[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-lancement-de-plateformes-cloud-pour-l-ia-agentique-et-les-outils-developpeurs-fr":3,"ArticleBody_CfvXzaD5Ne7J9CoMYlKN22InFoOeffUluYe0yOs":204},{"article":4,"relatedArticles":175,"locale":66},{"id":5,"title":6,"slug":7,"content":8,"htmlContent":9,"excerpt":10,"category":11,"tags":12,"metaDescription":10,"wordCount":13,"readingTime":14,"publishedAt":15,"sources":16,"sourceCoverage":58,"transparency":60,"seo":63,"language":66,"featuredImage":67,"featuredImageCredit":68,"isFreeGeneration":72,"trendSlug":73,"niche":74,"geoTakeaways":77,"geoFaq":86,"entities":96},"69ec955ae96ba002c5b86b6b","Lancement de plateformes cloud pour l’IA agentique et les outils développeurs","lancement-de-plateformes-cloud-pour-l-ia-agentique-et-les-outils-developpeurs","## Introduction\n\nLes plateformes de données d’entreprise ont été conçues pour des humains, pas pour des agents autonomes consommant massivement des données temps réel.[1] Avec l’IA agentique, elles deviennent un goulot d’étranglement :  \n- latence et silos,  \n- gouvernance difficile,  \n- peu d’outils pensés pour les développeurs.\n\n[Google](\u002Ffr\u002Fentities\u002F69e9a8e4e1ca17caac370e9d-google) positionne Agentic Data Cloud comme couche de données « AI‑native » pour des agents capables de raisonner sur l’ensemble du patrimoine, y compris multi‑cloud.[1][2] Gemini Enterprise Agent Platform, ses galeries d’agents et l’écosystème partenaires visent à industrialiser le cycle de vie des agents, du prototype au run sécurisé.[3][5]\n\n💡 À retenir  \nCes lancements cherchent à transformer les plateformes analytiques en moteurs d’exécution pilotés par des agents, avec priorité au contexte métier et à la gouvernance.[1][2]\n\nPour les équipes d’ingénierie, l’enjeu est de combiner données, agents et outils développeurs pour bâtir des architectures d’IA agentique opérables à grande échelle.\n\n---\n\n## Plateforme de données agentique : du lac de données au moteur de contexte\n\nLes agents exigent :  \n- plus de données qu’un simple tableau de bord,  \n- des données plus fraîches et contextualisées pour décider correctement.[1]\n\nAgentic Data Cloud y répond via trois piliers :  \n- **Knowledge Catalog**,  \n- **lakehouse multi‑cloud**,  \n- **kit d’agents de données**.[1][2]\n\n📊 Chiffre clé  \nPrès de deux tiers des clients Google Cloud interrogés ont déjà des agents en production, d’où une plateforme dédiée.[1]\n\n### Architecture logique\n\nUne architecture type côté données se présente ainsi :\n\n```mermaid\nflowchart LR\n    A[Sources on-prem \u002F SaaS] --> B[Lakehouse multi-cloud]\n    B --> C[Knowledge Catalog]\n    C --> D[Agents métiers]\n    B --> D\n```\n\nDans ce schéma :\n\n- **Lakehouse multi‑cloud** : accès direct aux données hébergées sur AWS et Azure sans ETL de réplication massif.[1][2]  \n- **Knowledge Catalog** : couche de métadonnées structurée pour fournir un contexte métier exploitable par les agents (schémas, glossaire, politiques).[1]  \n- **Data Agent Kit** : outils permettant de développer des agents spécialisés dans l’exploration, la qualité ou la transformation de données.[1]\n\n⚠️ Point clé  \nDans un contexte hybride où ~84 % des responsables cloud choisissent plusieurs fournisseurs,[2] une plateforme d’IA agentique sans support natif du multi‑cloud se condamne à des intégrations ad‑hoc fragiles.\n\nEn pratique, un architecte data peut :  \n- réduire le nombre de pipelines ETL,  \n- laisser les agents interroger le lakehouse fédéré,  \n- appliquer les règles de gouvernance centralisées du catalogue.[1][2]\n\nLes agents IA deviennent alors de premiers consommateurs des données, pour l’analytique comme pour l’exécution opérationnelle.\n\n---\n\n## Outils développeurs pour agents : de Gemini Enterprise à l’outillage quotidien\n\nL’industrialisation des agents nécessite, au‑delà de la donnée :  \n- une plateforme de développement et de déploiement,  \n- des capacités de gouvernance et d’observabilité,  \n- un rôle comparable à [Kubernetes](\u002Ffr\u002Fentities\u002F69610cc519d266277e1505bf-kubernetes) pour les microservices ou au [MLOps](\u002Ffr\u002Fentities\u002F695e947319d266277e14dfba-mlops) pour les modèles.[3][5]\n\nC’est l’objectif de Gemini Enterprise Agent Platform.[3][5]\n\n### Du prototype au run\n\nLa plateforme couvre un cycle complet :  \n\n1. **Conception** via studios visuels et SDK.  \n2. **Orchestration** multi‑agents pour des workflows complexes (assurance, finance, back‑office).[6][9]  \n3. **Gouvernance \u002F observabilité** : journalisation, garde‑fous, conformité.[5]\n\nDes retours d’ateliers [Google Cloud Next](\u002Ffr\u002Fentities\u002F69e9a8e4e1ca17caac370e9d-google_Drive) montrent des équipes passant en quelques jours :  \n- d’un POC d’agent de support,  \n- à un prototype connecté au SI via [Agent Studio](\u002Ffr\u002Fentities\u002F69ec9782e1ca17caac379c3a-agent-studio),  \n- en réutilisant outils existants et quelques fonctions maison.[5]\n\n💼 Exemple de squelette d’agent (pseudo‑code)\n\n```python\ndef agent_sinistres(message, contexte):\n    intent = classifier_intention(message)\n    if intent == \"ouverture_dossier\":\n        donnees = recuperer_client(contexte[\"id_client\"])\n        decision = modele_souscription(donnees)\n        return generer_reponse(decision)\n    elif intent == \"suivi\":\n        statut = interroger_workflow(contexte[\"id_dossier\"])\n        return formater_statut(statut)\n```\n\nIci, la plateforme fournit :  \n- la gestion du contexte (mémoire, identités),  \n- le routage vers les bons outils (API internes, moteurs de règles),  \n- les garde‑fous de sécurité (masquage, logs, politiques).[3][5]\n\n📊 Données de terrain  \nLes études indiquent :  \n- accès à l’IA déjà offert à ~60 % des collaborateurs,  \n- part des projets IA en production appelée à doubler à court terme.[7]\n\nSans automatisation de la création, de l’observabilité et de la gouvernance des agents, ces volumes exposent à des hallucinations de LLM coûteuses en production.[7][10]\n\n### Sessions et bonnes pratiques\n\nLes sessions Google Cloud Next mettent l’accent sur :  \n- l’**engineering du contexte** pour limiter les hallucinations,[5][6]  \n- la **gouvernance des apps Gemini Enterprise** (sécurité, conformité),[5]  \n- le passage « prototype → production » avec retours d’expérience.[5]\n\n💡 À retenir  \nL’enjeu n’est plus de prouver que les agents fonctionnent, mais de maîtriser latence, coût par requête, observabilité et sécurité dans des environnements distribués où l’IA fantôme prolifère.[7][10]\n\n---\n\n## Un écosystème et des pratiques pour passer à l’échelle\n\nSans écosystème ni accompagnement, l’IA agentique reste cantonnée à quelques équipes pionnières. Pour accélérer l’adoption, Google lance un fonds d’innovation de 750 M$ pour financer des agents développés par ses partenaires, centrés sur les processus critiques.[3]\n\n📊 Donnée clé  \n[Deloitte](\u002Ffr\u002Fentities\u002F6960e2ef19d266277e1504a3-deloitte) a déjà produit plus de 1 000 agents sectoriels sur Gemini Enterprise, signe d’une forte demande pour des agents prêts à l’emploi sur les workflows cœur de métier.[4]\n\n### Partenaires et pratiques de transformation\n\nLes offres combinent :  \n- financement de cas d’usage,  \n- ingénieurs « forward deployed » pour lever les verrous techniques,  \n- formations et ateliers pour les équipes internes.[3][4]\n\nLe rapport 2026 de Deloitte prévoit :  \n- +50 % d’accès des collaborateurs aux outils d’IA en 2025,  \n- forte hausse des projets en production.[4]\n\nDans ce contexte, l’alliance :  \n- d’une plateforme de données agentique,  \n- d’outils développeurs industriels,  \n- et d’un écosystème de partenaires  \n\ndevient centrale pour déployer l’IA agentique à grande échelle sans sacrifier gouvernance ni conformité.","\u003Ch2>Introduction\u003C\u002Fh2>\n\u003Cp>Les plateformes de données d’entreprise ont été conçues pour des humains, pas pour des agents autonomes consommant massivement des données temps réel.\u003Ca href=\"#source-1\" class=\"citation-link\" title=\"View source [1]\">[1]\u003C\u002Fa> Avec l’IA agentique, elles deviennent un goulot d’étranglement :\u003C\u002Fp>\n\u003Cul>\n\u003Cli>latence et silos,\u003C\u002Fli>\n\u003Cli>gouvernance difficile,\u003C\u002Fli>\n\u003Cli>peu d’outils pensés pour les développeurs.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\u003Ca href=\"\u002Ffr\u002Fentities\u002F69e9a8e4e1ca17caac370e9d-google\" class=\"wiki-link\" target=\"_blank\" rel=\"noopener\">Google\u003C\u002Fa> positionne Agentic Data Cloud comme couche de données « AI‑native » pour des agents capables de raisonner sur l’ensemble du patrimoine, y compris multi‑cloud.\u003Ca href=\"#source-1\" class=\"citation-link\" title=\"View source [1]\">[1]\u003C\u002Fa>\u003Ca href=\"#source-2\" class=\"citation-link\" title=\"View source [2]\">[2]\u003C\u002Fa> Gemini Enterprise Agent Platform, ses galeries d’agents et l’écosystème partenaires visent à industrialiser le cycle de vie des agents, du prototype au run sécurisé.\u003Ca href=\"#source-3\" class=\"citation-link\" title=\"View source [3]\">[3]\u003C\u002Fa>\u003Ca href=\"#source-5\" class=\"citation-link\" title=\"View source [5]\">[5]\u003C\u002Fa>\u003C\u002Fp>\n\u003Cp>💡 À retenir\u003Cbr>\nCes lancements cherchent à transformer les plateformes analytiques en moteurs d’exécution pilotés par des agents, avec priorité au contexte métier et à la gouvernance.\u003Ca href=\"#source-1\" class=\"citation-link\" title=\"View source [1]\">[1]\u003C\u002Fa>\u003Ca href=\"#source-2\" class=\"citation-link\" title=\"View source [2]\">[2]\u003C\u002Fa>\u003C\u002Fp>\n\u003Cp>Pour les équipes d’ingénierie, l’enjeu est de combiner données, agents et outils développeurs pour bâtir des architectures d’IA agentique opérables à grande échelle.\u003C\u002Fp>\n\u003Chr>\n\u003Ch2>Plateforme de données agentique : du lac de données au moteur de contexte\u003C\u002Fh2>\n\u003Cp>Les agents exigent :\u003C\u002Fp>\n\u003Cul>\n\u003Cli>plus de données qu’un simple tableau de bord,\u003C\u002Fli>\n\u003Cli>des données plus fraîches et contextualisées pour décider correctement.\u003Ca href=\"#source-1\" class=\"citation-link\" title=\"View source [1]\">[1]\u003C\u002Fa>\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>Agentic Data Cloud y répond via trois piliers :\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>Knowledge Catalog\u003C\u002Fstrong>,\u003C\u002Fli>\n\u003Cli>\u003Cstrong>lakehouse multi‑cloud\u003C\u002Fstrong>,\u003C\u002Fli>\n\u003Cli>\u003Cstrong>kit d’agents de données\u003C\u002Fstrong>.\u003Ca href=\"#source-1\" class=\"citation-link\" title=\"View source [1]\">[1]\u003C\u002Fa>\u003Ca href=\"#source-2\" class=\"citation-link\" title=\"View source [2]\">[2]\u003C\u002Fa>\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>📊 Chiffre clé\u003Cbr>\nPrès de deux tiers des clients Google Cloud interrogés ont déjà des agents en production, d’où une plateforme dédiée.\u003Ca href=\"#source-1\" class=\"citation-link\" title=\"View source [1]\">[1]\u003C\u002Fa>\u003C\u002Fp>\n\u003Ch3>Architecture logique\u003C\u002Fh3>\n\u003Cp>Une architecture type côté données se présente ainsi :\u003C\u002Fp>\n\u003Cpre>\u003Ccode class=\"language-mermaid\">flowchart LR\n    A[Sources on-prem \u002F SaaS] --> B[Lakehouse multi-cloud]\n    B --> C[Knowledge Catalog]\n    C --> D[Agents métiers]\n    B --> D\n\u003C\u002Fcode>\u003C\u002Fpre>\n\u003Cp>Dans ce schéma :\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>Lakehouse multi‑cloud\u003C\u002Fstrong> : accès direct aux données hébergées sur AWS et Azure sans ETL de réplication massif.\u003Ca href=\"#source-1\" class=\"citation-link\" title=\"View source [1]\">[1]\u003C\u002Fa>\u003Ca href=\"#source-2\" class=\"citation-link\" title=\"View source [2]\">[2]\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Knowledge Catalog\u003C\u002Fstrong> : couche de métadonnées structurée pour fournir un contexte métier exploitable par les agents (schémas, glossaire, politiques).\u003Ca href=\"#source-1\" class=\"citation-link\" title=\"View source [1]\">[1]\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Data Agent Kit\u003C\u002Fstrong> : outils permettant de développer des agents spécialisés dans l’exploration, la qualité ou la transformation de données.\u003Ca href=\"#source-1\" class=\"citation-link\" title=\"View source [1]\">[1]\u003C\u002Fa>\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>⚠️ Point clé\u003Cbr>\nDans un contexte hybride où ~84 % des responsables cloud choisissent plusieurs fournisseurs,\u003Ca href=\"#source-2\" class=\"citation-link\" title=\"View source [2]\">[2]\u003C\u002Fa> une plateforme d’IA agentique sans support natif du multi‑cloud se condamne à des intégrations ad‑hoc fragiles.\u003C\u002Fp>\n\u003Cp>En pratique, un architecte data peut :\u003C\u002Fp>\n\u003Cul>\n\u003Cli>réduire le nombre de pipelines ETL,\u003C\u002Fli>\n\u003Cli>laisser les agents interroger le lakehouse fédéré,\u003C\u002Fli>\n\u003Cli>appliquer les règles de gouvernance centralisées du catalogue.\u003Ca href=\"#source-1\" class=\"citation-link\" title=\"View source [1]\">[1]\u003C\u002Fa>\u003Ca href=\"#source-2\" class=\"citation-link\" title=\"View source [2]\">[2]\u003C\u002Fa>\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>Les agents IA deviennent alors de premiers consommateurs des données, pour l’analytique comme pour l’exécution opérationnelle.\u003C\u002Fp>\n\u003Chr>\n\u003Ch2>Outils développeurs pour agents : de Gemini Enterprise à l’outillage quotidien\u003C\u002Fh2>\n\u003Cp>L’industrialisation des agents nécessite, au‑delà de la donnée :\u003C\u002Fp>\n\u003Cul>\n\u003Cli>une plateforme de développement et de déploiement,\u003C\u002Fli>\n\u003Cli>des capacités de gouvernance et d’observabilité,\u003C\u002Fli>\n\u003Cli>un rôle comparable à \u003Ca href=\"\u002Ffr\u002Fentities\u002F69610cc519d266277e1505bf-kubernetes\" class=\"wiki-link\" target=\"_blank\" rel=\"noopener\">Kubernetes\u003C\u002Fa> pour les microservices ou au \u003Ca href=\"\u002Ffr\u002Fentities\u002F695e947319d266277e14dfba-mlops\" class=\"wiki-link\" target=\"_blank\" rel=\"noopener\">MLOps\u003C\u002Fa> pour les modèles.\u003Ca href=\"#source-3\" class=\"citation-link\" title=\"View source [3]\">[3]\u003C\u002Fa>\u003Ca href=\"#source-5\" class=\"citation-link\" title=\"View source [5]\">[5]\u003C\u002Fa>\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>C’est l’objectif de Gemini Enterprise Agent Platform.\u003Ca href=\"#source-3\" class=\"citation-link\" title=\"View source [3]\">[3]\u003C\u002Fa>\u003Ca href=\"#source-5\" class=\"citation-link\" title=\"View source [5]\">[5]\u003C\u002Fa>\u003C\u002Fp>\n\u003Ch3>Du prototype au run\u003C\u002Fh3>\n\u003Cp>La plateforme couvre un cycle complet :\u003C\u002Fp>\n\u003Col>\n\u003Cli>\u003Cstrong>Conception\u003C\u002Fstrong> via studios visuels et SDK.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Orchestration\u003C\u002Fstrong> multi‑agents pour des workflows complexes (assurance, finance, back‑office).\u003Ca href=\"#source-6\" class=\"citation-link\" title=\"View source [6]\">[6]\u003C\u002Fa>\u003Ca href=\"#source-9\" class=\"citation-link\" title=\"View source [9]\">[9]\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Gouvernance \u002F observabilité\u003C\u002Fstrong> : journalisation, garde‑fous, conformité.\u003Ca href=\"#source-5\" class=\"citation-link\" title=\"View source [5]\">[5]\u003C\u002Fa>\u003C\u002Fli>\n\u003C\u002Fol>\n\u003Cp>Des retours d’ateliers \u003Ca href=\"\u002Ffr\u002Fentities\u002F69e9a8e4e1ca17caac370e9d-google_Drive\" class=\"wiki-link\" target=\"_blank\" rel=\"noopener\">Google Cloud Next\u003C\u002Fa> montrent des équipes passant en quelques jours :\u003C\u002Fp>\n\u003Cul>\n\u003Cli>d’un POC d’agent de support,\u003C\u002Fli>\n\u003Cli>à un prototype connecté au SI via \u003Ca href=\"\u002Ffr\u002Fentities\u002F69ec9782e1ca17caac379c3a-agent-studio\" class=\"wiki-link\" target=\"_blank\" rel=\"noopener\">Agent Studio\u003C\u002Fa>,\u003C\u002Fli>\n\u003Cli>en réutilisant outils existants et quelques fonctions maison.\u003Ca href=\"#source-5\" class=\"citation-link\" title=\"View source [5]\">[5]\u003C\u002Fa>\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>💼 Exemple de squelette d’agent (pseudo‑code)\u003C\u002Fp>\n\u003Cpre>\u003Ccode class=\"language-python\">def agent_sinistres(message, contexte):\n    intent = classifier_intention(message)\n    if intent == \"ouverture_dossier\":\n        donnees = recuperer_client(contexte[\"id_client\"])\n        decision = modele_souscription(donnees)\n        return generer_reponse(decision)\n    elif intent == \"suivi\":\n        statut = interroger_workflow(contexte[\"id_dossier\"])\n        return formater_statut(statut)\n\u003C\u002Fcode>\u003C\u002Fpre>\n\u003Cp>Ici, la plateforme fournit :\u003C\u002Fp>\n\u003Cul>\n\u003Cli>la gestion du contexte (mémoire, identités),\u003C\u002Fli>\n\u003Cli>le routage vers les bons outils (API internes, moteurs de règles),\u003C\u002Fli>\n\u003Cli>les garde‑fous de sécurité (masquage, logs, politiques).\u003Ca href=\"#source-3\" class=\"citation-link\" title=\"View source [3]\">[3]\u003C\u002Fa>\u003Ca href=\"#source-5\" class=\"citation-link\" title=\"View source [5]\">[5]\u003C\u002Fa>\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>📊 Données de terrain\u003Cbr>\nLes études indiquent :\u003C\u002Fp>\n\u003Cul>\n\u003Cli>accès à l’IA déjà offert à ~60 % des collaborateurs,\u003C\u002Fli>\n\u003Cli>part des projets IA en production appelée à doubler à court terme.\u003Ca href=\"#source-7\" class=\"citation-link\" title=\"View source [7]\">[7]\u003C\u002Fa>\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>Sans automatisation de la création, de l’observabilité et de la gouvernance des agents, ces volumes exposent à des hallucinations de LLM coûteuses en production.\u003Ca href=\"#source-7\" class=\"citation-link\" title=\"View source [7]\">[7]\u003C\u002Fa>\u003Ca href=\"#source-10\" class=\"citation-link\" title=\"View source [10]\">[10]\u003C\u002Fa>\u003C\u002Fp>\n\u003Ch3>Sessions et bonnes pratiques\u003C\u002Fh3>\n\u003Cp>Les sessions Google Cloud Next mettent l’accent sur :\u003C\u002Fp>\n\u003Cul>\n\u003Cli>l’\u003Cstrong>engineering du contexte\u003C\u002Fstrong> pour limiter les hallucinations,\u003Ca href=\"#source-5\" class=\"citation-link\" title=\"View source [5]\">[5]\u003C\u002Fa>\u003Ca href=\"#source-6\" class=\"citation-link\" title=\"View source [6]\">[6]\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>la \u003Cstrong>gouvernance des apps Gemini Enterprise\u003C\u002Fstrong> (sécurité, conformité),\u003Ca href=\"#source-5\" class=\"citation-link\" title=\"View source [5]\">[5]\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>le passage « prototype → production » avec retours d’expérience.\u003Ca href=\"#source-5\" class=\"citation-link\" title=\"View source [5]\">[5]\u003C\u002Fa>\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>💡 À retenir\u003Cbr>\nL’enjeu n’est plus de prouver que les agents fonctionnent, mais de maîtriser latence, coût par requête, observabilité et sécurité dans des environnements distribués où l’IA fantôme prolifère.\u003Ca href=\"#source-7\" class=\"citation-link\" title=\"View source [7]\">[7]\u003C\u002Fa>\u003Ca href=\"#source-10\" class=\"citation-link\" title=\"View source [10]\">[10]\u003C\u002Fa>\u003C\u002Fp>\n\u003Chr>\n\u003Ch2>Un écosystème et des pratiques pour passer à l’échelle\u003C\u002Fh2>\n\u003Cp>Sans écosystème ni accompagnement, l’IA agentique reste cantonnée à quelques équipes pionnières. Pour accélérer l’adoption, Google lance un fonds d’innovation de 750 M$ pour financer des agents développés par ses partenaires, centrés sur les processus critiques.\u003Ca href=\"#source-3\" class=\"citation-link\" title=\"View source [3]\">[3]\u003C\u002Fa>\u003C\u002Fp>\n\u003Cp>📊 Donnée clé\u003Cbr>\n\u003Ca href=\"\u002Ffr\u002Fentities\u002F6960e2ef19d266277e1504a3-deloitte\" class=\"wiki-link\" target=\"_blank\" rel=\"noopener\">Deloitte\u003C\u002Fa> a déjà produit plus de 1 000 agents sectoriels sur Gemini Enterprise, signe d’une forte demande pour des agents prêts à l’emploi sur les workflows cœur de métier.\u003Ca href=\"#source-4\" class=\"citation-link\" title=\"View source [4]\">[4]\u003C\u002Fa>\u003C\u002Fp>\n\u003Ch3>Partenaires et pratiques de transformation\u003C\u002Fh3>\n\u003Cp>Les offres combinent :\u003C\u002Fp>\n\u003Cul>\n\u003Cli>financement de cas d’usage,\u003C\u002Fli>\n\u003Cli>ingénieurs « forward deployed » pour lever les verrous techniques,\u003C\u002Fli>\n\u003Cli>formations et ateliers pour les équipes internes.\u003Ca href=\"#source-3\" class=\"citation-link\" title=\"View source [3]\">[3]\u003C\u002Fa>\u003Ca href=\"#source-4\" class=\"citation-link\" title=\"View source [4]\">[4]\u003C\u002Fa>\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>Le rapport 2026 de Deloitte prévoit :\u003C\u002Fp>\n\u003Cul>\n\u003Cli>+50 % d’accès des collaborateurs aux outils d’IA en 2025,\u003C\u002Fli>\n\u003Cli>forte hausse des projets en production.\u003Ca href=\"#source-4\" class=\"citation-link\" title=\"View source [4]\">[4]\u003C\u002Fa>\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>Dans ce contexte, l’alliance :\u003C\u002Fp>\n\u003Cul>\n\u003Cli>d’une plateforme de données agentique,\u003C\u002Fli>\n\u003Cli>d’outils développeurs industriels,\u003C\u002Fli>\n\u003Cli>et d’un écosystème de partenaires\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>devient centrale pour déployer l’IA agentique à grande échelle sans sacrifier gouvernance ni conformité.\u003C\u002Fp>\n","Introduction\n\nLes plateformes de données d’entreprise ont été conçues pour des humains, pas pour des agents autonomes consommant massivement des données temps réel.[1] Avec l’IA agentique, elles devie...","trend-radar",[],905,5,"2026-04-25T10:31:05.365Z",[17,22,26,30,34,38,42,46,50,54],{"title":18,"url":19,"summary":20,"type":21},"Google unveils data cloud purpose built for agentic AI","https:\u002F\u002Fwww.techtarget.com\u002Fsearchdatamanagement\u002Fnews\u002F366641929\u002FGoogle-unveils-data-cloud-purpose-built-for-agentic-AI","Google Cloud on Wednesday introduced the Agentic Data Cloud, a new data platform designed to meet the needs of customers as their initiatives evolve from analytics to AI.\n\nThe data platforms that ente...","kb",{"title":23,"url":24,"summary":25,"type":21},"Google launches Agentic Data Cloud to support enterprise AI agents","https:\u002F\u002Fwww.ciodive.com\u002Fnews\u002Fgoogle-launches-agentic-data-cloud\u002F818235\u002F","Google is introducing Agentic Data Cloud to help connect data across clouds and enable AI agents to operate with richer context, addressing interoperability gaps in enterprise AI deployments.\n\nDive Br...",{"title":27,"url":28,"summary":29,"type":21},"Building the Agentic Enterprise with Google Cloud partners and a $750M innovation fund","https:\u002F\u002Fcloud.google.com\u002Fblog\u002Ftopics\u002Fpartners\u002Fhow-google-cloud-partner-ecosystem-is-building-the-agentic-enterprise","Kevin Ichhpurani\n\nWe are now seeing the Agentic Enterprise become reality for customers, and this week at Next ‘26 we are announcing exciting, new innovations to help customers accelerate agentic AI e...",{"title":31,"url":32,"summary":33,"type":21},"Deloitte Accelerates AI Transformation on Gemini Enterprise With Dedicated Google Cloud Agentic Transformation Practice","https:\u002F\u002Fwww.deloitte.com\u002Fus\u002Fen\u002Fabout\u002Fpress-room\u002Fdeloitte-launches-google-cloud-agentic-transformation-practice.html","---TITLE---\nDeloitte Accelerates AI Transformation on Gemini Enterprise With Dedicated Google Cloud Agentic Transformation Practice\n---CONTENT---\nLAS VEGAS, April 22, 2026 — Deloitte announced today a...",{"title":35,"url":36,"summary":37,"type":21},"Agentic AI: Google Cloud Next 2026","https:\u002F\u002Fwww.googlecloudevents.com\u002Fnext-vegas\u002Fagentic-ai","# Agentic AI: Google Cloud Next 2026\n\nExperience AI at Next\n\nIf you’re into AI, Next is the place to be. From live-fire labs to stress-testing agents in the Security Sandbox, get under the hood of the...",{"title":39,"url":40,"summary":41,"type":21},"DSI Assurance : Comment structurer une architecture Multi-Agents résiliente ?","https:\u002F\u002Fconverteo.com\u002Fno-filter-data\u002Fdsi-assurance-comment-structurer-une-architecture-multi-agents-resiliente\u002F","DSI Assurance : Comment structurer une architecture Multi-Agents résiliente ?\n\nAnalytics 20.03.2026\n\nL’industrie de l’assurance traverse une transformation structurelle où l’intelligence artificielle ...",{"title":43,"url":44,"summary":45,"type":21},"Adoption et impact de l’IA au sein des entreprises","https:\u002F\u002Fwww.deloitte.com\u002Ffr\u002Ffr\u002Fservices\u002Fconsulting\u002Fperspectives\u002Fstate-of-ai-in-the-enterprise.html","Par Richard Eudes — 12 févr. 2026\n\nLes entreprises ont franchi une première étape avec l’intelligence artificielle : elles testent, apprennent et multiplient les cas d’usage. Pourtant, une grande part...",{"title":47,"url":48,"summary":49,"type":21},"IA pour les agents d’assurance : le guide complet","https:\u002F\u002Ffr.linkedin.com\u002Fpulse\u002Fai-insurance-agents-complete-guide-rytsense-ojbzc?tl=fr","IA pour les agents d’assurance évolue rapidement, 80 % des cadres d’assurance rapportant que la mise en œuvre de l’IA a augmenté l’efficacité opérationnelle de 40 %. Le marché de l’IA pour l’assurance...",{"title":51,"url":52,"summary":53,"type":21},"Assurance : l’IA au service de l’efficacité, la fidélité et la croissance","https:\u002F\u002Fwww.genesys.com\u002Ffr-fr\u002Fblog\u002Fpost\u002Fthe-insurance-industrys-ai-moment-efficiency-loyalty-and-scalable-growth","Augmentation des coûts des sinistres, concurrence intense, inflation, épuisement professionnel, attrition des collaborateurs, technologies cloisonnées et obsolètes… le secteur de l’assurance est confr...",{"title":55,"url":56,"summary":57,"type":21},"Dévoiler l'invisible : votre guide pour maîtriser l'IA fantôme avec Cloudflare One","https:\u002F\u002Fblog.cloudflare.com\u002Ffr-fr\u002Fshadow-AI-analytics\u002F","Auteur: Noelle Kagan, Date: 2025-08-25\n\nLe panorama numérique des environnements d'entreprise est depuis toujours un champ de bataille sur lequel s'opposent l'efficacité et la sécurité. Pendant des an...",{"totalSources":59},10,{"generationDuration":61,"kbQueriesCount":59,"confidenceScore":62,"sourcesCount":59},236860,100,{"metaTitle":64,"metaDescription":65},"Plateformes cloud IA agentique : outils pour développeurs","Adoptez plateformes cloud pour l'IA agentique. Points clés : catalog, lakehouse multi‑cloud et kits d'agents. Pour les devs : déployez vos agents maintenant.","fr","https:\u002F\u002Fimages.unsplash.com\u002Fphoto-1601926495045-d066ccae8085?ixid=M3w4OTczNDl8MHwxfHNlYXJjaHwxfHxjbG91ZCUyMHBsYXRmb3JtJTIwbGF1bmNoZXMlMjBlbmFibGluZ3xlbnwxfDB8fHwxNzc3MTEyNDEwfDA&ixlib=rb-4.1.0&w=1200&h=630&fit=crop&crop=entropy&auto=format,compress&q=60",{"photographerName":69,"photographerUrl":70,"unsplashUrl":71},"Thimo Pedersen","https:\u002F\u002Funsplash.com\u002F@thimo?utm_source=coreprose&utm_medium=referral","https:\u002F\u002Funsplash.com\u002Fphotos\u002Fa-close-up-of-a-glass-building-with-clouds-in-the-background-mo5PtStoT-Y?utm_source=coreprose&utm_medium=referral",true,null,{"key":75,"name":76,"nameEn":76},"ai-engineering","AI Engineering & LLM Ops",[78,80,82,84],{"text":79},"84 % des responsables cloud choisissent plusieurs fournisseurs, rendant le support multi‑cloud indispensable pour les plateformes agentiques.",{"text":81},"Près de deux tiers des clients Google Cloud interrogés ont déjà des agents en production, motivant le lancement d’Agentic Data Cloud.",{"text":83},"Google lance un fonds d’innovation de 750 M$ pour financer des agents développés par ses partenaires.",{"text":85},"Deloitte a créé plus de 1 000 agents sectoriels sur Gemini Enterprise, et ~60 % des collaborateurs ont déjà accès à l’IA selon les études citées.",[87,90,93],{"question":88,"answer":89},"Qu’est‑ce qu’une plateforme de données agentique ?","Une plateforme de données agentique est une infrastructure AI‑native pensée pour que des agents autonomes consomment, contextualisent et agissent sur les données en temps réel. Elle combine un lakehouse multi‑cloud pour accès direct aux données, un catalogue de connaissances structuré (schémas, glossaire, politiques) et un kit d’agents permettant de développer des agents spécialisés pour exploration, qualité et transformation des données. L’objectif est de réduire les pipelines ETL massifs, fournir du contexte métier exploitable et appliquer une gouvernance centralisée afin que les agents deviennent des consommateurs fiables et contrôlés des données opérationnelles et analytiques.",{"question":91,"answer":92},"Comment Gemini Enterprise aide‑t‑elle les développeurs d’agents ?","Gemini Enterprise fournit des studios visuels, SDK et orchestration multi‑agents pour passer du prototype au run. La plateforme intègre la gestion du contexte, le routage vers API internes et des garde‑fous de sécurité (masquage, journalisation, politiques) pour industrialiser le cycle de vie des agents. Elle vise à réduire le temps de mise en production en réutilisant des outils existants et en offrant observabilité et gouvernance.",{"question":94,"answer":95},"Quels sont les principaux risques et quelles mesures de gouvernance sont recommandées ?","Les principaux risques sont les hallucinations de LLM, la fuite de données sensibles et la fragmentation des politiques dans des environnements multi‑cloud. Les mesures recommandées incluent l’ingénierie du contexte pour limiter les hallucinations, la journalisation et l’observabilité systématiques, le masquage des données sensibles et des politiques centralisées dans un catalogue de connaissances.",[97,105,111,116,120,126,131,135,141,148,154,159,163,170],{"id":98,"name":99,"type":100,"confidence":101,"wikipediaUrl":102,"slug":103,"mentionCount":104},"695e947319d266277e14dfba","MLOps","concept",0.99,"https:\u002F\u002Ffr.wikipedia.org\u002Fwiki\u002FMLOps","695e947319d266277e14dfba-mlops",237,{"id":106,"name":107,"type":100,"confidence":108,"wikipediaUrl":73,"slug":109,"mentionCount":110},"69ec9816e1ca17caac379c75","Knowledge Catalog",0.9,"69ec9816e1ca17caac379c75-knowledge-catalog",2,{"id":112,"name":113,"type":100,"confidence":108,"wikipediaUrl":73,"slug":114,"mentionCount":115},"69ec9817e1ca17caac379c7c","POC \u002F prototype","69ec9817e1ca17caac379c7c-poc-prototype",1,{"id":117,"name":118,"type":100,"confidence":108,"wikipediaUrl":73,"slug":119,"mentionCount":115},"69ec9816e1ca17caac379c76","lakehouse multi-cloud","69ec9816e1ca17caac379c76-lakehouse-multi-cloud",{"id":121,"name":122,"type":100,"confidence":123,"wikipediaUrl":124,"slug":125,"mentionCount":115},"69ec9818e1ca17caac379c7d","observabilité et gouvernance",0.95,"https:\u002F\u002Ffr.wikipedia.org\u002Fwiki\u002FCadre_analytique_de_la_gouvernance","69ec9818e1ca17caac379c7d-observabilite-et-gouvernance",{"id":127,"name":128,"type":100,"confidence":129,"wikipediaUrl":73,"slug":130,"mentionCount":115},"69ec9817e1ca17caac379c7a","agents (IA agentique)",0.98,"69ec9817e1ca17caac379c7a-agents-ia-agentique",{"id":132,"name":133,"type":100,"confidence":123,"wikipediaUrl":73,"slug":134,"mentionCount":115},"69ec9817e1ca17caac379c7b","hallucinations de LLM","69ec9817e1ca17caac379c7b-hallucinations-de-llm",{"id":136,"name":137,"type":138,"confidence":123,"wikipediaUrl":139,"slug":140,"mentionCount":110},"69ec9816e1ca17caac379c78","Google Cloud Next","event","https:\u002F\u002Ffr.wikipedia.org\u002Fwiki\u002FGoogle_Drive","69ec9816e1ca17caac379c78-google-cloud-next",{"id":142,"name":143,"type":144,"confidence":101,"wikipediaUrl":145,"slug":146,"mentionCount":147},"695e3c4419d266277e14dd2b","Google","organization","https:\u002F\u002Ffr.wikipedia.org\u002Fwiki\u002FGoogle","695e3c4419d266277e14dd2b-google",335,{"id":149,"name":150,"type":144,"confidence":101,"wikipediaUrl":151,"slug":152,"mentionCount":153},"6960e2ef19d266277e1504a3","Deloitte","https:\u002F\u002Ffr.wikipedia.org\u002Fwiki\u002FDeloitte","6960e2ef19d266277e1504a3-deloitte",45,{"id":155,"name":156,"type":157,"confidence":108,"wikipediaUrl":73,"slug":158,"mentionCount":115},"69ec9817e1ca17caac379c79","fonds d'innovation de 750 M$","other","69ec9817e1ca17caac379c79-fonds-d-innovation-de-750-m",{"id":160,"name":161,"type":157,"confidence":108,"wikipediaUrl":73,"slug":162,"mentionCount":115},"69ec9818e1ca17caac379c7f","statistique ~60% accès IA collaborateurs","69ec9818e1ca17caac379c7f-statistique-60-acces-ia-collaborateurs",{"id":164,"name":165,"type":166,"confidence":101,"wikipediaUrl":167,"slug":168,"mentionCount":169},"69610cc519d266277e1505bf","Kubernetes","product","https:\u002F\u002Ffr.wikipedia.org\u002Fwiki\u002FKubernetes","69610cc519d266277e1505bf-kubernetes",151,{"id":171,"name":172,"type":166,"confidence":129,"wikipediaUrl":73,"slug":173,"mentionCount":174},"69ec9746e1ca17caac379c0a","Gemini Enterprise Agent Platform","69ec9746e1ca17caac379c0a-gemini-enterprise-agent-platform",6,[176,183,190,197],{"id":177,"title":178,"slug":179,"excerpt":180,"category":11,"featuredImage":181,"publishedAt":182},"6a0757ec37fefdb1fff6bdc9","OpenAI Daybreak : comment GPT‑5.5‑Cyber et Codex Security redéfinissent la cybersécurité applicative","openai-daybreak-comment-gpt-5-5-cyber-et-codex-security-redefinissent-la-cybersecurite-applicative","La cyberdéfense entre dans une nouvelle phase : les attaquants industrialisent déjà l’IA générative pour scanner, exploiter et adapter des attaques à grande vitesse, au point que des responsables sécu...","https:\u002F\u002Fimages.unsplash.com\u002Fphoto-1675557009483-e6cf3867976b?ixid=M3w4OTczNDl8MHwxfHNlYXJjaHwxfHxvcGVuYWklMjBkYXlicmVhayUyMGVtYmVkZGluZyUyMGdwdHxlbnwxfDB8fHwxNzc4ODY2MTU1fDA&ixlib=rb-4.1.0&w=1200&h=630&fit=crop&crop=entropy&auto=format,compress&q=60","2026-05-15T17:41:16.206Z",{"id":184,"title":185,"slug":186,"excerpt":187,"category":11,"featuredImage":188,"publishedAt":189},"69f22c5c69151b166da5e153","Émergence des shadow operations issues des agents IA à hauts privilèges","emergence-des-shadow-operations-issues-des-agents-ia-a-hauts-privileges","L’inquiétude autour de l’IA en entreprise portait d’abord sur les fuites de données via les prompts des LLM : plus de la moitié des responsables sécurité citent encore la sortie de données sensibles c...","https:\u002F\u002Fimages.unsplash.com\u002Fphoto-1767385205881-81ec6780366e?ixid=M3w4OTczNDl8MHwxfHNlYXJjaHwxfHxlbWVyZ2VuY2UlMjBzaGFkb3clMjBvcGVyYXRpb25zJTIwZnJvbXxlbnwxfDB8fHwxNzc3NDc4NzQ3fDA&ixlib=rb-4.1.0&w=1200&h=630&fit=crop&crop=entropy&auto=format,compress&q=60","2026-04-29T16:19:19.379Z",{"id":191,"title":192,"slug":193,"excerpt":194,"category":11,"featuredImage":195,"publishedAt":196},"69e3e3958bf5284b97e020b1","Workplace AI adoption and impacts report for 2025","workplace-ai-adoption-and-impacts-report-for-2025","Introduction\n\nEn 2025, l’IA au travail est devenue massive : environ une personne sur six utilise des outils d’IA générative dans le monde [5].  \nCette diffusion reste toutefois marquée par de fortes...","https:\u002F\u002Fimages.unsplash.com\u002Fphoto-1573165759995-5865a394a1aa?ixid=M3w4OTczNDl8MHwxfHNlYXJjaHwxfHx3b3JrcGxhY2UlMjBhZG9wdGlvbiUyMGFuZCUyMGltcGFjdHN8ZW58MXwwfHx8MTc3NjU0MjYxM3ww&ixlib=rb-4.1.0&w=1200&h=630&fit=crop&crop=entropy&auto=format,compress&q=60","2026-04-18T20:17:04.011Z",{"id":198,"title":199,"slug":200,"excerpt":201,"category":11,"featuredImage":202,"publishedAt":203},"69daa630063dff5c27288700","NeuBird AI lève 19,3 M$ pour accélérer l’agentic AI en production","neubird-ai-leve-19-3-m-pour-accelerer-l-agentic-ai-en-production","Introduction\n\nLa montée des architectures hybrides et multi‑cloud accroît fortement la complexité des opérations IT, obligeant les ingénieurs à consacrer une grande partie de leur temps à la gestion d...","https:\u002F\u002Fimages.unsplash.com\u002Fphoto-1717501219074-943fc738e5a2?ixid=M3w4OTczNDl8MHwxfHNlYXJjaHw2MXx8YXJ0aWZpY2lhbCUyMGludGVsbGlnZW5jZSUyMHRlY2hub2xvZ3l8ZW58MXwwfHx8MTc3NTkzNzA3Mnww&ixlib=rb-4.1.0&w=1200&h=630&fit=crop&crop=entropy&auto=format,compress&q=60","2026-04-11T19:58:08.090Z",["Island",205],{"key":206,"params":207,"result":209},"ArticleBody_CfvXzaD5Ne7J9CoMYlKN22InFoOeffUluYe0yOs",{"props":208},"{\"articleId\":\"69ec955ae96ba002c5b86b6b\"}",{"head":210},{}]