Google dévoile les Managed Agents

Google a dévoilé le 19 mai 2026, lors de sa conférence I/O, les Managed Agents pour la Gemini API. Cette nouveauté permet aux développeurs de concevoir et déployer des agents autonomes capables d’exécuter des tâches complexes sans gérer d’infrastructure. Google veut rendre l’IA agentique plus simple à utiliser, sans sacrifier la sécurité ni le contrôle.

---

À retenir

• Les Managed Agents tournent dans des bacs à sable Linux éphémères et isolés.
• L’agent Antigravity, basé sur Gemini 3.5 Flash, constitue le moteur par défaut.
• La définition des agents se fait via des fichiers Markdown simples (AGENTS.md et SKILL.md).
• L’ADK 2.0 a déjà dépassé 7 millions de téléchargements.
• Le protocole A2A permet l’interopérabilité avec plus de 150 organisations dont Salesforce et SAP.
• Le taux de succès atteint 96,3 % sur les benchmarks de codage grâce au Model Context Protocol.
• Le service est disponible en Public Preview depuis le 19 mai 2026.

---

Google simplifie la création d’agents autonomes

Google change la façon dont les développeurs conçoivent des systèmes intelligents. Avec les Managed Agents, ils n’ont plus à gérer les serveurs ni les environnements d’exécution. Les équipes passent plus vite d’un prototype à un déploiement en production.

Une abstraction de haut niveau pour les développeurs

Il n’est plus nécessaire d’écrire des centaines de lignes de code d’orchestration. Les agents se décrivent désormais dans des fichiers déclaratifs, que l’infrastructure gère ensuite automatiquement. Cette approche réduit les erreurs et accélère les cycles de développement.

Antigravity, basé sur Gemini 3.5 Flash

Antigravity, basé sur Gemini 3.5 Flash, fait office de moteur par défaut pour la plupart des cas d’usage. Il combine un raisonnement rapide et la capacité à planifier des actions en plusieurs étapes. Les équipes obtiennent des performances élevées sans avoir à passer par un fine-tuning supplémentaire.

Des agents définis par des fichiers simples

Le principe « Agents as Files » tient en une idée simple. Chaque agent est décrit dans une structure de répertoire claire et versionnable avec Git. Les développeurs y voient plus clair, et la maintenance devient plus simple.

AGENTS.md et SKILL.md pour configurer l’agent

Le fichier AGENTS.md contient les instructions de persona et les règles de comportement. Les fichiers SKILL.md, placés dans un dossier dédié, décrivent les compétences et les outils disponibles. Cette séparation rend ces capacités faciles à réutiliser d’un projet à l’autre.

L’ADK 2.0 accélère la mise en route

L’Agent Development Kit génère automatiquement une base de départ depuis la ligne de commande. En moins de cent lignes de Python, un développeur peut créer un agent fonctionnel. Avec plus de sept millions de téléchargements, le kit a déjà trouvé son public.

Sécurité renforcée dans un environnement isolé

Google place la sécurité au centre de son offre. Chaque agent s’exécute dans un bac à sable Linux éphémère, entièrement isolé du système hôte. Cette architecture « Containment-First » garde les données sensibles à l’abri des comportements imprévisibles de l’IA.

Contrôle strict du réseau et des identifiants

Par défaut, seuls les domaines présents sur une liste d’autorisation peuvent être contactés. Les secrets et les clés d’API sont injectés via un proxy sécurisé, sans jamais être exposés dans l’environnement de l’agent. Les entreprises peuvent donc déployer ces outils sur des données confidentielles avec davantage de sérénité.

Une tarification transparente pour les environnements de production

Le runtime de l’Agent Engine est facturé 0,0864 dollar par vCPU-heure et 0,0090 dollar par Go-heure. Un mode Express permet de tester sans engagement immédiat. Cette grille aide les équipes à anticiper leurs coûts dès les phases d’expérimentation.

Des outils et une interopérabilité étendue

Les Managed Agents ne se limitent pas à générer du texte. Ils intègrent Google Search, l’analyse de documents via URL et le Model Context Protocol pour se connecter à BigQuery ou Google Drive. Ils savent chercher, lire et utiliser des outils concrets.

Le protocole Agent-to-Agent favorise la collaboration entre plateformes

En version 1.0, le protocole Agent-to-Agent permet à un agent Gemini d’échanger avec des agents Salesforce ou SAP. Plus de 150 organisations l’utilisent déjà en production. L’ouverture du protocole évite de refermer l’écosystème sur lui-même.

Des performances mesurées sur des tâches réelles

L’association du Model Context Protocol et des compétences prédéfinies atteint un taux de succès de 96,3 % sur les benchmarks de codage. La consommation de tokens diminue de 63 % par rapport aux approches traditionnelles. Les développeurs gagnent en précision tout en consommant moins de tokens.