Google vient de remettre les cartes sur la table. Au Cloud Next 2026, la compagnie a annoncé la fusion de Vertex AI et Agentspace en une seule plateforme unifiée pour la construction, le déploiement et la gouvernance des agents IA en entreprise. Si t’as déjà eu à jongler entre les deux produits, t’as compris l’ampleur du problème que ça règle. Ce que tu vas apprendre:
- Ce qui change concrètement avec la plateforme fusionnée Vertex AI et Agentspace
- Pourquoi Google a consolidé ces deux produits distincts en un seul endroit
- Ce que la plateforme permet de faire du début à la fin du cycle de vie d’un agent
- Comment la gouvernance et la sécurité des données d’entreprise sont adressées
- Ce que ça signifie pour les équipes tech qui comparent Google Cloud, Azure AI et AWS Bedrock
Ce qui change avec la fusion Vertex AI et Agentspace
Soyons clairs. Vertex AI et Agentspace n’étaient pas des produits interchangeables. Vertex AI était la couche infrastructure et modèle : tu entraînes, tu finetunes, tu déploies. Agentspace était l’interface d’orchestration orientée connaissance d’entreprise : tu connectes des sources de données, tu crées des agents capables de fouiller dans tes documents internes. Deux produits, deux équipes, deux consoles. La plateforme unifiée annoncée au Cloud Next 2026 fusionne ces deux couches. Désormais, une seule surface pour construire un agent, lui donner accès aux données de l’organisation, le déployer en production, le monitorer, et gérer qui a le droit de faire quoi. C’est le genre d’annonce qui semble évidente après coup, mais qui représente un vrai virage dans comment Google Cloud adresse le marché enterprise.
Le changement le plus immédiat pour une équipe technique : la friction de l’adoption disparaît en bonne partie. Auparavant, un architecte qui voulait construire un agent ancré dans les données d’entreprise devait configurer Vertex AI pour les modèles, puis brancher Agentspace pour la couche connaissance, puis gérer les permissions aux deux endroits séparément. Là, c’est une seule entrée, un seul plan de contrôle.
La fusion n’est pas qu’un exercice de branding. C’est une décision d’architecture : Google a choisi de centrer la plateforme autour du cycle de vie complet d’un agent plutôt que de séparer l’infrastructure du produit.
Pourquoi Google a consolidé ces deux plateformes
Le marché a forcé la main. Azure AI Studio et AWS Bedrock offraient déjà des surfaces unifiées pour construire et déployer des agents. Google avait deux produits solides, mais séparés, ce qui créait un désavantage perceptuel auprès des grandes organisations qui veulent simplifier leur stack IA, pas le complexifier. Il y a aussi une réalité opérationnelle. Les équipes enterprise ne veulent pas gérer deux contrats, deux consoles d’administration, deux modèles de facturation. Elles veulent un guichet unique qui couvre le pipeline de bout en bout. La consolidation répond exactement à cette demande.
Google positionne aussi la plateforme comme la réponse aux préoccupations de gouvernance qui ralentissent l’adoption en entreprise. Les DSI et les équipes de conformité sont frileux face aux agents IA parce qu’ils ont du mal à savoir ce que ces agents font exactement, à qui ils parlent, quelles données ils lisent. Unifier la plateforme permet de centraliser la traçabilité et les contrôles d’accès en un seul endroit, ce qui simplifie l’audit.
Ce que la plateforme permet de faire concrètement
La plateforme couvre ce que Google appelle le cycle de vie complet d’un agent : construction, test, déploiement, supervision, mise à jour. En pratique, ça veut dire qu’un développeur peut partir de zéro, choisir un modèle de base (Gemini ou un modèle tiers disponible via Model Garden), définir les outils que l’agent peut appeler, brancher les sources de données internes de l’organisation, et déployer en production sans sortir de la plateforme. La couche connaissance héritée d’Agentspace permet à un agent d’interroger des sources de données corporatives : Google Drive, SharePoint, bases de données internes, systèmes documentaires. L’agent ne répond pas à partir d’un modèle générique entraîné sur internet. Il répond à partir des données réelles de l’organisation, avec des citations traçables.
Les agents peuvent aussi appeler des outils externes via des intégrations API : exécuter du code, interagir avec des systèmes tiers, déclencher des workflows. La plateforme gère l’orchestration multi-agent, ce qui permet de construire des architectures où plusieurs agents spécialisés collaborent sur une tâche complexe.
Ce n’est pas un chatbot habillé en agent. La distinction importante ici, c’est que la plateforme est conçue pour des agents qui agissent : ils lisent, ils écrivent, ils appellent des systèmes, ils prennent des décisions dans un cadre défini. La supervision et les garde-fous sont là pour que ces actions restent dans les limites fixées par l’organisation.
Gouvernance, sécurité et contrôle des données corporatives
C’est le vrai argument de vente pour les grandes organisations. La plateforme intègre un plan de gouvernance centralisé qui couvre plusieurs dimensions : contrôle des accès granulaire (qui peut utiliser quel agent, sur quelles données), traçabilité des actions (log de tout ce qu’un agent a fait, quand, en réponse à quelle requête), et conformité aux politiques de données de l’organisation. Les données restent dans l’infrastructure Google Cloud de l’organisation, pas dans des environnements partagés. C’est crucial pour les secteurs régulés : finance, santé, droit, secteur public. Un agent qui traite des données confidentielles doit opérer dans un périmètre dont les frontières sont définies et auditables.
La gestion des identités est intégrée à l’infrastructure IAM existante de Google Cloud. Ça veut dire que les permissions des agents s’administrent dans le même endroit que les autres ressources cloud de l’organisation. Pas de système de permissions parallèle à apprendre et à maintenir.
| Dimension de gouvernance | Ce que la plateforme adresse |
|---|---|
| Contrôle des accès | Intégration IAM Google Cloud, permissions granulaires par agent et par source de données |
| Traçabilité | Log complet des actions des agents, requêtes et réponses auditables |
| Isolation des données | Données corporatives restent dans l'environnement cloud de l'organisation |
| Conformité | Politiques configurables alignées sur les exigences réglementaires sectorielles |
| Supervision en production | Monitoring des agents actifs, alertes sur comportements hors paramètres |
Qui est ciblé et quels cas d’usage sont couverts
La plateforme vise clairement les grandes organisations avec des équipes techniques internes. Les développeurs, les ingénieurs ML, les architectes solutions qui construisent des systèmes IA pour usage interne ou pour leurs clients. Ce n’est pas un produit no-code pour les PME sans département IT. Les cas d’usage mis de l’avant par Google correspondent aux endroits où les agents IA ont le plus de valeur en entreprise : assistant interne capable de répondre à partir des politiques et documents de l’organisation, automatisation de workflows répétitifs ancrés dans des systèmes d’information existants, agent de support client qui connaît réellement les produits et procédures de la compagnie, assistant de recherche qui consolide des sources internes multiples.
Ce qui distingue la plateforme dans ces cas d’usage, c’est l’ancrage dans les données réelles de l’organisation. Un agent générique construit sur un API de modèle répond à partir de sa connaissance d’entraînement. Un agent construit sur cette plateforme répond à partir des documents, politiques, et données actuelles de la compagnie. C’est la différence entre un consultant qui a lu des livres de gestion et un qui connaît vraiment ton organisation.
Ce que ça signifie pour les équipes tech en entreprise
Bon, fait que, si t’es architecte ou développeur dans une organisation qui évalue les plateformes d’agents IA, l’annonce change le calcul de comparaison. Google Cloud n’est plus le choix où tu dois assembler des pièces séparées. La plateforme unifiée met Google dans le même bracket qu’Azure AI Studio et AWS Bedrock sur l’axe de la surface unifiée. La comparaison reste nuancée selon les forces spécifiques. Azure a l’avantage de l’intégration Microsoft 365 si ton organisation est profondément dans cet écosystème. AWS Bedrock a l’avantage si tu es déjà fortement engagé dans l’écosystème AWS. Google Cloud gagne maintenant sur l’argument de l’ancrage dans les données documentaires via la couche héritée d’Agentspace, et sur la profondeur des modèles Gemini disponibles nativement.
Pour les équipes qui n’ont pas encore choisi de plateforme, la consolidation Google simplifie l’évaluation. Tu n’as plus à évaluer deux produits et leur compatibilité. Tu évalues une plateforme avec un cycle de vie complet. C’est aussi un signal que Google s’engage sérieusement dans ce marché sur le long terme : on ne fusionne pas deux produits majeurs si on envisage de pivoter.
La vraie question pour les équipes tech n’est pas “quelle plateforme” mais “quelle plateforme s’intègre à mon écosystème existant avec le moins de friction”. La fusion Vertex AI et Agentspace enlève un argument contre Google Cloud. Elle n’enlève pas la nécessité de faire le travail d’évaluation sérieux. L’autre point à surveiller : les implications sur la facturation et les contrats. Quand deux produits fusionnent, les modèles de prix changent souvent. Les organisations déjà abonnées aux deux produits séparément doivent vérifier l’impact sur leurs engagements actuels avant de migrer vers la surface unifiée. Selon ton plan et ton volume d’usage, la transition peut représenter un ajustement budgétaire non trivial.
Verdict
Google vient de combler un écart réel dans son offre enterprise. La fusion Vertex AI et Agentspace n’est pas un rebranding cosmétique : c’est une décision d’architecture qui simplifie concrètement le travail des équipes qui construisent des agents IA ancrés dans des données d’entreprise réelles. La gouvernance centralisée est l’argument le plus solide pour les grandes organisations. Les DSI qui hésitaient à déployer des agents faute de traçabilité et de contrôle ont maintenant un système de gouvernance intégré à l’infrastructure IAM qu’ils administrent déjà. Ce n’est pas une raison de tout migrer vers Google Cloud demain matin. Mais si tu fais une évaluation de plateforme d’agents IA pour une organisation de taille significative, Google Cloud mérite maintenant une évaluation sérieuse là où la réponse était plus floue avant la consolidation. Next step : si tu évalues la plateforme, commence par la couche gouvernance avant la couche construction. C’est là que les plateformes se différencient vraiment en enterprise, et c’est là que tu vas trouver les questions que ton équipe de sécurité va poser de toute façon.
Check tes courriels.
Lien à cliquer pour confirmer ton abonnement.
Texte par David Cyr
