Les entreprises qui espèrent tirer une valeur réelle de l'IA et la déployer avec succès devraient se concentrer sur la gouvernance pratique et systématique nécessaire pour construire des flux de travail d'IA fondés sur la confiance, la transparence et l'interopérabilité, selon un dirigeant de Google Cloud.

Le flux constant de nouveaux modèles d'IA qui arrivent chaque semaine peut donner l'impression que le domaine n'est qu'un long cycle médiatique — un paysage déroutant pour les organisations qui tentent de déterminer ce dont elles ont réellement besoin pour rendre leurs flux de travail d'IA efficaces. Pour aller au-delà des promesses des modèles, outils et agents d'IA, les entreprises devraient éviter de placer des attentes irréalistes sur la technologie et établir plutôt les bonnes bases pour construire des applications d'IA pratiques reposant sur la confiance, la transparence et l'interopérabilité.

« L'interopérabilité et l'ouverture sont deux concepts vraiment essentiels, tout comme la transparence », a déclaré Michael Clark, directeur de la gestion de produits chez Google Cloud, dans le podcast Targeting AI d'AI Business.

Cet accent mis sur l'ouverture reflète une évolution plus large du secteur : à mesure que les entreprises passent du pilottage d'outils d'IA individuels au déploiement de systèmes multi-agents, des fournisseurs dont Google ont soutenu des normes d'interopérabilité ouvertes telles que le protocole Agent2Agent, que Google a introduit en 2025 avec des dizaines d'entreprises partenaires pour permettre aux agents d'IA de différents fournisseurs d'échanger des informations.

Selon Clark, les systèmes capables de se connecter à d'autres systèmes sont centraux pour la réussite des applications d'IA génératives et agentiques. Pour qu'un agent d'IA réussisse dans un contexte de service client, par exemple, les entreprises ont besoin d'interopérabilité avec des systèmes disparates.

« Dans beaucoup de centres d'appels, les gens font les choses très manuellement, sans utiliser d'API ni d'autres outils lorsqu'ils résolvent les problèmes des clients », a déclaré Clark. « Cela supposait donc d'avoir soit des agents, soit un autre contexte sur ce qui se passe dans d'autres parties de l'entreprise et la capacité d'agir. »

Le contexte peut aussi être un facteur de différenciation clé entre une application agentique qui fonctionne et une qui ne fonctionne pas, a ajouté Clark.

« Nous voyons le contexte sous forme d'audio et de vidéo, et dans certains cas des choses comme le lidar et d'autres types d'informations, des flux de données financières et d'autres éléments qui aident les agents à prendre des décisions au quotidien », a-t-il déclaré.

Au-delà de l'interopérabilité et du contexte, les entreprises ont également besoin de gouvernance et de confiance — un thème devenu plus pressant à mesure que les régulateurs de l'Union européenne et d'ailleurs introduisent des règles sur l'IA qui imposent des obligations aux entreprises déployant des systèmes d'IA à haut risque.

« En tant qu'entreprise, comprenez très clairement vos objectifs et votre tolérance au risque », a déclaré Clark. « Une fois ce risque identifié, placez un humain dans la boucle pour tout ce qui le dépasse. »