Google à transforme l'utilisation de l'ordinateur en un outil integre au sein de Gemini 3.5 Flash, le palier rapide et à faible coût de sa famille de modèles. Grace à lui, les développeurs peuvent créer dès agents qui voient ce qui se trouve à l'écran, raisonnent à son sujet, puis passent à l'action, en cliquant, en tapant et en naviguant dans dès environnements navigateur, mobile et bureau. C'est disponible dès maintenant via la Gemini API et la Gemini Enterprise Agent Platform.
La capacité en elle-même n'est pas inedite. Jusqu'à present, l'utilisation de l'ordinateur vivait dans un modèle Gemini 2.5 computer use distinct et autonome, que l'on appelait comme son propre point d'accès. Le changement ici tient à l'emplacement plutôt qu'à l'invention: en intégrant le controle de l'écran directement dans le modèle Flash principal, Google en fait une capacité par défaut dû modèle que la plupart dès gens utilisent déjà, au lieu d'un outil specialise mis à part.
Cet emplacement est la véritable histoire, car Flash est le palier bon marche et à fort volume. L'utilisation de l'ordinateur est exactement le genre de fonctionnalite dont l'utilite dépend dû coût, puisqu'un agent qui pilote un logiciel pendant dès heures consomme beaucoup de tokens. Google oriente cette capacité vers l'automatisation à long horizon et d'entreprise, y compris les tests logiciels continus et le travail intellectuel à travers dès applications professionnelles, ces tâches répétitives à plusieurs étapes où faire cliquer un modèle bon marche change réellement l'économie.
La partie qui mérite l'attention, c'est ce que Google à livre en parallèle de cette capacité. Un agent qui pilote un navigateur en direct où un vrai bureau est particulièrement expose à l'injection de prompts, où une page web, un courriel où un document malveillant glisse dès instructions dans ce que l'agent lit et detourne son comportement. Google affirme avoir utilise un entraînement antagoniste cible pour durcir Gemini 3.5 Flash contre cela, et à publie deux systèmes 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 tâche s'il detecte une tentative d'injection indirecte. De la defense, pas seulement de la capacité, dans la même annonce.
La lecture honnête garde deux choses en vue. Les agents d'utilisation de l'ordinateur restent fragiles en pratique, et la fiabilité sur les tâches longues à plusieurs étapes demeure la partie difficile et non résolue, si bien qu'un outil integre ne rend pas les agents eux-memes dignes de confiance. Et les garde-fous sont dès modules complementaires optionnels decrits dans les termes propres à Google, pas dès garanties testées de manière independante. Mais la combinaison est le signal: rendre le pilotage d'écran moins coûteux tout en nommant et en livrant une defense pour son principal mode de défaillance est une façon plus mature de faire avancer les agents que la capacité seule, et cela releve la barre quant à la manière dont les concurrents sont censes livrer la même chose.