Google AI : Gemini, Google Cloud, TPU et usages en entreprise

Google AI est la bannière sous laquelle Google regroupe ses produits, ses outils et ses infrastructures d'intelligence artificielle. Ce n'est pas une entreprise distincte ni un laboratoire : c'est l'offre commerciale et technique qui met à disposition des utilisateurs, des développeurs et des entreprises les modèles conçus par Google DeepMind, au premier rang desquels Gemini.

Google utilise l'IA dans ses produits depuis longtemps : traduction, reconnaissance vocale, photos ou recherche s'appuient sur des modèles de deep learning depuis les années 2010. L'entreprise a aussi publié des briques devenues des standards, comme TensorFlow en 2015 ou l'architecture Transformer en 2017, et elle conçoit ses propres puces d'IA, les TPU, utilisées en interne dès 2015. L'arrivée de ChatGPT fin 2022 accélère sa stratégie : Google lance l'assistant Bard en 2023, présente les modèles Gemini en décembre de la même année, puis renomme Bard en Gemini en février 2024. Depuis, l'IA générative est intégrée à la recherche Google, à Android, à Workspace et à Google Cloud.

En 2026, l'offre s'organise autour des agents. Google Cloud Next, en avril, rebaptise Vertex AI en Gemini Enterprise Agent Platform et annonce la huitième génération de TPU ; Google I/O, en mai, présente Gemini 3.5 Flash, le modèle de génération vidéo Gemini Omni et la version 2.0 d'Antigravity, l'environnement de développement à base d'agents.

À retenir : Google AI est l'offre, Google DeepMind le laboratoire. Pour une entreprise, la vraie question est de choisir la bonne porte d'entrée : application, API, plateforme cloud ou modèle ouvert.

L'offre se lit comme un empilement, de l'infrastructure jusqu'aux applications. Les mêmes modèles Gemini se retrouvent à plusieurs niveaux, avec des conditions et des fonctions différentes selon la porte d'entrée.

Dans la plateforme cloud, le catalogue Model Garden rassemble plus de deux cents modèles, ceux de Google mais aussi ceux d'Anthropic, de Mistral AI ou de Meta AI. Côté agents, Google publie l'Agent Development Kit, un framework open source disponible en Python, Go et Java, et le protocole Agent2Agent (A2A), qui permet à des agents de systèmes différents de communiquer. Il prend aussi en charge le Model Context Protocol pour connecter les agents aux outils.

Côté matériel, Ironwood, la septième génération de TPU, est disponible sur Google Cloud depuis fin 2025. La huitième génération, annoncée en avril 2026, se divise pour la première fois en deux puces : TPU 8t pour l'entraînement et TPU 8i pour l'inférence.

Comment choisir la bonne porte d'entrée ?

Pour équiper des collaborateurs, partez de Workspace ou de Gemini Enterprise, qui s'administrent comme des applications. Pour prototyper une fonction d'IA dans un produit, Google AI Studio et la Gemini API permettent d'obtenir un premier résultat en quelques minutes. Pour la production en entreprise, la plateforme cloud apporte la gestion des identités, la localisation des données, les journaux d'audit et l'accès à des modèles tiers. Le choix du modèle lui-même se fait ensuite par des tests, selon la démarche de notre guide LLM : savoir lequel choisir.

Non pour l'essentiel. Les modèles Gemini, l'application Gemini, Workspace et la plateforme cloud sont des services propriétaires, facturés à l'usage ou par abonnement. Les modèles Gemini ne sont pas téléchargeables : on y accède par les services de Google, ou dans des environnements dédiés que Google opère pour le client.

L'ouverture existe à plusieurs niveaux :

• Modèles ouverts : Gemma, dont les poids sont téléchargeables, est distribuée sous licence Apache 2.0 depuis Gemma 4, en avril 2026. Elle peut être servie avec vLLM, testée avec Ollama ou déployée depuis Hugging Face.
• Frameworks et protocoles : TensorFlow, JAX, l'Agent Development Kit et le protocole A2A, confié en 2025 à la Linux Foundation, sont publiés sous licence open source.
• Outils pour développeurs : les SDK de la Gemini API sont open source ; le dépôt de Gemini CLI a été publié sous licence Apache 2.0, même si l'outil laisse désormais la place à Antigravity CLI pour les comptes individuels.

Pour les organisations soumises à des exigences de souveraineté, la question porte surtout sur l'hébergement. Google propose le choix des régions de traitement, Google Distributed Cloud pour exécuter certains services, dont des modèles Gemini, sur site ou en mode déconnecté, et, en France, l'offre PREMI3NS de S3NS, filiale de Thales opérée sur une infrastructure Google et qualifiée SecNumCloud depuis décembre 2025. Le catalogue d'IA disponible dans ces environnements est plus réduit que dans le cloud public et se vérifie service par service.

À retenir : l'auto-hébergement passe par Gemma ; les modèles Gemini restent des services, avec des options d'hébergement dédiées pour les contextes réglementés.

Microsoft AI est le point de comparaison le plus proche : les deux groupes couvrent toute la chaîne, de l'infrastructure cloud à l'assistant intégré à la bureautique. Leur différence tient surtout à l'origine des modèles et à l'environnement dans lequel ils s'insèrent.

Lequel choisir ? L'environnement existant pèse plus que tout classement de modèles. Une organisation sur Google Workspace et Google Cloud gagne à commencer par l'offre de Google, qui partage l'administration, les identités et la facturation. Une organisation standardisée sur Microsoft 365 et Azure trouvera plus naturel l'écosystème Microsoft. Pour la partie applicative, les deux plateformes donnent accès à des modèles tiers, ce qui réduit la dépendance à un éditeur unique. Comparez ensuite les modèles sur vos tâches, en mesurant qualité, latence et coût, et isolez l'appel au modèle derrière une interface interne pour pouvoir en changer.