Google I/O 2026 : Gemini Omni, Gemini 3.5 et la couche de calcul derrière l'IA agentique

Google I/O 2026 a replacé la couche de calcul de la stratégie IA de Google au centre. La conférence était remplie d'agents, d'outils de développement, d'interfaces portables et d'intégrations de produits, mais toutes ces couches dépendent de deux directions de modèles : Gemini Omni et Gemini 3.5. L'une pousse la création et l'édition multimodales. L'autre pousse l'intelligence de pointe avec l'action, en particulier à travers Gemini 3.5 Flash.

Cet article est le volet de la couche de calcul au sein du hub architectural plus large de Google I/O 2026. Le volet des outils de développement est traité dans Antigravity, AI Studio et Google DevTools. Le volet des interfaces matérielles est traité dans Android XR et Intelligent Eyewear. Le volet des produits applicatifs est traité dans Produits agentiques à travers Search, Workspace et Shopping.

L'important est d'éviter de percevoir Gemini Omni et Gemini 3.5 comme une simple annonce générique de « nouveau modèle d'IA ». Ils résolvent des problèmes de produit et d'infrastructure différents. Omni concerne la création générative à partir de n'importe quelle entrée, à commencer par la vidéo. Gemini 3.5 concerne une intelligence rapide et orientée vers l'action pour les agents, le code et les flux de travail à long terme. Cette distinction est essentielle pour les développeurs, les équipes produit et les architectes de plateforme.

La couche de calcul derrière la conférence

La propre collection de Google pour l'I/O 2026 structure l'événement autour de deux nouveaux modèles : Gemini Omni et Gemini 3.5. Gemini Omni est décrit comme un bond en avant dans la compréhension du monde, la multimodalité et l'édition, capable de générer des résultats à partir de n'importe quelle entrée textuelle, visuelle, audio et vidéo, à commencer par la vidéo. Gemini 3.5 Flash est présenté comme le premier modèle de la famille Gemini 3.5, combinant intelligence de pointe et action.

• Gemini Omni se concentre sur la création et l'édition multimodales, en commençant par la vidéo.
• Gemini 3.5 Flash se concentre sur une vitesse de niveau action pour les agents, le codage et les flux de travail complexes.
• La division des modèles reflète la division plus large de la plateforme de Google : créer des médias plus riches, puis agir plus rapidement sur les produits et les outils.
• La véritable valeur stratégique apparaît lorsque ces modèles sont connectés à Antigravity, AI Studio, Search, Workspace, Android XR et aux appareils équipés de Gemini.

L'histoire des modèles n'est pas seulement une question de contexte plus large ou de meilleures démos. Il s'agit d'une spécialisation des rôles : la création d'un côté, l'action de l'autre.— Lecture de la couche de calcul

Gemini Omni : Création à partir de n'importe quelle entrée

Gemini Omni est la tentative la plus directe de Google de fusionner le raisonnement et la création. Le positionnement officiel est clair : il peut tout créer à partir de n'importe quelle entrée, en commençant par la vidéo. Le modèle accepte des combinaisons de texte, d'image, d'audio et de vidéo, puis génère des vidéos de haute qualité basées sur les connaissances du monde réel de Gemini. Il prend également en charge le montage vidéo conversationnel, ce qui aura probablement plus d'importance que la génération en un seul coup (one-shot) dans les flux de travail créatifs réels.

Ce dernier point est important. La valeur pratique de l'IA créative se résume rarement à « générer une vidéo ». Les flux de production exigent des révisions, des remplacements, du minutage, une continuité de style et des échanges autour des modifications. Si Omni peut rendre le montage plus conversationnel tout en préservant le contexte, il devient bien plus qu'un simple générateur de nouveautés. Il devient une interface créative.

// Gemini Omni doit être considéré comme un modèle de flux de travail créatif
input = { text: "Présenter le lancement d'un produit dans une ville cyberpunk sous la pluie", image: "brand-reference.png", audio: "voiceover.wav", video: "rough-cut.mp4"
} output = GeminiOmni.generateVideo(input)
revision = GeminiOmni.edit(output, "Rendre l'éclairage plus chaleureux et conserver le même design de produit")

Pour les équipes qui conçoivent des outils médias, des visuels de produits e-commerce, du contenu éducatif, des prototypes de jeux, des flux publicitaires ou des pipelines de vidéos sociales, c'est la partie de l'I/O 2026 qui importe le plus. L'interface passe d'un montage manuel sur timeline à un montage multimodal basé sur l'intention. Cela ne supprime pas le jugement créatif, mais modifie la manière dont le travail créatif est investi.

Gemini 3.5 Flash : L'intelligence de pointe alliée à l'action

Gemini 3.5 Flash constitue l'autre moitié du volet informatique. Google décrit la famille Gemini 3.5 comme combinant une intelligence de pointe avec l'action, et positionne 3.5 Flash comme la première version de cette famille. L'accent est mis sur les agents, le codage, les tâches complexes à long terme et l'utilité dans le monde réel. Ce choix de mots n'est pas fortuit. Il oriente directement vers des systèmes qui agissent, et pas seulement des systèmes qui répondent.

Pour les développeurs, « Flash » est important car les workflows agentiels sont sensibles à la latence. Un modèle intelligent mais lent peut convenir pour la recherche ou une rédaction soignée. Il est beaucoup plus difficile de l'intégrer dans l'automatisation native du terminal, les boucles d'IDE, l'utilisation d'outils multi-étapes, les agents en arrière-plan et les expériences produit qui nécessitent un retour immédiat. Google essaie clairement de faire du comportement de pointe rapide le moteur par défaut des workflows agentiels.

// Utilisation classique du modèle
answer = model.generate("Expliquer cette fonction") // Utilisation du modèle agentiel
plan = model.plan(task)
toolResult = tools.run(plan.nextStep)
verification = model.verify(toolResult) if verification.failed: rollback()
else: continueExecution()

Ce changement est la raison pour laquelle Gemini 3.5 appartient au même groupe qu'Antigravity. Antigravity a besoin d'un modèle capable de planifier, d'exécuter, de vérifier et de continuer à avancer sans transformer l'environnement de développement en salle d'attente. C'est là que la performance de calcul devient l'expérience développeur.

Pourquoi la vitesse et l'action vont de pair

La présentation de Google axée sur la vitesse n'est pas qu'un simple argument marketing. Les systèmes agentiques multiplient la latence. Une réponse unique nécessite un seul aller-retour avec le modèle. Un flux de travail multi-agent peut en nécessiter plusieurs : planification, sélection des outils, édition de code, exécution dans le terminal, vérification, correction, résumé et révision humaine. Si chaque étape est lente, l'ensemble du système devient inutilisable.

• Une génération rapide améliore les boucles de codage interactives.
• Une faible latence rend les agents multi-étapes moins fragiles.
• Un débit élevé est important lorsque les agents s'exécutent dans des tâches de maintenance en arrière-plan.
• Un raisonnement stable est essentiel car des actions erronées plus rapides restent des actions erronées.
• La vérification reste essentielle car la vitesse seule ne garantit pas la confiance.

L'agent utile n'est pas le modèle qui répond une seule fois. C'est le modèle capable de continuer à agir sans donner l'impression que le flux de travail est une file d'attente.— Perspective sur le runtime agentique

Gemini Omni vs Gemini 3.5 : Des tâches différentes, une même stack

La façon la plus claire de comprendre les annonces de calcul de l'I/O 2026 est de séparer les tâches. Gemini Omni est un modèle de création et d'édition multimodal. Gemini 3.5 Flash est un modèle orienté vers l'action pour les agents et le codage. Ils sont complémentaires et non interchangeables. Une équipe produit pourrait utiliser Omni pour générer des médias et utiliser Gemini 3.5 Flash pour orchestrer le flux de travail autour de ces médias.

// Exemple de flux de travail produit
creativeAsset = GeminiOmni.generateVideo(brief) agentPlan = Gemini35Flash.plan({ task: "Publier la campagne de lancement", asset: creativeAsset, channels: ["YouTube Shorts", "page de destination", "e-mail"]
}) Gemini35Flash.execute(agentPlan, tools)

C'est l'architecture plus large vers laquelle Google se dirige. Les modèles créatifs génèrent des artefacts plus riches. Les modèles d'action coordonnent les tâches autour de ces artefacts. Les interfaces produit exposent ces capacités aux utilisateurs. Les outils de développement assurent l'orchestration et la vérification. Les interfaces des appareils rendent l'assistant disponible dans davantage de contextes.

Ce que cela signifie pour les développeurs

Les développeurs ne devraient pas considérer Gemini 3.5 Flash comme une simple option de modèle supplémentaire. Il modifie la structure des applications qui peuvent être construites sur la pile de Google. Si un modèle peut gérer des séquences de tâches plus longues, utiliser des outils de manière fiable et fonctionner assez rapidement pour des flux de travail réels, alors les applications peuvent passer de fonctionnalités d'IA isolées à des processus médiatisés par le modèle.

• Les agents de code peuvent refactoriser, tester et vérifier des unités de tâche plus importantes.
• Les agents de produit peuvent aider les utilisateurs à passer de l'intention à l'action au sein d'un flux unique.
• Les applications multimédias peuvent combiner la génération Omni avec l'orchestration de Gemini 3.5.
• Les fonctionnalités de recherche et de Workspace peuvent passer de la simple réponse à l'exécution.
• Les surfaces mobiles et XR peuvent utiliser Gemini comme une couche de contexte en direct plutôt que comme un assistant cloud distant.

Le danger est de sur-construire avant que le modèle opérationnel ne soit mature. Les développeurs ont toujours besoin de versioning, d'évaluation, de journalisation, de contrôle des coûts, de comportements de repli et de confirmation humaine pour les actions à fort impact. Un modèle plus performant ne supprime pas le besoin de discipline technique. Il augmente la valeur de cette discipline.

Ce que cela signifie pour les équipes produit

Les équipes produit devraient interpréter Gemini Omni et Gemini 3.5 comme un signal indiquant que Google souhaite que l'IA devienne une couche d'exécution à travers tout l'écosystème. Cela crée des opportunités et des risques. L'opportunité réside dans un chemin plus rapide entre l'intention de l'utilisateur et le résultat final. Le risque est que le comportement du produit devienne moins transparent si les décisions de l'agent sont masquées derrière une interface soignée.

agenticProductChecklist = { userIntent: "claire", modelRole: "défini", tools: "autorisés", outputs: "vérifiables", failures: "récupérables", costs: "mesurés", userControl: "explicite"
}

Si une équipe produit ne peut pas répondre à ce que le modèle est autorisé à faire, comment il est évalué et comment l'utilisateur peut se remettre d'une mauvaise action, l'intégration n'est pas prête pour la production. Cela est particulièrement vrai lorsque Gemini est connecté à Search, Workspace, Shopping, Android ou à des interfaces portables.

L'épreuve de réalité : les benchmarks ne sont pas le produit

Le risque lors de chaque lancement de modèle est l'intoxication aux benchmarks. Une meilleure performance est importante, mais la valeur en production dépend de la qualité de l'intégration. Un modèle peut être plus rapide et plus performant tout en échouant sur un flux de travail spécifique parce que les prompts sont faibles, les politiques des outils sont trop souples, l'évaluation est superficielle ou les solutions de repli sont manquantes.

• Un modèle créatif a besoin de cohérence, de modifiabilité et de contrôle des résultats.
• Un modèle d'action a besoin de discipline dans l'utilisation des outils, de vérification et de modes de défaillance sécurisés.
• Un modèle pour développeurs a besoin d'un comportement reproductible au sein de véritables dépôts.
• Un modèle de produit a besoin de la confiance des utilisateurs et de limites de contrôle claires.
• Un modèle de plateforme a besoin de gestion des versions, de surveillance et d'observabilité des coûts.

Le modèle de lancement attire l'attention. Le modèle opérationnel détermine s'il survit à la production.— Confrontation avec la réalité de l'ingénierie

Comment cela s'intègre dans le cluster Google I/O 2026

Cet article couvre la couche de modèle du cluster. Le hub principal de Google I/O 2026 explique l'intégralité du changement architectural. Antigravity, AI Studio et Google DevTools expliquent comment les modèles s'intègrent dans les flux de travail des développeurs. Android XR et Intelligent Eyewear expliquent comment cette même intelligence se transpose sur les interfaces portables. Les produits agentiels dans Search, Workspace et Shopping expliquent ce qui se passe lorsque ces capacités atteignent les produits grand public et de productivité.

Articles connexes dans ce cluster

• Hub principal : Google I/O 2026 : pivots architecturaux, IA agentique et confrontation à la réalité de l'écosystème unifié
• Outils de développement : Google I/O 2026 : Antigravity, AI Studio et Google DevTools
• Android, XR et interfaces d'appareils : Google I/O 2026 : Android XR et lunettes intelligentes
• Produits grand public agentiques : Google I/O 2026 : produits agentiques dans la Recherche, Workspace et Shopping

Perspective finale

Gemini Omni et Gemini 3.5 définissent la répartition du calcul derrière Google I/O 2026. Omni est la couche de création : entrée multimodale, sortie vidéo, édition conversationnelle et génération ancrée dans le monde réel. Gemini 3.5 Flash est la couche d'action : une intelligence de pointe rapide pour les agents, le codage et les tâches à long terme. Ensemble, ils expliquent pourquoi le reste de la présentation se présente ainsi. Antigravity a besoin de modèles de niveau action. Search et Workspace ont besoin d'agents capables de raisonner et d'exécuter. Android XR a besoin d'une compréhension du contexte en direct. La présentation n'est pas seulement une histoire de modèle, mais sans cette couche de calcul, le reste de l'histoire ne fonctionne pas.