Présentation des services Live
Google a annoncé la mise à disposition de trois assistants vocaux baptisés Docs Live, Gmail Live et Keep Live. Présentés en aperçu lors de la conférence I/O de mai, ils sont intégrés aux applications Docs, Gmail et Keep et reposent sur le modèle Gemini. L’utilisateur peut formuler des requêtes en langage naturel, obtenir une transcription en temps réel et laisser l’IA générer ou résumer du contenu sans toucher le clavier.
Gmail Live permet d’interroger l’assistant Gemini sur le contenu d’une boîte de réception : recherche de messages, extraction d’informations ou rédaction de réponses, le tout affiché sous forme de texte en direct. Docs Live accepte des consignes verbales pour créer un premier brouillon, puis enrichit le texte en puisant dans Gmail, Drive, Chat et le web. Keep Live se comporte comme un bloc‑note vocal, capable de compiler des listes ou des recettes à partir d’instructions simples.
Architecture technique et modèle Gemini
Les trois services utilisent le modèle Gemini 3.5 Transcribe, lancé en août pour les cas d’usage de reconnaissance vocale. Ce modèle fournit un flux de transcription en streaming via une API interne, probablement basée sur gRPC, qui alimente l’interface utilisateur en temps réel. En parallèle, le même moteur de langage Gemini génère les réponses textuelles, ce qui implique une orchestration entre le composant de speech‑to‑text et le composant de génération de texte.
Docs Live montre une intégration multi‑source : lorsqu’une consigne mentionne « récupérer les chiffres du dernier rapport dans Drive », le service déclenche des appels API vers Drive, extrait le fichier, le parse et injecte le contenu dans le contexte du modèle Gemini avant de produire le texte final. Cette chaîne de traitement nécessite une gestion fine des latences et des autorisations d’accès aux données utilisateur.
Impacts, contraintes et limites
Le déploiement cible les abonnés Google AI Plus, Pro et Ultra : Gmail Live est accessible aux trois niveaux, tandis que Docs Live et Keep Live sont réservés aux niveaux Pro et Ultra. La disponibilité initiale est limitée à l’anglais sur iOS et Android, avec une extension prévue aux clients Workplace Business. Cette restriction linguistique réduit l’impact immédiat sur les marchés non anglophones.
Sur le plan de la confidentialité, chaque interaction vocalise le contenu des e‑mails ou des documents vers les serveurs Gemini, ce qui soulève des questions de protection des données sensibles. De plus, la qualité de la transcription dépend de la bande passante et du bruit ambiant ; les erreurs de reconnaissance peuvent entraîner des réponses inexactes ou des drafts mal formulés. Enfin, la dépendance à un modèle propriétaire limite la transparence sur les algorithmes de filtrage et de modération.
