Gemini 2.5 arrive dans OCI, Oracle ouvre ses agents IA à Google Cloud, ce que les entreprises peuvent automatiser

Oracle et Google Cloud renforcent leur partenariat autour de l’intelligence artificielle d’entreprise. Les clients d’Oracle peuvent accéder aux modèles Gemini via Oracle Cloud Infrastructure, avec un objectif précis : développer des agents IA capables d’automatiser des tâches complexes dans les environnements applicatifs et de données déjà utilisés par les grandes organisations.

Oracle ouvre OCI Generative AI aux modèles Gemini 2.5

L’accord annoncé par Oracle et Google Cloud donne aux clients de l’éditeur américain un accès aux modèles Gemini depuis le service OCI Generative AI. Le point de départ mis en avant concerne Gemini 2.5, présenté comme une base pour créer des assistants capables de traiter du texte, du code, des documents, des images ou des contenus plus complexes. Pour Oracle, l’enjeu consiste à enrichir son offre sans obliger les entreprises à déplacer leurs charges de travail hors de leurs environnements existants.

Cette approche répond à une demande fréquente des directions informatiques : pouvoir sélectionner plusieurs modèles selon les usages, plutôt que dépendre d’un seul fournisseur. Un service client pourra privilégier un modèle rapide pour classer des demandes entrantes, tandis qu’une équipe de développement cherchera davantage une capacité de raisonnement sur du code, des tests ou de la documentation technique. Le modèle devient un composant sélectionnable dans une architecture plus large.

Le service OCI Generative AI sert ici de point d’entrée. Il permet aux entreprises déjà engagées dans le cloud d’Oracle de tester les modèles dans un cadre familier, avec leurs règles de sécurité, leurs contrôles d’accès et leurs processus de gouvernance. Cette continuité opérationnelle compte pour les secteurs régulés, notamment la finance, la santé, les télécommunications ou l’industrie, où le déplacement des données sensibles demande des validations longues.

Le choix de Gemini s’inscrit aussi dans une logique de concurrence entre grands fournisseurs cloud. Oracle dispose de ses propres briques d’infrastructure, mais accepte d’intégrer des modèles externes pour élargir son catalogue. Google Cloud y gagne un canal d’accès supplémentaire vers des comptes déjà équipés en bases de données, ERP ou applications métiers Oracle. Le partenariat se présente donc comme un compromis pragmatique entre rivalité commerciale et interopérabilité demandée par les clients.

Fusion Applications prépare des agents IA avec Google Cloud

La prochaine étape concerne Oracle AI Agent Studio pour Fusion Applications. Oracle prévoit d’y intégrer les modèles Gemini afin que les clients et partenaires puissent développer des agents réutilisables dans les applications financières, RH, commerciales ou logistiques. L’objectif n’est pas seulement de générer du texte, mais de déclencher des séquences d’actions dans les processus quotidiens de l’entreprise.

Un agent IA appliqué à la finance peut, par exemple, analyser une facture, rapprocher la dépense d’un bon de commande, signaler une anomalie et préparer une réponse au fournisseur. Dans les ressources humaines, un agent peut aider à vérifier une politique interne, proposer un parcours d’intégration ou synthétiser des demandes récurrentes. Ces scénarios ne remplacent pas les validations humaines, mais ils réduisent les opérations répétitives qui ralentissent les équipes.

L’apport de Gemini tient surtout à ses capacités multimodales et à son usage dans les flux de travail. Les informations manipulées par les grandes entreprises ne se limitent pas aux champs structurés d’une base de données. Elles incluent des PDF, des courriels, des captures d’écran, des présentations, des contrats et parfois des vidéos internes. Un modèle capable de comprendre plusieurs formats peut améliorer la qualité des réponses produites par un agent.

Selon AI Business, Oracle évoque aussi des modèles de type Flash pour des besoins différenciés, certains orientés vers l’efficacité et le coût, d’autres vers des tâches de raisonnement plus exigeantes. Cette segmentation est importante pour les DSI : un agent chargé de résumer 10 000 tickets de support n’a pas le même budget ni le même niveau de précision attendu qu’un agent analysant un contrat stratégique. La valeur dépendra donc moins d’un modèle unique que de l’orchestration entre Fusion Applications, règles métiers et contrôles internes.

Gemini Enterprise relie BigQuery aux données Oracle

Le partenariat dépasse le seul accès aux modèles. Google Cloud met aussi en avant Gemini Enterprise Agent Platform, une plate-forme conçue pour créer, tester et déployer des agents dans différents environnements de données. Dans les architectures hybrides, les entreprises peuvent exploiter des données Oracle modernisées, les combiner avec BigQuery, puis utiliser des agents pour transformer une requête métier en actions concrètes.

Un cas souvent cité concerne les directions commerciales. Un responsable peut demander à un agent d’identifier les clients à risque, de croiser l’historique des ventes avec les incidents de support, puis de préparer un message personnalisé pour l’équipe de compte. Sans agent, cette tâche exige des extractions, des requêtes SQL, des tableaux de bord et plusieurs échanges entre équipes. Avec un agent correctement encadré, une partie de la chaîne peut être automatisée.

Les modèles disponibles dans le Model Garden de Google Cloud illustrent cette logique de catalogue. Les entreprises peuvent y explorer des modèles propriétaires, des modèles ouverts et des outils spécialisés, avant de les adapter à leurs besoins. Cette variété ne supprime pas la complexité technique, mais elle donne aux architectes cloud davantage d’options pour répartir les traitements selon la sensibilité des données, la latence attendue et le coût acceptable.

La promesse reste conditionnée à la qualité des fondations. Un agent ne peut pas corriger seul des référentiels clients incohérents, des droits d’accès mal configurés ou des données dupliquées dans plusieurs systèmes. Les entreprises les plus avancées commencent par cartographier leurs sources, définir des rôles et documenter les processus. Dans ce contexte, Google Cloud et Oracle cherchent à vendre moins une démonstration technologique qu’un cadre d’exécution pour l’automatisation IA à grande échelle.

Les DSI évaluent coûts, sécurité et dépendance cloud

L’intégration de Gemini dans les environnements Oracle sera observée avec attention par les directions informatiques. Les bénéfices potentiels sont clairs : gains de productivité, assistance au développement, automatisation de processus et meilleure exploitation des données internes. Mais les DSI devront aussi arbitrer entre performances, coûts d’inférence, localisation des données et dépendance vis-à-vis de plusieurs fournisseurs stratégiques.

Le prix sera un sujet central. Les agents IA multiplient les appels aux modèles, surtout lorsqu’ils planifient plusieurs étapes, interrogent des bases, résument des documents puis génèrent des réponses. Une expérimentation limitée peut rester abordable, mais un déploiement dans plusieurs pays ou plusieurs métiers change l’échelle budgétaire. Les équipes financières demanderont des indicateurs précis : coût par tâche automatisée, temps gagné, taux d’erreur, niveau de supervision humaine et impact sur les délais de traitement.

La sécurité impose un autre niveau d’examen. Les environnements Oracle gèrent souvent des données critiques : paie, facturation, commandes, stocks, prévisions ou informations clients. L’accès d’un agent à ces données doit être limité, tracé et révocable. Les entreprises devront vérifier les politiques de conservation, les journaux d’activité, les mécanismes de chiffrement et la séparation entre données d’entraînement, données de requête et données de réponse.

La dépendance cloud sera aussi discutée. En combinant Oracle Cloud Infrastructure, modèles Gemini et applications métiers Oracle, les organisations gagnent en intégration, mais elles renforcent leur exposition à deux fournisseurs majeurs. Certaines accepteront ce compromis pour accélérer leurs projets, d’autres exigeront des clauses de portabilité et des tests comparatifs avec d’autres modèles. Le marché des agents IA d’entreprise se structurera sur cette ligne de crête : offrir des automatisations utiles sans réduire la maîtrise technique et contractuelle des clients.