Gemini Enterprise: les agents sectoriels imposent une gouvernance métier
Google Cloud a présenté le 25 août Gemini Enterprise pour le juridique et pour les services financiers. Au-delà du lancement produit, le signal utile pour les entreprises est clair: les agents IA sectoriels ne deviennent exploitables que si les sources, les droits, les citations, les actions et les contrôles de production sont pensés comme une architecture métier complète.
1. Ce que Google Cloud annonce
Pour le juridique, Google décrit un environnement gouverné avec compétences spécialisées, connexions aux systèmes de gestion documentaire, agents capables d'agir dans les dossiers et tableau de contrôle pour les équipes IT, risque et conformité. Les exemples couvrent revue de contrats, veille réglementaire, réponses DSAR, playbooks contractuels, recherche juridique et rédaction de documents.
Pour les services financiers, Google présente une logique similaire appliquée aux marchés de capitaux et à la banque d'entreprise: compétences financières, connecteurs MCP vers données licenciées et systèmes internes, agent de recherche financière avec citations, scores de confiance, méthodologies explicites et instantanés de données pour l'audit. Les intégrations annoncées touchent aussi Workspace, Microsoft 365, sources de marché, données réglementaires et partenaires spécialisés.
2. Ce que cela change pour une entreprise belge ou française
Pour une PME ou une ETI, le changement n'est pas d'acheter un agent généraliste et de l'ouvrir à tous les documents. Il faut d'abord choisir un processus précis, par exemple revue de contrats fournisseurs, préparation de dossiers commerciaux, contrôle de conformité ou traitement de demandes clients, puis vérifier quelles sources sont autorisées, quelles actions peuvent être proposées et quelles actions doivent rester validées par un humain.
Pour une grande entreprise, une banque, une compagnie d'assurance, un cabinet juridique ou une administration, l'enjeu devient plus structurant. Les agents doivent respecter les droits existants, les murailles éthiques, les licences de données, le RGPD, l'AI Act, la conservation des preuves et la séparation entre recommandation et décision. Les directions IT et métier doivent donc définir un modèle d'exploitation: qui possède l'agent, qui approuve ses compétences, qui contrôle les connecteurs, qui traite les erreurs et quelles traces sont disponibles en audit.
3. Lecture Underside: l'agent sectoriel est une intégration, pas seulement un modèle
L'analyse Underside est que ces annonces confirment une bascule: la valeur de l'IA d'entreprise se déplace du modèle vers l'intégration gouvernée. Les connecteurs MCP, les index RAG, les citations, les permissions héritées, les journaux et le contrôle humain deviennent aussi importants que la performance du LLM. Un agent qui rédige un mémo, extrait des clauses ou analyse un portefeuille doit pouvoir expliquer quelles sources ont été utilisées et pourquoi une action a été proposée.
Cette logique s'applique aussi aux environnements Odoo, Apple Enterprise, CRM, GED et back-office. Un workflow Odoo de facturation, d'achat, de stock ou de support peut bénéficier d'un agent, mais uniquement si les champs consultés, les écritures autorisées, les validations et les preuves sont cadrés. La souveraineté n'est pas garantie par le nom de la plateforme: elle dépend du lieu de traitement, des droits, des données envoyées, de la réversibilité et de la capacité à exploiter ou isoler le système.
4. Architecture pratique pour agents, RAG et métiers réglementés
Un projet robuste doit séparer quatre couches. La couche données qualifie sources, licences, confidentialité et résidence. La couche RAG ou retrieval mesure la qualité des résultats et conserve les références. La couche agent limite les outils, les identités de service, les délais et les actions. La couche gouvernance définit validation humaine, journalisation, supervision cyber, budget et mode dégradé.
Pour les équipes belges et françaises, cette approche évite deux erreurs fréquentes: laisser un agent généraliste traverser des permissions complexes, ou figer trop tôt une architecture locale qui ne couvre pas le besoin d'intégration métier. Le bon arbitrage peut être hybride: données sensibles et index sous contrôle renforcé, modèle distant pour certains usages, modèle local pour d'autres, et connecteurs limités aux actions nécessaires.
5. Priorité opérationnelle
Avant industrialisation, chaque agent devrait disposer d'une fiche d'exploitation: finalité, populations utilisatrices, sources autorisées, droits hérités, outils MCP, actions interdites, exigences de citation, seuils de validation, politique de conservation, coûts prévus, responsable métier, responsable IT et procédure d'arrêt.
Recommandation: sélectionner un seul processus réglementé et construire une preuve d'architecture complète avant généralisation: droits, RAG, connecteurs, traces, validation humaine, cybersécurité, budget et choix local, cloud ou hybride.
Cadrer un agent métier