversationnelle, dans la lignée de ce que proposent déjà Perplexity ou ChatGPT Search. Google se trouve dans une position délicate depuis l'émergence des moteurs de recherche alimentés par IA. Des millions d'utilisateurs ont commencé à délaisser le moteur traditionnel au profit de ChatGPT ou Perplexity pour leurs recherches, ce qui menace directement le coeur du modèle publicitaire du groupe Alphabet. En réponse, Google intègre de l'IA à grande vitesse dans tous ses services, au risque d'accélérer la désintermédiation du web que ses propres produits contribuent à créer. Le niveau de finition du flag découvert, avec la prise en charge des raccourcis clavier Ctrl+clic et clic molette pour ouvrir des onglets, suggère que le travail dépasse le simple prototypage. La formulation prudente du développeur, "pas prévu à ce stade", laisse la porte ouverte à une mise en production future, peut-être progressive ou géographiquement limitée, à mesure que Google mesure l'appétit des utilisateurs pour ce changement radical d'interface.

💬 C'est le truc que tous les éditeurs redoutent depuis deux ans. Google est dans une position impossible : continuer à faire semblant que son moteur et ses résumés IA coexistent pacifiquement, ou basculer pour de vrai et tarir définitivement le trafic organique du web. Le flag est trop avancé pour que le "pas prévu en prod" tienne très longtemps.

Google Research intègre un RAG à base d'agents dans Gemini Enterprise pour les requêtes multi-étapes

L'équipe Google Research a présenté le 5 juin 2026 un nouveau cadre de récupération augmentée par agents, intégré directement à la plateforme Gemini Enterprise Agent. Cette architecture, désormais disponible en préversion publique sous le nom Cross-Corpus Retrieval, s'attaque à une limite bien connue des systèmes de recherche d'entreprise : l'incapacité à enchaîner plusieurs étapes de raisonnement sur des sources de données distinctes. Concrètement, là où un système RAG classique échoue face à une requête du type "Quelles sont les spécifications du serveur utilisé dans le Projet X ?" (parce qu'il trouve un identifiant mais ne sait pas aller chercher les specs dans une deuxième base), le nouveau système orchestre une série d'agents spécialisés. Un Orchestrateur délègue la tâche, un Agent Planificateur identifie les sources pertinentes, un Agent Réécriture de Requêtes décompose la question en sous-requêtes précises, et un Agent de Diffusion envoie ces requêtes en parallèle. Sur le benchmark FramesQA, un corpus de 824 questions et 2 676 documents PDF, le système affiche un gain de précision factuelle allant jusqu'à 34 % par rapport au RAG standard, avec de meilleures performances également sur des jeux de données propriétaires internes à Google. Ce qui distingue fondamentalement cette architecture de ses concurrentes, c'est la présence d'un Agent de Contexte Suffisant, pièce centrale du dispositif. Plutôt que de générer une réponse dès que le premier cycle de recherche se termine, cet agent inspecte les résultats, compare un brouillon intermédiaire aux extraits récupérés, et produit un journal détaillé des lacunes identifiées, avec des raisons et des feedbacks explicites. Si des informations manquent, le cycle repart : la requête est reformulée, de nouvelles sources sont explorées. Ce mécanisme d'itération évite deux défauts symétriques : la réponse incomplète présentée comme définitive, et la capitulation prématurée du modèle face à un contexte insuffisant. Pour une question médicale portant à la fois sur les médicaments de sortie, les restrictions alimentaires et les allergies d'un patient, le système ne s'arrête pas à deux éléments sur trois, il continue jusqu'à ce que les trois soient vérifiés. Google positionne cette avancée dans un contexte de concurrence intense sur les agents d'entreprise, un marché où Microsoft, Salesforce et plusieurs startups spécialisées investissent massivement. Le problème des requêtes multi-sources, dit "multi-hop", est depuis plusieurs années l'un des obstacles majeurs à l'adoption des LLM en environnement professionnel réel, où les données sont fragmentées entre bases de connaissances, systèmes CRM, dossiers PDF et notes cliniques. En intégrant cette capacité directement dans Gemini Enterprise Agent Platform plutôt que de la proposer comme une bibliothèque tierce, Google cherche à ancrer ses modèles au coeur des infrastructures de données des grandes organisations, tout en améliorant la fiabilité des réponses là où elle est la plus critique.

💬 Le truc intéressant, c'est l'agent de contexte suffisant : il sait ce qu'il lui manque, relance la recherche, et ne s'arrête pas avant d'avoir les trois éléments sur trois. C'est exactement ce qui casse les RAG classiques en prod, pas le retrieval en lui-même. Que Google l'intègre directement dans la plateforme plutôt qu'en lib tierce, ça dit tout sur leur stratégie d'ancrage infrastructure.

McDonald's teste un système de commande au drive propulsé par l'IA de Google

McDonald's teste depuis plusieurs semaines un nouveau système de commande vocale par intelligence artificielle dans ses restaurants drive-thru américains. Baptisé ArchIQ et surnommé "Archy", le dispositif a été dévoilé lors de la convention mondiale de la chaîne et est actuellement déployé dans cinq établissements aux États-Unis dont les adresses n'ont pas été communiquées. Développé en partenariat avec Google, le système accepte les commandes en anglais et en espagnol, gère les modifications de commande en temps réel et affiche le total avant de demander au client d'avancer. Selon le compte X McFranchisee, géré par un franchisé McDonald's, ArchIQ a déjà traité plus d'un million de transactions, avec environ 90 % des commandes traitées sans intervention humaine. Le système serait également capable de reconnaître les clients réguliers et de proposer leur commande habituelle, bien que McDonald's n'ait pas fourni de détails techniques sur ce mécanisme. En amont du déploiement, les restaurants américains reçoivent des unités Google Edge Cloud pour faire tourner l'infrastructure. L'enjeu est considérable pour une entreprise qui a enregistré 37 milliards de dollars de ventes à ses membres fidélité en 2025, soit une hausse de 20 %, avec près de 210 millions d'utilisateurs actifs sur 90 jours dans 70 marchés. ArchIQ s'inscrit dans le plan de croissance "McDonald's > NEXT", dont l'objectif est d'améliorer les opérations en restaurant et la rentabilité par unité. Le système ne se limite pas à la prise de commande: il surveille les équipements, alerte les managers en cas de panne de congélateur ou de goulot d'étranglement en cuisine, combinant outil de vente et support opérationnel. Le PDG Chris Kempczinski a reconnu dans une note interne que l'automatisation progressive du parcours client réduit les occasions d'interaction avec le personnel, ce qui, selon lui, élève le niveau d'exigence pour les moments où ce contact a lieu. Ce test intervient après l'échec d'une précédente expérimentation menée avec IBM dans plus de cent restaurants, abandonnée en 2024 suite à de nombreuses erreurs de commande, dont un cas devenu viral où le système aurait ajouté pour plus de 250 dollars de nuggets à la commande d'un client. McDonald's avait alors annoncé vouloir continuer d'explorer la technologie de commande vocale malgré cette déconvenue. La chaîne n'est pas seule sur ce terrain: Taco Bell et Wendy's ont également annoncé des systèmes similaires. Le trafic drive-thru est resté négatif tout au long de 2025, oscillant entre -5 % et -8 % selon QSR Magazine, ce qui renforce la pression sur les opérateurs pour optimiser leurs coûts. Si une partie des internautes ayant visionné les démonstrations d'ArchIQ dit préférer l'interaction avec un employé, McDonald's n'a pas encore communiqué de calendrier pour étendre le dispositif au-delà des cinq sites pilotes.

OpenAI lance un assistant financier dans ChatGPT, mais pas pour tout le monde

OpenAI a lancé le 15 mai 2026 une fonctionnalité de gestion financière personnelle directement intégrée à ChatGPT. Baptisé assistant financier, cet outil permet aux utilisateurs de connecter leurs comptes bancaires via Plaid, un service déjà utilisé par de nombreuses applications fintech. Plus de 12 000 établissements financiers sont compatibles avec cette première version. Une fois les comptes synchronisés, ChatGPT génère automatiquement un tableau de bord personnalisé qui agrège dépenses, abonnements, paiements à venir et investissements. L'utilisateur peut ensuite interroger l'IA en langage naturel, comme il le ferait avec un conseiller bancaire, et lui confier des objectifs précis, achat immobilier, remboursement de prêt, épargne, que le modèle intègre pour contextualiser ses réponses. Pour l'instant, la fonctionnalité est exclusivement réservée aux abonnés ChatGPT Pro aux États-Unis, OpenAI souhaitant observer les usages réels avant un déploiement étendu aux abonnés Plus. Cette intégration marque une évolution significative dans la stratégie de ChatGPT, qui sort du registre de l'assistant généraliste pour entrer dans celui des services financiers personnels, un secteur historiquement dominé par des acteurs spécialisés comme Mint, YNAB ou les applications propriétaires des banques. En accédant directement aux données transactionnelles, OpenAI offre une couche d'analyse et d'interprétation que les outils existants ne proposent pas en langage naturel. Pour les utilisateurs, l'impact concret est potentiellement important : comprendre ses habitudes de dépense, anticiper des dérapages budgétaires, ou simplement savoir où part son argent chaque mois sans multiplier les outils. La société précise toutefois que l'assistant ne remplace pas un conseiller financier professionnel, une mise en garde prudente face au risque d'erreurs ou de confiance excessive dans les recommandations de l'IA. Ce lancement s'inscrit dans une tendance plus large de l'IA générative cherchant à s'ancrer dans des usages quotidiens à forte valeur perçue, après la santé, le droit et la productivité. Pour OpenAI, l'enjeu est double : justifier le tarif élevé de l'abonnement Pro et collecter des données d'usage réel sur un cas d'application sensible avant un déploiement massif. Le choix de Plaid comme intermédiaire technique n'est pas anodin, la startup avait failli être rachetée par Visa en 2020 pour 5,3 milliards de dollars avant que l'accord soit bloqué par le département de Justice américain. La question de la confidentialité des données bancaires reste le principal point de friction : confier l'intégralité de ses transactions à un chatbot représente un saut de confiance que tous les utilisateurs ne sont pas prêts à franchir. Le déploiement progressif voulu par OpenAI vise précisément à mesurer ce seuil d'acceptabilité avant de l'élargir à l'ensemble de sa base mondiale.

💬 OpenAI utilise ses abonnés Pro comme cobayes sur le cas d'usage le plus sensible qui soit, et c'est la seule façon sérieuse de mesurer si les gens sont vraiment prêts à ce saut. Plaid est déjà dans le tuyau de la moitié des fintechs qu'on utilise sans y penser, donc techniquement c'est moins une rupture qu'un changement de surface visible. En Europe, entre le RGPD et nos banques qui gardent leurs données comme Fort Knox, on va pas voir ça de sitôt.