Nano-banana & Co

Chouaieb Nemri travaille sur l'IA générative chez Google, après Amazon (AWS), et sur l'IA depuis 2020. Il se décrit comme un "problem solver stoïque", qui agit sur ce qu'il contrôle plutôt que de se plaindre du reste. Il a présenté "AI, l'art du possible" : un panorama de l'agentique et de l'IA en entreprise, suivi d'une série de démos.

Où en est l'adoption de l'IA

• Une infime minorité de très avancés. Chouaieb Nemri est parti d'un schéma attribué à OpenAI qui représente les 8 milliards d'habitants de la planète, un point valant 3,2 millions de personnes. Un tout petit groupe utilise des agents pour coder et connaît MCP, les skills ou le RAG. Viennent ensuite ceux qui paient environ 20 dollars par mois pour Gemini, ChatGPT ou Claude, puis les utilisateurs des versions gratuites. La grande majorité a seulement entendu parler de l'IA, sans jamais l'utiliser.

Les cinq niveaux de l'agentique

À la question "qu'est-ce qu'un agent IA ?", un participant a répondu par l'automatisation et les assistants en no-code. Chouaieb Nemri y a retrouvé une part de vérité (l'assistance, l'autonomie) et a proposé cinq niveaux :

• Niveau 0, le modèle de langage seul. Un "perroquet" qui prédit le mot suivant et produit un texte plausible.
• Niveau 1, le modèle équipé d'outils. Un environnement d'exécution de code, un moteur de recherche, une calculatrice. Les outils ajoutent du déterminisme et de la pertinence : sans recherche web, un modèle ne sait pas qui est Chouaieb Nemri.
• Niveau 2, l'orchestrateur. Si le modèle est le cerveau et les outils les bras et les jambes, l'orchestrateur est le système nerveux : il établit un plan, appelle les outils, observe les résultats et agit en conséquence.
• Niveau 3, le multi-agents. Un agent qui constate qu'une tâche le dépasse fait appel à des agents distants spécialisés. Google a publié en open source le protocole Agent2Agent (A2A), présenté comme une langue commune à tous les agents, quel que soit leur langage ou leur framework.
• Niveau 4, les agents qui évoluent seuls (self-evolving agents). Encore un sujet de recherche, sur lequel Chouaieb Nemri attend beaucoup d'innovations en 2026. Face à un problème nouveau, l'agent cherche à le comprendre (sur internet, dans des places de marché d'agents), puis crée les outils et sous-agents nécessaires et les ajoute à sa boîte à outils. Il mémorise aussi les retours de l'utilisateur pour retenir les bons et les mauvais chemins. À titre personnel, et non au nom de Google, il pense qu'une forme très utile d'intelligence émergera par cette voie, sans saut fondamental, avec plus d'optimisation et d'ingénierie. Selon lui, DeepMind travaille sur des mécanismes de sûreté pour le cas où une intelligence générale émergerait d'un système distribué.

Les trois couches de l'IA dans une entreprise

• La productivité. Des assistants qui permettent aux salariés de naviguer dans la documentation interne, de rédiger leurs e-mails plus vite, de réfléchir à plusieurs, de prendre des notes en réunion et d'en tirer les plans d'action.
• Les workflows. Automatiser des process pour traiter beaucoup plus de dossiers avec le même nombre de personnes. Exemple cité sans nommer le client : dans l'assurance, la gestion des sinistres est en train d'être largement automatisée. Le système est surtout agentique, et l'humain n'intervient que sur les cas limites ou quand l'IA a un doute : l'agent interrompt alors son workflow et attend une réponse.
• La stratégie et le modèle économique. L'IA générative rend possibles des modèles qui n'existaient pas. Exemple : Lovable, qui vend la possibilité de créer et de déployer une application en vibe coding.

Démos des outils Google

• NotebookLM pour apprendre un sujet. C'est l'outil que Chouaieb Nemri utilise pour découvrir ou maîtriser un nouveau domaine. On crée un notebook, on y dépose des fichiers, des vidéos ou des documents Drive, et l'outil indexe le tout. Il génère ensuite des supports adaptés à sa façon d'apprendre : un podcast (pratique pour réviser en faisant du sport, avec l'application mobile), une vidéo, des slides avec graphiques, une infographie, une carte mentale cliquable qui développe chaque concept, des quiz pour se tester. Sans documents de départ, une recherche approfondie (deep research) va chercher et indexer des centaines de sources sur le web. Sa démo portait sur le texte de la loi de finances pour 2026 : un seul PDF, et tous les supports générés en une dizaine de minutes.
• Le raisonnement visible, mais pas tout entier. En cliquant sur un concept, on voit les étapes de réflexion du modèle. Selon Chouaieb Nemri, les fournisseurs de modèles masquent désormais une partie de ces traces pour se protéger des attaques par distillation, par lesquelles des concurrents tentent de récupérer le savoir-faire d'un modèle.
• Gemini dans Google Docs. Dans un document vide, une simple demande (une recette de couscous tunisien dans la démo) produit le document complet, avec une image. L'intérêt dans Google Workspace : les réponses s'appuient sur le contexte de l'utilisateur (messagerie, e-mails), par exemple pour préparer l'agenda d'un appel.
• Nano Banana et la recherche d'images de référence. Le jour de cette présentation sortait un nouveau modèle, Nano Banana 2, avec une option d'image grounding : avant de générer, le modèle cherche des images pertinentes sur Google Search et les injecte dans son contexte. Démonstration avec un téléphone nord-coréen très peu connu, le Samtaesong 8, absent selon lui des données d'entraînement : Nano Banana Pro ne savait pas le représenter, le nouveau modèle y parvient grâce aux images trouvées.
• Garder des personnages cohérents dans une vidéo. Les modèles vidéo ne génèrent que quelques secondes à la fois (8 secondes pour Veo, autour de 10 pour d'autres comme Sora). Il est donc difficile de garder les mêmes personnages, voix, lieux et musiques sur une histoire plus longue, par exemple pour raconter l'histoire d'une entreprise avec son logo et ses produits. Chouaieb Nemri a construit en interne, pour son équipe et ses clients, une application fondée sur une approche par les assets : on génère d'abord les personnages, les lieux et les objets (logo compris), puis Nano Banana les combine scène par scène ("mix and match", par exemple le lion, la souris et la forêt), et Veo anime chaque scène. Un système agentique écrit l'histoire, prépare le storyboard et les assets, puis assemble le tout. Démo avec la fable du lion et de la souris : "pas parfait, mais un bon début".
• Sparkify. Google a depuis sorti cet outil, encore sur liste d'attente, qui génère des vidéos d'une à deux minutes à partir de la description d'un sujet.
• Stitch pour maquetter une application. Une demande simple (les écrans d'une application mobile pour vendre des produits d'Occitanie) a donné en cinq minutes un premier résultat jugé "pas mal".
• Project Genie, des mondes explorables. Chouaieb Nemri est parti d'un constat : seuls 10 % de la connaissance humaine seraient écrits, 90 % sont tacites, et le langage ne suffit pas à modéliser le monde physique, l'espace, le temps ou la logique visuelle. DeepMind travaille donc sur des world models, que Google voit comme une voie vers l'intelligence générale et vers les robots qui évolueront dans les usines. Genie génère des mondes navigables, et un agent est entraîné à s'y déplacer comme dans des jeux vidéo en 3D. Démos : un vendeur de jasmin à Sidi Bou Saïd, où Chouaieb Nemri contrôle lui-même la caméra, puis un monde où l'on devient un globule rouge qui circule dans un vaisseau sanguin, généré en direct. L'outil n'était alors disponible qu'aux États-Unis. Le potentiel qu'il y voit : les études de médecine, les formations difficiles ou coûteuses à reproduire, la culture, le tourisme et l'éducation (visiter la Lune, Mars ou l'intérieur des pyramides).