Explication des Gemini Managed Agents : la plateforme d’agents d’entreprise de Google en 2026

Chaque grande plateforme cloud se précipite pour répondre à la même question : comment offrir aux entreprises un moyen de déployer des agents IA autonomes sans sacrifier le contrôle, la sécurité ou la conformité ? La réponse de Google est l’API Managed Agents — le cœur orienté développeurs de la Gemini Enterprise Agent Platform, anciennement connue sous le nom de Vertex AI Agent Platform.

Contrairement au Gemini Agent destiné aux consommateurs ou au Workspace Studio sans code, les Managed Agents sont conçus spécifiquement pour les équipes qui ont besoin de runtimes sandboxés, de politiques réseau configurables, d’une gouvernance centralisée et d’une intégration approfondie aux données d’entreprise. C’est la stratégie de Google pour la couche infrastructure de l’entreprise agentique — et c’est l’une des piles d’agents les plus complètes jamais livrées par un fournisseur cloud.

Voici ce que c’est, comment cela fonctionne et ce que cela signifie pour les équipes qui construisent sur des plateformes d’agents d’entreprise ou les évaluent.

Que sont les Gemini Managed Agents ?

Dans la terminologie de Google, un managed agent est un agent IA autonome qui s’exécute dans un environnement Linux sandboxé et hébergé par Google — provisionné, gouverné et orchestré via l’API Managed Agents sur la Agent Platform de Google.

C’est très différent des patterns d’« agent » plus légers que vous pourriez construire en enchaînant des appels à l’API Gemini. Un managed agent s’exécute dans un runtime dédié (alimenté par le harness Antigravity de Google), peut raisonner sur des workflows multi-étapes, exécuter du code, appeler des outils, accéder à des données d’entreprise montées et interagir avec des services externes — le tout dans des limites de sécurité strictes et configurables que Google gère pour vous.

En pratique, cela signifie que les développeurs définissent ce qu’un agent doit pouvoir faire via la configuration, et Google prend en charge l’infrastructure — pas de VM à gérer, pas de conteneurs à orchestrer, pas de sandbox à construire.

L’API Managed Agents : plan de contrôle et plan de données

L’API Managed Agents est divisée en deux surfaces qui correspondent à un schéma cloud familier : le plan de contrôle et le plan de données.

Agents API (plan de contrôle)

L’API Agents gère le cycle de vie des managed agents — leur création, leur configuration, leurs mises à jour et leur gouvernance au niveau organisationnel. Avec cette API, les développeurs peuvent :

• Définir un agent via une configuration (de type YAML/JSON) qui spécifie ses outils, ses montages de données, ses variables d’environnement et la liste autorisée du réseau sortant.
• Monter des sources de données d’entreprise — y compris des données Workspace, des dépôts internes de documents ou des API externes — auxquelles l’agent peut accéder pendant son exécution.
• Appliquer des politiques de sécurité et de gouvernance alignées sur les règles DLP et de contrôle d’accès de Gemini Enterprise.
• Gérer par programmation les événements du cycle de vie des agents (création, mise à jour, désactivation, audit), ce qui facilite l’intégration dans les outils CI/CD ou d’infrastructure existants.

Cette séparation entre le provisionnement et l’invocation au runtime est intentionnelle : elle permet aux équipes IT et sécurité de gouverner ce que les agents peuvent faire avant même qu’un utilisateur n’interagisse avec eux.

Interactions API (plan de données)

L’API Interactions est l’interface runtime — la manière dont les applications parlent réellement à un managed agent en cours d’exécution. Via cette API, les appelants peuvent :

• Envoyer des prompts et des tâches à une instance d’agent spécifique.
• Recevoir des réponses en streaming ou par lots pendant que l’agent raisonne et exécute des appels d’outils.
• Observer les étapes intermédiaires — planification, invocations d’outils, exécutions de code — selon la configuration de journalisation.

La séparation plan de contrôle / plan de données signifie qu’une seule définition d’agent peut servir de nombreux appelants sans que chacun ait besoin de comprendre les mécanismes internes de l’agent. Cela facilite aussi le remplacement des configurations d’agent au niveau du plan de contrôle sans perturber les applications en aval.

Le runtime sandbox Antigravity

L’environnement d’exécution des managed agents est le harness Antigravity de Google — un sandbox Linux provisionné par agent qui fournit un environnement sécurisé et isolé pour des travaux agentiques multi-étapes.

Dans ce sandbox, un managed agent peut :

• Raisonner et planifier à l’aide des modèles Gemini (y compris Gemini 3.5 Flash, optimisé pour des workflows agentiques plus longs, et Gemini 3.1 Pro pour des tâches plus complexes).
• Appeler des outils — recherche web, exécution de code, function calling et outils personnalisés définis via des connecteurs externes.
• Exécuter du code, lire et écrire des fichiers, et mener à bien des workflows multi-étapes tout en respectant les contraintes réseau définies dans la configuration de l’agent.

Google gère entièrement le sandbox. Les développeurs configurent le comportement via l’API Agents ; la plateforme prend en charge l’isolation, les limites de ressources et les frontières de sécurité. C’est là le pari infrastructurel principal : que les entreprises préfèrent configurer des politiques de gouvernance plutôt qu’exploiter elles-mêmes des runtimes sandboxés.

La plateforme Gemini Enterprise Agent Platform dans son ensemble

L’API Managed Agents n’est qu’une couche d’une pile plus large que Google appelle la Gemini Enterprise Agent Platform. Comprendre où se situent les managed agents dans cette pile est essentiel pour quiconque l’évalue ou construit dessus.

Chaque couche alimente Gemini Enterprise, qui fournit une vue centralisée de chaque agent dans une organisation — agents construits par Google, par les employés, agents ADK personnalisés et agents partenaires tiers — tous soumis aux mêmes contrôles de visibilité et de politique.

Workspace Studio Agents vs. Managed Agents : quelle différence ?

Une source de confusion dans le discours de Google sur les agents concerne la relation entre les Workspace Studio agents et les agents de l’API Managed Agents. Ils résolvent des problèmes différents à des niveaux différents de la pile.

Workspace Studio est la surface no-code/low-code où les utilisateurs métier du quotidien conçoivent, gèrent et partagent des agents IA (« flows ») pour automatiser le travail dans Gmail, Drive, Chat, Sheets et des applications tierces connectées comme Asana, Jira, Slack, Salesforce et Mailchimp. Ces agents sont conçus pour être créés en quelques minutes à l’aide de prompts en langage naturel, d’étapes préconstruites, de modèles, de webhooks et d’étapes Apps Script — sans aucun besoin d’ingénierie.

Les Managed Agents ciblent les développeurs qui ont besoin d’un contrôle plus profond : runtimes sandboxés, listes autorisées réseau configurables, définitions d’outils personnalisées, montages de données et politiques de sécurité d’entreprise. Ils constituent le bon choix pour les workflows back-office complexes, l’automatisation multi-systèmes et les scénarios où la gouvernance et l’auditabilité sont non négociables.

Avec le temps, Google relie ces couches. Les Workspace Studio agents peuvent invoquer des agents personnalisés construits sur l’Agent Platform, et les deux surfaces apparaissent dans la console de gouvernance de Gemini Enterprise. La pile est conçue pour être composable — différentes équipes construisent au niveau qui correspond à leurs compétences et à leurs besoins.

Les agents intégrés de Google : les implémentations de référence

En plus des API orientées développeurs, Google a lancé plusieurs agents first-party qui démontrent ce que la plateforme peut faire — et servent d’implémentations de référence pour les types de workflows auxquels les managed agents se prêtent.

Deep Research effectue des centaines de recherches web et d’entreprise, élabore une stratégie de recherche et synthétise les résultats dans un rapport structuré. Ce qui pourrait prendre des semaines à compiler manuellement par une équipe peut être produit en quelques heures.

NotebookLM Enterprise est un agent de recherche et de rédaction alimenté par l’IA qui résume, extrait et répond à des questions à travers de vastes sources documentaires — en s’appuyant sur le contenu propre à votre organisation et en étant gouverné via Gemini Enterprise.

Gemini Code Assist et CodeMender ciblent la productivité des développeurs et la sécurité. CodeMender identifie spécifiquement les vulnérabilités dans les bases de code, suggère et teste des corrections, puis applique des patchs avec l’approbation du développeur — un workflow de sécurité en boucle fermée.

Gemini Spark (présenté séparément dans notre analyse approfondie de Gemini Spark) est un agent IA personnel persistant dans Gemini Enterprise qui exécute des tâches multi-étapes dans Workspace et via des connecteurs personnalisés, lance des workflows récurrents, apprend de nouvelles compétences et demande une approbation avant les actions à haut risque comme l’envoi d’e-mails.

Gemini Agent dans Gemini Apps est la version destinée aux consommateurs — une fonctionnalité Labs qui permet aux utilisateurs de déléguer des tâches multi-étapes comme la catégorisation des e-mails, la rédaction de réponses, la réorganisation du calendrier et la recherche web. Elle nécessite un abonnement Google AI Ultra et est actuellement limitée à certaines régions.

Ensemble, ces agents intégrés montrent l’approche de Google : utiliser la plateforme en interne et publiquement, démontrer les cas d’usage, puis permettre aux équipes d’entreprise de reproduire ou d’étendre ces patterns.

Sécurité, gouvernance et conformité

La gouvernance centralisée est le principal différenciateur sur lequel Google parie avec cette plateforme. Pour les équipes IT et sécurité, les contrôles incluent :

Visibilité centralisée. L’application Gemini Enterprise fournit une console unique où les administrateurs peuvent voir chaque agent de l’organisation — construit par Google, par les employés, agents ADK personnalisés et agents partenaires tiers — ainsi que leurs configurations, niveaux d’accès et statuts.

Exécution sandboxée. Chaque managed agent s’exécute dans un sandbox Linux hébergé par Google avec une liste autorisée réseau configurable. Les agents ne peuvent atteindre que les services externes explicitement autorisés dans leur configuration, ce qui réduit le risque d’accès non autorisé aux données ou de mouvement latéral.

Application des politiques via Agent Gateway. Le trafic des agents vers les sources de données et services externes passe par un Agent Gateway qui applique les politiques DLP (Data Loss Prevention) et de sécurité. Les agents s’authentifient auprès des outils externes avec des identifiants à périmètre restreint — et non avec de larges clés API.

Auditabilité. Les administrateurs peuvent inspecter et auditer les journaux d’activité des agents, ce qui répond aux exigences de conformité demandant un enregistrement complet de ce que les agents ont fait, quand et pourquoi.

Le Gemini Agent destiné aux consommateurs ajoute une couche supplémentaire de garde-fous visibles par l’utilisateur : des consignes de sécurité explicites (y compris une recommandation de ne pas saisir de mots de passe dans le chat) et une mise en garde contre la planification d’actions récurrentes à fort enjeu étant donné la possibilité d’erreurs du modèle.

Expérience développeur et patterns

Pour les équipes qui intègrent l’API Managed Agents à une infrastructure existante, l’expérience est pilotée par la configuration et orientée REST. Les patterns d’implémentation courants incluent :

Définir les agents de manière déclarative via des fichiers de configuration qui spécifient les outils, les compétences, les connexions de données et les contraintes d’exécution — puis valider ces configurations dans un système de contrôle de version comme n’importe quel autre artefact d’infrastructure as code.

Utiliser l’API Agents pour créer et mettre à jour des agents par programmation dans le cadre de pipelines CI/CD, afin que les déploiements d’agents suivent le même processus de revue et d’approbation que les déploiements d’applications.

Appeler les agents via l’API Interactions depuis des services back-end, des couches d’orchestration ou d’autres agents — avec des protocoles Agent-to-Agent (A2A) permettant aux managed agents de s’appeler entre systèmes.

Antigravity 2.0, disponible comme application desktop autonome et en CLI, fournit aux builders des outils supplémentaires pour l’orientation pendant le développement, la personnalisation et les tests d’orchestration locale avant le déploiement sur la plateforme gérée.

Cas d’usage où les Managed Agents excellent

La plateforme est optimisée pour des workflows complexes et multi-étapes qui bénéficient d’une exécution sandboxée et d’un ancrage dans les données d’entreprise. Les cas d’usage documentés incluent :

Automatisation inter-systèmes — orchestration de workflows entre Workspace, Jira, Salesforce et des systèmes internes à l’aide de connecteurs et d’outils personnalisés, sans construire de middleware d’intégration sur mesure pour chaque paire de systèmes.

Recherche et analyse — workflows de recherche de marché, d’analyse concurrentielle et de due diligence en plusieurs étapes à l’aide d’agents de type Deep Research ancrés à la fois dans le contenu web et les documents internes.

Gestion des connaissances — synthèse, questions-réponses et extraction d’insights à travers de vastes dépôts de documents d’entreprise, alimentés par des agents de type NotebookLM avec intégration à Workspace et Drive.

Productivité développeur et sécurité du code — revue de code automatisée, refactorisation et correction de sécurité via Code Assist et CodeMender, avec des validations humaines à chaque étape critique.

Automatisation de workflows récurrents — utilisation de Workspace Studio pour les automatisations du quotidien (résumés d’e-mails, briefs avant réunion, triage du support) tout en utilisant les Managed Agents pour les orchestrations plus complexes nécessitant des outils personnalisés ou une gouvernance stricte.

L’écosystème : Marketplace, partenaires et ADK

Au-delà des API principales, Google a construit un Agent Marketplace où les organisations peuvent découvrir, évaluer et déployer des agents conçus par des partenaires. Le marketplace est filtrable par secteur, cas d’usage et statut de validation (y compris la certification de compatibilité Gemini Enterprise).

Les intégrations tierces couvrent le paysage habituel des outils d’entreprise : Asana, Jira, Mailchimp, Salesforce, Slack, Teams et d’autres — accessibles via des connecteurs, des webhooks et des étapes personnalisées dans Workspace Studio.

Le Agent Development Kit (ADK) est la voie pro-code pour les équipes qui veulent un contrôle maximal. Les agents ADK sont des implémentations entièrement personnalisées hébergées sur Vertex AI Agent Engine mais exposées et gouvernées via Gemini Enterprise aux côtés des managed agents. ADK et managed agents sont complémentaires, pas concurrents : les managed agents prennent en charge le cas courant des workflows autonomes pilotés par configuration ; ADK prend en charge les cas qui exigent une logique d’orchestration sur mesure.

Compromis et points à considérer pour les builders

Pour les équipes qui construisent des produits agentiques ou évaluent des plateformes d’agents d’entreprise, les Gemini managed agents offrent une combinaison convaincante d’infrastructure gérée, d’outils de gouvernance et d’intégration à Workspace. Mais les compromis méritent une réflexion honnête.

Le verrouillage fournisseur est bien réel. Le runtime Antigravity, l’API Agents et l’Agent Gateway sont propriétaires de Google. Les agents construits sur cette pile sont fortement couplés à Google Cloud. Les équipes qui doivent exécuter des agents on-premises, dans un cloud hybride ou sur plusieurs fournisseurs cloud trouveront la plateforme contraignante.

Les contraintes de résidence des données et de conformité dépendent des offres régionales de Google Cloud, qui ne satisferont peut-être pas tous les régimes réglementaires. Les équipes ayant des exigences strictes de souveraineté des données devraient vérifier la disponibilité régionale avant de s’engager.

La flexibilité des modèles est limitée. Les managed agents s’exécutent sur des modèles Gemini. Les organisations qui souhaitent router certaines charges de travail vers d’autres modèles frontier — ou qui veulent utiliser des modèles open source pour des raisons de coût ou de confidentialité — auront besoin d’une architecture supplémentaire pour obtenir cette flexibilité.

La gouvernance est une fonctionnalité, pas une contrainte, pour les bonnes organisations. Les équipes IT et sécurité d’entreprise considèrent souvent la gouvernance centralisée comme un prérequis, pas comme un bonus. Pour ces organisations, la visibilité et les contrôles de politique de Gemini Enterprise peuvent accélérer l’approbation interne des déploiements d’agents.

Pour les équipes qui construisent des coworkers IA indépendants et open source ou des plateformes d’orchestration multi-modèles, la voie pratique consiste souvent à intégrer : considérer les Gemini managed agents comme une cible de déploiement parmi d’autres tout en gardant une logique d’orchestration centrale agnostique au cloud.

Où se situent les Gemini Managed Agents dans le paysage concurrentiel

L’avantage le plus net pour Google est la profondeur de l’intégration à Workspace combinée à un spectre allant du no-code au pro-code, qui permet à différentes équipes de construire au niveau correspondant à leurs compétences. L’écart le plus visible par rapport à AWS est la largeur du choix de modèles — le catalogue multi-modèles de Bedrock donne aux équipes plus de flexibilité sans quitter l’infrastructure gérée.

Conclusion

Les Gemini managed agents offrent la vision la plus complète que Google ait dessinée de ce à quoi ressemble une plateforme d’« entreprise agentique » : un runtime sandboxé, une API développeur pilotée par configuration, une surface no-code pour les utilisateurs métier, des agents first-party de référence, une gouvernance centralisée et un marketplace pour les extensions tierces. Les pièces s’assemblent de manière cohérente.

La vraie question pour les acheteurs d’entreprise n’est pas de savoir si la plateforme est capable — elle l’est clairement — mais si les compromis liés au verrouillage sur Google Cloud, à la prise en charge exclusive des modèles Gemini et aux contraintes de résidence des données sont acceptables dans leur contexte. Pour les organisations déjà fortement investies dans Google Workspace et Google Cloud, la réponse est probablement oui. Pour les organisations qui ont besoin de flexibilité de modèles ou d’un déploiement en cloud hybride, la commodité gérée de la plateforme s’accompagne de contraintes architecturales qui méritent d’être évaluées avec soin.

---

Ce que cela signifie pour Eigent

L’architecture d’agent géré de Gemini — runtimes sandboxés, accès gouverné aux outils, coordination agent-à-agent — reflète un ensemble de paris infrastructurels qu’Eigent construit de manière indépendante vers une base ouverte et agnostique vis-à-vis des modèles. Sur la feuille de route : un support plus profond des espaces de travail d’agents isolés qui reproduisent les garanties de sandboxing des runtimes gérés, et des protocoles d’orchestration multi-agents qui fonctionnent avec Gemini, Claude, GPT et les modèles locaux — afin que les équipes n’aient pas à choisir un seul fournisseur pour obtenir une coordination d’agents de niveau entreprise.

---

Questions fréquemment posées

Que sont les Gemini managed agents ?

Les Gemini managed agents sont des agents IA autonomes qui s’exécutent dans un environnement Linux sandboxé et hébergé par Google, provisionné et gouverné via l’API Managed Agents sur la Gemini Enterprise Agent Platform. Les développeurs configurent l’agent — en spécifiant les outils, les montages de données et les politiques réseau — et Google gère l’infrastructure sous-jacente, la sécurité et le runtime.

En quoi l’API Managed Agents diffère-t-elle de l’utilisation directe de l’API Gemini ?

Utiliser directement l’API Gemini signifie que vous devez construire vous-même l’orchestration, la logique d’appel d’outils, le sandboxing et la gouvernance. L’API Managed Agents fournit un runtime entièrement géré (le harness Antigravity) dans lequel toute cette infrastructure est prise en charge par Google. Le compromis est une flexibilité moindre en échange d’une charge opérationnelle réduite.

Qu’est-ce que le harness Antigravity ?

Antigravity est le runtime d’exécution d’agents de Google qui alimente les managed agents. Il provisionne un sandbox Linux par agent où l’agent peut raisonner à l’aide des modèles Gemini, exécuter du code, appeler des outils, accéder à des sources de données montées et réaliser des workflows multi-étapes — le tout dans les contraintes de sécurité définies dans la configuration de l’agent.

En quoi Workspace Studio diffère-t-il de l’API Managed Agents ?

Workspace Studio est une interface no-code/low-code destinée aux utilisateurs métier pour créer et partager des agents d’automatisation dans Gmail, Drive, Docs, Sheets et des applications tierces. L’API Managed Agents est une API orientée développeurs pour créer des agents plus complexes avec des runtimes sandboxés, des outils personnalisés et des contrôles de sécurité d’entreprise. Les deux sont complémentaires : Workspace Studio pour les automatisations quotidiennes construites par les utilisateurs, Managed Agents pour les workflows back-office ou sensibles à la sécurité.

Qu’est-ce que le Agent Development Kit (ADK) ?

L’Agent Development Kit est le SDK pro-code de Google pour créer des agents IA entièrement personnalisés hébergés sur Vertex AI Agent Engine. Les agents ADK offrent une flexibilité maximale pour une logique d’orchestration sur mesure, mais nécessitent davantage d’efforts de développement que l’API Managed Agents pilotée par configuration. ADK et managed agents sont tous deux gouvernés via Gemini Enterprise.

L’API Managed Agents prend-elle en charge des modèles autres que Gemini ?

Non. L’API Managed Agents est conçue pour les modèles Gemini (y compris Gemini 3.5 Flash et Gemini 3.1 Pro). Les équipes qui souhaitent router des charges de travail vers d’autres modèles frontier ou des modèles open source ont besoin d’une couche d’orchestration agnostique aux modèles en dehors de la pile gérée de Google.

Quels contrôles de gouvernance Gemini Enterprise fournit-il ?

Gemini Enterprise fournit une console centralisée où les administrateurs peuvent voir tous les agents de l’organisation (construits par Google, par les employés, personnalisés et tiers), gérer les politiques d’accès, appliquer les règles DLP via l’Agent Gateway et auditer l’activité des agents. Les managed agents s’exécutent dans des environnements sandboxés avec des listes autorisées réseau configurables, ce qui limite les services externes qu’un agent peut atteindre.

La Gemini Enterprise Agent Platform est-elle la même que Vertex AI Agent Platform ?

Oui. Google a rebaptisé Vertex AI Agent Platform en Gemini Enterprise Agent Platform dans le cadre d’un effort plus large pour positionner Gemini comme la marque de sa pile IA d’entreprise. L’infrastructure et les API sous-jacentes sont les mêmes ; le branding reflète la consolidation par Google de ses produits IA sous l’ombrelle Gemini.