Google vend désormais des collègues et plus des assistants IA : qu’est-ce que cela change pour votre

Des outils pensés pour des métiers, pas pour des « travailleurs du savoir »

Ce qui ressort le plus clairement de ces deux outils, c’est la manière très précise dont ils définissent leurs utilisateurs. Il ne s’agit pas de logiciels destinés aux « travailleurs du savoir » généralistes, mais à des métiers bien spécifiques.

Dans le secteur des services financiers, Google cible les chargés de clientèle et les conseillers qui ont besoin d’informations prêtes à être présentées aux clients avant un rendez-vous, les analystes chargés de la vérification d’identité (KYC) et de l’intégration des nouveaux clients dans la banque privée et le courtage premium, les équipes de trading qui gèrent l’exposition d’un portefeuille obligataire face à un choc macroéconomique, les équipes de crédit qui recherche des anomalies de valorisation ou encore des équipes chargées des obligations à taux fixes ou des émissions qui préparent des dossiers en fonction d’un calendrier d’opérations.

« L’assistant polyvalent demandait de savoir quoi demander et comment le formuler. [Les solutions axées sur les rôles] inversent cette approche. Le processus est codé dans le modèle. »

Sur le plan juridique, les cibles sont tout aussi « pointues ». Les équipes chargées de la protection de la vie privée qui croulent sous les demandes d’accès des personnes concernées. Les juristes qui examinent les contrats de sous-traitance et les accords de confidentialité. Les services de gestion des connaissances qui s’efforcent de rendre exploitables les archives des contrats. Les équipes contentieux qui préparent les dossiers et gèrent le caviardage. Ou les services de conformité et de réglementation qui suivent l’évolution de la législation et des exigences des autorités de contrôle.

Ce sont des postes où le volume de travail est élevé, les procédures standardisées, les données nombreuses, et qui mobilisent d’énormes quantités de main-d’œuvre coûteuse sur des tâches difficiles, mais pas particulièrement créatives. C’est précisément le profil type pour lequel cette IA a de réelles chances de réussir.

C’est une cible nettement différente de celle visée depuis trois ans. L’assistant polyvalent demandait à l’utilisateur de savoir quoi demander et comment le formuler. Cela faisait peser la charge des prompts sur un professionnel, déjà très occupé, qui n’avait aucun intérêt à devenir un « ingénieur des prompts ». Et cela a donné lieu à la courbe d’adoption que nous avons tous observée. Les PoC ont été enthousiastes, l’utilisation initiale élevée, puis un déclin régulier est arrivé une fois l’effet de nouveauté passé.

Les solutions axées sur les rôles inversent cette approche. Le processus est déjà codé dans le modèle. L’utilisateur fournit les détails de son dossier ou de son client, et le système fournit la méthode.

Trois ruptures avec l’IA générative classique

L’agent de recherche financière en est l’illustration la plus parlante. Google le décrit comme un agent doté de plus de 50 compétences, qui automatise la recherche de bout en bout et qui fournit des scores de fiabilité, des méthodologies explicites, des instantanés pour l’audit avec des citations précises de ses sources.

Si l’on analyse cela de plus près, on constate trois différences par rapport à la manière dont l’IA a généralement été intégrée à ces fonctions.

Tout d’abord, il s’agit d’un processus de bout en bout plutôt que d’un enchaînement de pas-à-pas. L’unité de travail correspond à une tâche de recherche achevée, et non à une réponse à une question. Cela modifie la manière dont l’utilisateur procède. Au lieu de guider le modèle à travers huit échanges, il définit une tâche et évalue le résultat final.

Deuxièmement, le résultat est conçu pour être vérifié. Dans ces secteurs, une réponse que l’on ne peut pas défendre est pire que l’absence de réponse, car elle mobilise du temps et crée un risque sans produire de résultat exploitable. Concevoir un résultat pour celui qui va le relire est la bonne approche, mais ce n’est pas celle de la plupart des produits d’IA jusqu’ici.

« Pendant trois ans, la question centrale sur l’IA était de savoir quel modèle choisir. Aujourd’hui Google parie qu’elle est de savoir quelle solution préconfigurée prendre pour quelle tâche. »

Troisièmement, elle est accessible depuis d’autres systèmes. Google met cet agent à disposition via des API « Agent2Agent » et des intégrations avec le protocole MCP. Cela implique qu’il n’est pas nécessaire de l’utiliser via une interface de chat. Il peut s’agir d’une étape au sein d’un autre processus ou d’un autre worfklow. Cette technologie cesse d’être une fin en soi pour devenir une brique dans une infrastructure.

La solution « Juridique » suit la même logique. L’analyse prospective de la réglementation suivra de manière autonome les mises à jour législatives, les registres des tribunaux et les organismes de contrôle, puis à recoupera ces changements avec les politiques de l’organisation afin de signaler les lacunes en matière d’exposition aux risques et de rédiger des mises à jour des politiques.

L’examen des contrats consiste à comparer les nouveaux accords aux guides stratégiques de l’entreprise et à mettre en évidence les clauses à haut risque. La création de guides stratégiques fonctionne dans le sens inverse : elle exploite les archives d’accords passés pour en extraire les termes clés, les positions de repli et le savoir institutionnel, afin d’en faire un outil réellement utilisable par l’équipe de négociation.

Un exemple parmi d’autres, la rédaction des accords de confidentialité (NDA) inclut ce que Google appelle la « validation de la fidélité structurelle », ce qui signifie que le document est vérifié par rapport aux normes de l’entreprise et à la hiérarchie documentaire, plutôt que d’être simplement généré sans référence.

Notez que plusieurs de ces tâches ne sont pas de celles qu’un avocat aurait déléguées à un collaborateur junior. Ce sont des tâches que personne n’effectuait, car l’effort requis était trop important. Aucun service juridique ne procédait à un rapprochement continu de chaque publication réglementaire avec l’intégralité de sa bibliothèque de politiques. Ils effectuaient des contrôles par échantillonnage, ils établissaient des priorités et ils acceptaient de prendre des risques pour combler les lacunes.

Quatre briques pour packager le savoir-faire professionnel

Google articule ces deux solutions autour de quatre composantes : des compétences spécifiques à chaque secteur, les connexions à des systèmes et à des données fiables, des agents prêts à être déployés et un écosystème de partenaires.

C’est la couche des compétences qui mérite une attention particulière. La définition qu’en donne Google est précise : des ensembles réutilisables d’instructions et de contexte, conçus par des experts du domaine, qui enseignent à un agent à exécuter des flux de travail spécialisés et reproductibles tout en respectant les règles métier de l’organisation.

Il s’agit là d’une tentative pour rendre transférable un savoir-faire professionnel. Comment un analyste KYC démêle-t-il la structure de propriété d’une entreprise à travers différentes juridictions ? Quelles vérifications fait une équipe chargée des obligations à taux fixe avant de présenter une offre à un client ? Quelle est la séquence que suit une équipe juridique chargée de la protection de la vie privée lorsqu’une demande lui parvient ?

« Pendant trois ans, la question centrale sur l’IA était de savoir quel modèle choisir. Aujourd’hui Google parie qu’elle est de savoir quelle solution préconfigurée prendre pour quelle tâche. »

Ces connaissances sont généralement détenues par des professionnels seniors. Elles se transmettent au fil d’années de manière non formelle. Elles n’ont en tout cas jamais constitué une composante d’un produit.

Les connexions aux données revêtent une importance particulière pour une raison connexe. Google souligne que les connecteurs respectent les autorisations et les contrôles. L’exemple sur la vérification d’identité (KYC) cite spécifiquement l’ingestion de multiples formats (PDF, Excel, etc.) et des documents de la SEC afin de cartographier les hiérarchies d’entreprise et d’évaluer les profils de risque.

Ces deux détails renvoient à la même exigence. Le travail professionnel repose sur des éléments de preuve spécifiques conservés dans des systèmes spécifiques et soumis à des règles d’accès spécifiques. Un système d’IA incapable d’y accéder dans le respect de ces règles produit un texte, mais pas un résultat exploitable. Le problème des autorisations, en particulier, est la raison pour laquelle un très grand nombre de PoC ont discrètement pris fin, les responsables de la sécurité s’interrogeant sur ce qui se passerait si un collaborateur junior effectuait une recherche sur un dossier auquel il n’est pas affecté.

Il y a également un détail qui aura plus d’importance qu’il n’y paraît. Les deux solutions s’intègrent à Google Workspace et à Microsoft 365, avec l’exportation vers Docs, Sheets, Slides, Word, Excel et PowerPoint. C’est le format attendu par l’utilisateur suivant qui compte. Des fichiers générés dans une application distincte sont copiés-collés pendant quelques semaines, mais abandonnés à la longue.

Pour les prochains secteurs de la santé, des sciences de la vie et des services professionnels, on peut parier que cette même structure en quatre parties s’appliquera à la documentation clinique, aux dossiers réglementaires et au traitement des demandes de remboursement.

Les goulots d’étranglement se déplacent, ils ne disparaissent pas

Pour les acheteurs, voici quelques mises en garde. Une démonstration ne remplace pas une évaluation in situ. Des affirmations marketing comme « réduire à moins de cinq minutes, l’analyse de l’exposition d’un portefeuille obligataire », ou « réduire la préparation d’une présentation de plusieurs jours à quelques minutes », méritent d’être vérifiées par rapport à une référence interne connue plutôt que d’être prises pour argent comptant.

Et quand bien même. Si la génération du document ne prend plus que quelques minutes, mais la révision par un responsable prend encore des heures, le goulot d’étranglement s’est simplement déplacé au lieu de disparaître. Les organisations qui tireront parti de cette approche repenseront l’étape de vérification en parallèle de l’étape de génération.

En creux, l’évolution majeure est simple. Pendant trois ans, la question centrale sur l’IA était de savoir quel modèle choisir. Aujourd’hui Google parie qu’elle est de savoir quelle solution préconfigurée prendre pour quelle tâche. Et les courbes d’adoption semblent montrer que ce pari est judicieux. Les professionnels ne veulent pas d’un assistant plus performant. Ils veulent que le travail soit fait, dans les formats qu’ils veulent, et avec des sources.

Cet avis d’expert a été initialement publié sur le site d'Omdia. Omdia est un cabinet d’analystes et de consultants spécialisés en IT. Il fait partie du groupe Informa TechTarget, également propriétaire du MagIT.