Google Gemini lance l’automatisation des tâches sur appareil

Gemini devient un agent autonome

Google a annoncé une nouvelle fonctionnalité d’« automatisation des tâches » (task automation) qui transforme son assistant AI Gemini, jusque-là simple interface de conversation, en agent autonome orienté tâches. Disponible sur les appareils des gammes Pixel 10 et Samsung Galaxy S26, cette infrastructure permet à Gemini d’exécuter de manière autonome des opérations en plusieurs étapes dans des applications tierces comme Uber ou DoorDash.

Sur commande, le nouveau système ouvre l’application concernée dans une fenêtre virtuelle isolée et effectue seul des opérations comme saisir une adresse, commander un véhicule ou sélectionner un produit. L’utilisateur peut suivre le déroulement en temps réel, mais la validation finale des étapes critiques impliquant un engagement financier, comme le paiement, lui revient toujours.

Traitement sur appareil (AI locale) et confidentialité

Sur le plan technique, le point essentiel est l’exécution des opérations directement sur l’appareil (on-device), sans transfert vers des serveurs cloud. Grâce aux unités avancées de traitement neuronal (NPU) des modèles Pixel 10 et Galaxy S26, les processus d’automatisation autonome s’exécutent localement au niveau matériel.

Les principaux avantages techniques de cette architecture sont les suivants :

Une latence réseau réduite au minimum grâce à la suppression des communications avec le cloud.
Un environnement de traitement isolé et hautement sécurisé, les données personnelles ne quittant pas l’appareil.
Des interactions avec les applications tierces limitées par un mécanisme de fenêtrage virtuel.

Actuellement proposé en version bêta aux États-Unis et en Corée du Sud avec une intégration applicative limitée, le système bénéficie de fonctions de détection des fraudes sur appareil et de recherche visuelle capables d’analyser plusieurs éléments simultanément. Avec cette initiative, Google positionne les modèles AI non plus comme de simples outils de génération de texte ou de code, mais comme des infrastructures capables d’exécuter directement des actions dans les applications.