Google a transforme l'utilisation de l'ordinateur en un outil integre au sein de Gemini 3.5 Flash, le palier rapide et a faible cout de sa famille de modeles. Grace a lui, les developpeurs peuvent creer des agents qui voient ce qui se trouve a l'ecran, raisonnent a son sujet, puis passent a l'action, en cliquant, en tapant et en naviguant dans des environnements navigateur, mobile et bureau. C'est disponible des maintenant via la Gemini API et la Gemini Enterprise Agent Platform.
La capacite en elle-meme n'est pas inedite. Jusqu'a present, l'utilisation de l'ordinateur vivait dans un modele Gemini 2.5 computer use distinct et autonome, que l'on appelait comme son propre point d'acces. Le changement ici tient a l'emplacement plutot qu'a l'invention: en integrant le controle de l'ecran directement dans le modele Flash principal, Google en fait une capacite par defaut du modele que la plupart des gens utilisent deja, au lieu d'un outil specialise mis a part.
Cet emplacement est la veritable histoire, car Flash est le palier bon marche et a fort volume. L'utilisation de l'ordinateur est exactement le genre de fonctionnalite dont l'utilite depend du cout, puisqu'un agent qui pilote un logiciel pendant des heures consomme beaucoup de tokens. Google oriente cette capacite vers l'automatisation a long horizon et d'entreprise, y compris les tests logiciels continus et le travail intellectuel a travers des applications professionnelles, ces taches repetitives a plusieurs etapes ou faire cliquer un modele bon marche change reellement l'economie.
La partie qui merite l'attention, c'est ce que Google a livre en parallele de cette capacite. Un agent qui pilote un navigateur en direct ou un vrai bureau est particulierement expose a l'injection de prompts, ou une page web, un courriel ou un document malveillant glisse des instructions dans ce que l'agent lit et detourne son comportement. Google affirme avoir utilise un entrainement antagoniste cible pour durcir Gemini 3.5 Flash contre cela, et a publie deux systemes de garde-fous d'entreprise optionnels: l'un qui exige une confirmation explicite de l'utilisateur avant que l'agent ne realise une action sensible, et l'autre qui arrete automatiquement une tache s'il detecte une tentative d'injection indirecte. De la defense, pas seulement de la capacite, dans la meme annonce.
La lecture honnete garde deux choses en vue. Les agents d'utilisation de l'ordinateur restent fragiles en pratique, et la fiabilite sur les taches longues a plusieurs etapes demeure la partie difficile et non resolue, si bien qu'un outil integre ne rend pas les agents eux-memes dignes de confiance. Et les garde-fous sont des modules complementaires optionnels decrits dans les termes propres a Google, pas des garanties testees de maniere independante. Mais la combinaison est le signal: rendre le pilotage d'ecran moins couteux tout en nommant et en livrant une defense pour son principal mode de defaillance est une facon plus mature de faire avancer les agents que la capacite seule, et cela releve la barre quant a la maniere dont les concurrents sont censes livrer la meme chose.