Google Chrome : Gemini peut désormais analyser ce qui s’affiche sur votre écran

Google Gemini peut désormais répondre à vos questions avec des modèles 3D et des simulations

Google a dévoilé une nouvelle fonctionnalité pour son assistant Gemini permettant de générer des modèles 3D interactifs et des simulations en réponse aux questions des utilisateurs. Concrètement, lorsqu'un utilisateur pose une question sur un phénomène physique ou scientifique, Gemini peut désormais produire une représentation tridimensionnelle animée, accompagnée de commandes permettant de la manipuler en temps réel : rotation du modèle, curseurs pour ajuster des paramètres, boutons pour mettre en pause ou masquer certains éléments visuels. Lors d'un test rapporté par The Verge, un utilisateur a demandé une simulation de la Lune orbitant autour de la Terre, et Gemini a généré un modèle 3D complet avec un curseur pour contrôler la vitesse de l'orbite, une option pour masquer la trajectoire et un bouton de pause. Cette évolution représente un changement notable dans la façon dont les IA conversationnelles transmettent l'information. Plutôt que de se limiter à du texte ou des images statiques, Gemini ouvre la voie à une pédagogie interactive, particulièrement utile pour l'enseignement des sciences, de la physique ou de l'astronomie. Les enseignants, étudiants et professionnels pourront explorer des concepts complexes de manière intuitive, sans recourir à des logiciels spécialisés. Cette fonctionnalité s'inscrit dans la course que se livrent les grands acteurs de l'IA générative pour différencier leurs produits au-delà du simple chat textuel. Google, qui fait face à une concurrence intense d'OpenAI et d'Anthropic, cherche à positionner Gemini comme un assistant multimodal de référence. La capacité à produire des visualisations dynamiques et paramétrables pourrait devenir un avantage décisif, notamment dans les secteurs éducatif et scientifique.

Gemini débarque partout sur Android : comment Google va vous aider à automatiser votre quotidien

Google a annoncé lors de son Google I/O 2025 le déploiement d'une série de nouvelles fonctionnalités de son assistant Gemini sur Android, visant à automatiser des tâches concrètes du quotidien directement depuis les appareils mobiles. Parmi les capacités annoncées : réserver des vacances, prendre un rendez-vous via Chrome, ou encore remplir des formulaires en ligne sans intervention manuelle. Une fonctionnalité supplémentaire permettra de transformer des notes fragmentées ou des idées brutes en textes structurés et cohérents. Ces ajouts représentent un glissement majeur vers l'IA dite "agentique", capable d'exécuter des actions multi-étapes au nom de l'utilisateur plutôt que de simplement répondre à des questions. Pour les utilisateurs Android, cela signifie une réduction significative du temps passé sur des tâches répétitives et administratives. Pour Google, c'est une façon de différencier Android face à Apple Intelligence et de justifier l'intégration profonde de Gemini dans l'écosystème mobile. Cette annonce s'inscrit dans une course accélérée entre les grands acteurs tech pour imposer leurs assistants IA comme couche centrale d'interaction avec les appareils. Apple déploie progressivement Apple Intelligence sur iOS, Microsoft intègre Copilot dans Windows, et Google tente de consolider Gemini comme système nerveux de tout l'écosystème Android. Le déploiement de ces fonctionnalités devrait s'étaler sur les prochains mois, d'abord pour les utilisateurs anglophones avant une extension internationale progressive.

💬 Réserver un hôtel, remplir un formulaire, prendre un rdv, tout depuis Android sans lever le petit doigt : c'est pas du concept cette fois, ça débarque en prod. Le vrai enjeu c'est si les utilisateurs vont faire confiance à Gemini pour agir à leur place, pas juste répondre. Pour nous en Europe, faudra probablement attendre encore, comme toujours.

Comment analyser le sentiment client avec Google Gemini

Les équipes de service client croulent sous les données non structurées : tickets d'assistance, commentaires d'enquêtes, avis d'applications. Jusqu'ici, analyser ces milliers de retours exigeait un travail manuel fastidieux de catégorisation dans des tableurs, un processus lent, subjectif et sujet à ce que les professionnels appellent le "sentiment drift", la tendance des analystes humains à modifier inconsciemment leurs critères d'évaluation après avoir examiné des centaines de données. Google Gemini propose désormais une approche radicalement différente : en chargeant un simple tableur dans le modèle d'IA générative et en lui soumettant une requête ciblée, les équipes peuvent extraire en quelques minutes des tendances et des résumés de patterns qui auraient nécessité plusieurs heures de travail manuel, voire auraient pu passer inaperçus. Le processus se déroule en quatre étapes concrètes. D'abord, préparer les données : renommer les colonnes de façon explicite ("Feedback Text" plutôt que "Col_1"), supprimer les doublons, retirer les données de test internes et anonymiser les informations personnelles avant tout import. Google Sheets facilite cette étape grâce à Smart Fill, qui détecte automatiquement les patterns de saisie. Ensuite, formuler un prompt précis qui contextualise le rôle de l'utilisateur et la nature des données, par exemple demander à Gemini d'identifier les cinq à sept thèmes récurrents sur une année, avec des exemples représentatifs et les tensions éventuelles entre attentes contradictoires des utilisateurs. Dans un troisième temps, Gemini peut aller plus loin en distinguant symptômes de surface et causes profondes : si des dizaines de clients signalent une "fonctionnalité manquante", le modèle peut détecter que le problème réel est sa mauvaise visibilité dans l'interface, ou relier des plaintes sur des "frais inattendus" à une communication tarifaire confuse plutôt qu'à un changement de prix réel. Cette approche s'inscrit dans une tendance plus large d'intégration de l'IA générative dans les outils d'analyse métier, où Google positionne Gemini comme un levier d'efficacité opérationnelle pour les équipes non techniques. L'enjeu dépasse la simple automatisation : il s'agit de rendre l'analyse qualitative scalable, c'est-à-dire applicable à des volumes de données impossibles à traiter humainement. Les entreprises qui adoptent ces workflows peuvent espérer réduire considérablement le temps entre la collecte du feedback client et la prise de décision produit. La limite reste toutefois celle de tout outil d'IA générative : la qualité des insights dépend directement de la qualité des données en entrée et de la précision des requêtes formulées, Gemini amplifie la rigueur analytique des équipes, mais ne la remplace pas.

Comment analyser le sentiment client avec Google Gemini

Les équipes de support client croulent sous des volumes considérables de retours non structurés : tickets d'assistance, commentaires d'enquêtes, avis d'applications. Jusqu'à présent, exploiter cette masse de données impliquait un travail manuel fastidieux sur des tableurs, au risque de ce que les spécialistes appellent le "sentiment drift", une dérive progressive des critères d'évaluation humains après l'examen de centaines de réponses. Google propose désormais d'utiliser Gemini, son modèle d'IA générative, pour automatiser cette analyse. En chargeant simplement un fichier tableur et en formulant une instruction précise, les équipes peuvent extraire en quelques secondes des tendances et des résumés qui auraient exigé des heures de revue manuelle, voire qui seraient passés inaperçus. La méthode recommandée s'articule en quatre étapes. La première consiste à préparer les données : renommer les colonnes de façon explicite ("Feedback Text" plutôt que "Col_1"), supprimer les doublons, retirer les données de test internes et, impérativement, anonymiser toute information personnelle avant l'envoi. La fonctionnalité Smart Fill de Google Sheets peut accélérer cette mise en forme. Vient ensuite la rédaction d'un prompt contextualisé, par exemple : "Je suis spécialiste du support client. En utilisant ce tableur, identifiez les tendances dans nos retours d'enquête sur l'année écoulée." Gemini peut alors être invité à repérer les cinq à sept thèmes récurrents, fournir des exemples représentatifs, ou encore détecter des contradictions dans les attentes des utilisateurs. La troisième étape consiste à pousser l'analyse plus loin : distinguer les symptômes de surface des causes profondes. Le modèle peut, par exemple, reconnaître que des dizaines de plaintes sur une "fonctionnalité manquante" reflètent en réalité un problème de navigation dans l'interface, ou relier des réclamations sur des "frais inattendus" à un libellé de facturation ambigu plutôt qu'à une vraie modification tarifaire. Ce type d'usage illustre un tournant dans la relation entre les outils d'IA générative et les métiers opérationnels non techniques. Là où l'analyse de sentiment nécessitait autrefois des compétences en data science ou des plateformes spécialisées, des modèles comme Gemini abaissent radicalement la barrière d'entrée. Pour les entreprises qui traitent des milliers d'avis clients par mois, le gain de temps est substantiel, et la qualité d'analyse potentiellement supérieure à celle d'une équipe humaine soumise à la fatigue de la lecture répétitive. La question qui subsiste est celle de la validation humaine des recommandations générées : Gemini peut identifier des patterns, mais c'est aux équipes de juger si les actions proposées correspondent aux réalités terrain.