Gemini Spark : J'ai testé l'agent IA proactif de Google

Gemini Spark : J'ai testé l'agent IA proactif de Google

Ma boîte de réception comptait 41 e-mails non lus à 5 h du matin et je n'avais pas touché mon téléphone. Quand je me suis réveillé, 9 d'entre eux avaient déjà des brouillons de réponse prêts dans Gmail, trois conflits de calendrier étaient signalés avec des correctifs proposés, et les 29 autres étaient triés dans une pile « tu peux ignorer ceux-ci » avec une raison d'une ligne à côté de chacun. Je n'ai pas ouvert mon ordinateur portable. Je n'ai pas tapé un seul prompt ce matin-là. Gemini Spark a tout fait pendant que je dormais — parce que la veille, je le lui avais demandé.

C'est la partie qui a reconfiguré mes attentes. Pas la vitesse. L'initiative.

La plupart des assistants IA sont des distributeurs automatiques. Vous insérez un prompt, vous obtenez une réponse, et dès que la conversation se termine, l'outil oublie que vous existez. Gemini Spark est le premier outil grand public que j'ai utilisé qui inverse cette relation — il travaille pour vous, selon un calendrier, à travers vos vraies applications, sans que vous ayez besoin de le superviser. Après une semaine de tests avec mon vrai Gmail, mon vrai agenda et mes vrais Google Docs, j'ai des opinions. Certaines m'ont surpris.

Voici ce que personne ne vous dit dans les démos de lancement : la magie n'est pas dans l'agent. Ce sont les deux interrupteurs que vous activez avant que l'agent fasse quoi que ce soit. Si vous les réglez mal, Spark est un chatbot glorifié. Si vous les réglez bien, ça commence à ressembler à un employé. Je vous montrerai les deux — et le moment où il a essayé d'annuler une réunion que je voulais en fait garder.

Ce qu'est vraiment Gemini Spark (et pourquoi c'est différent)

Gemini Spark est un agent IA proactif, toujours actif, intégré à l'appli Gemini qui exécute des tâches multi-étapes à travers vos apps Google connectées sans attendre que vous lui donniez un prompt à chaque fois. Cette seule phrase le sépare déjà de tout ce que Gemini faisait avant.

Laissez-moi tracer la ligne clairement, car la nomenclature de Google rend ça confus. Le chat Gemini classique est réactif — il attend que vous disiez quelque chose, répond et s'arrête. Gemini Spark est proactif — vous lui confiez une tâche, il va travailler les étapes par lui-même, revient quand il a besoin d'une autorisation et signale quand c'est terminé. Même appli. Posture complètement différente.

Si vous avez suivi où va toute l'industrie, ça ne vous surprendra pas. J'ai écrit plus tôt ce mois-ci sur la course aux super-agents IA entre Codex, Cowork et Gemini — chaque acteur majeur sprinte vers la même ligne d'arrivée : un assistant qui agit au lieu de simplement parler. Spark est le mouvement le plus clair de Google dans cette direction au sein d'une app grand public, pas un terminal de développeur.

La raison pour laquelle cela compte maintenant, mi-2026, c'est le timing. L'année dernière, « l'IA agentique » vivait principalement dans les outils de code et les SDK développeurs. Pour faire travailler un agent sur des tâches enchaînées, il fallait un terminal, une clé API et une tolérance au YAML. Spark traîne cette capacité vers une appli téléphone qui s'ouvre d'un tap, que vos proches non techniques ont déjà installée. C'est le changement. La barrière pour faire tourner un vrai agent est passée de « sait configurer des serveurs MCP » à « sait taper une phrase. »

J'ai passé deux ans à construire des systèmes d'agents dans des essaims d'agents Claude Code et à câbler le SDK Agent d'Anthropic. Alors quand je dis que Spark est accessible, comprenez la barre à laquelle je mesure. C'est le premier outil agentique que je confierais à ma mère en m'attendant à ce qu'elle en tire de la valeur avant le déjeuner.

Mais « accessible » ne veut pas dire « automatique ». Il y a une configuration. Et la configuration est l'endroit où la plupart des gens échoueront silencieusement sans réaliser pourquoi leurs résultats sont médiocres. Laissez-moi vous guider à travers les deux interrupteurs qui décident si Spark est brillant ou inutile.

Les deux interrupteurs que personne ne mentionne dans la démo

Ouvrez Spark et lancez une tâche à froid — sans configuration — et vous obtiendrez quelque chose qui ressemble au Gemini de 2024 avec des étapes en plus. Décevant. J'ai failli le laisser tomber dès la première heure. Puis j'ai trouvé les deux réglages qui propulsent vraiment l'outil.

Interrupteur un : activez l'Intelligence Personnelle (mémoire)

Caché dans vos paramètres d'intelligence personnelle se trouve un interrupteur de mémoire. Désactivé par défaut sur beaucoup de comptes. C'est l'interrupteur le plus important de tout le produit.

Avec la mémoire activée, Spark apprend d'une session à l'autre. Il se souvient que je suis pescétarien. Il se souvient que je voyage en camper truck, pas en voiture de location. Il se souvient à quels clients je réponds dans l'heure et lesquels peuvent attendre vendredi. Rien de tout cela n'a besoin d'être ré-expliqué. L'agent porte du contexte comme quelqu'un qui travaille avec vous depuis un mois.

Avec la mémoire désactivée, chaque tâche commence à zéro. Vous revenez à nourrir du contexte dans un prompt — ce qui annule tout l'intérêt. J'ai testé les deux modes délibérément, en exécutant la même tâche de triage d'e-mails avec la mémoire activée puis désactivée. Avec la mémoire activée, Spark a correctement déprioritisé trois newsletters qu'il avait appris que je n'ouvre jamais. Avec la mémoire désactivée, il a marqué ces mêmes newsletters comme « réponse nécessaire ». Même tâche, même boîte, résultat radicalement différent. La différence était un interrupteur.

Interrupteur deux : connectez vos apps

Spark n'est aussi capable que les apps que vous lui connectez. Connectez Google Workspace — Gmail, Agenda, Docs, Drive — et vous donnez à l'agent la matière première dont il a besoin pour faire du vrai travail. Sautez cette étape et vous avez un agent sans mains.

C'est le compromis qui fera hésiter la plupart des gens, et honnêtement, ils devraient y réfléchir. Vous donnez à un agent IA un accès permanent de lecture et d'action à vos e-mails et votre calendrier. Ce n'est pas rien. Je reviendrai sur la réalité de la vie privée plus tard, car elle mérite une vraie discussion. Pour l'instant, sachez ceci : la profondeur de l'intégration détermine directement la profondeur de ce que Spark peut accomplir. Un agent qui peut lire votre boîte de réception, croiser les données avec votre calendrier et faire des recherches sur le web en une seule tâche opère à un niveau complètement différent d'un chatbot travaillant avec ce que vous collez dedans.

Activez les deux interrupteurs et quelque chose change dans le comportement de l'outil. Il arrête de demander « qu'est-ce que tu veux que j'écrive ? » et commence à demander « j'ai remarqué X — tu veux que je m'en occupe ? » C'est le moment où il passe de chatbot à assistant.

Maintenant laissez-moi vous montrer à quoi ça ressemble avec une vraie tâche que j'ai exécutée, étape par étape.

Regarder Spark trier ma boîte de réception à 5 h du matin

La première tâche sérieuse que j'ai donnée à Spark était celle qui m'a convaincu. Le prompt était presque insultant de simplicité :

« Trouve tous les e-mails des 12 dernières heures et priorise-les. »

Voici ce qu'il en a fait, dans l'ordre :

1. Il a scanné Gmail. Pas seulement les lignes d'objet — il a lu les corps, identifié les expéditeurs qu'il reconnaissait grâce à sa mémoire et regroupé les fils.

2. Il a croisé avec mon agenda. C'est là que ça devenait intéressant. Un e-mail demandant d'« avancer notre appel de jeudi » a été croisé avec mon entrée de calendrier réelle du jeudi. Spark a compris que l'e-mail concernait un événement spécifique qu'il pouvait voir, pas une demande abstraite.

3. Il a cherché des sources pertinentes. Pour un e-mail mentionnant un retard de livraison, Spark a récupéré le contexte de suivi pour me donner une réponse informée plutôt qu'un « laisse-moi vérifier et je reviens vers toi. »

4. Il a séparé l'action du bruit. Les e-mails nécessitant une réponse sont allés dans un groupe. Les e-mails nécessitant un changement de calendrier dans un autre. Tout ce qui était de faible priorité a atterri dans un résumé « ignorés » avec une raison d'une ligne par élément — ce que j'ai adoré, car ça montrait son raisonnement au lieu d'enterrer les choses silencieusement.

5. Il a rédigé les réponses. De vrais brouillons, prêts à envoyer. Dans mon style, plus ou moins. Pas parfaits — j'en ai modifié deux sur neuf — mais la structure et le ton étaient réellement utilisables.

6. Voici la partie qui a gagné ma confiance. Avant de toucher quoi que ce soit de sensible — avant d'annuler un rendez-vous ou de planifier une réunion — il s'est arrêté et a demandé. Un brouillon d'e-mail dans Gmail est inoffensif ; je peux le relire. Mais modifier mon calendrier est une action réelle avec des conséquences. Spark a tracé exactement cette ligne. Il n'a jamais déplacé un événement sans un oui explicite de ma part.

Cette étape de confirmation est la différence entre un outil en lequel j'ai confiance et un que je supprimerais en un jour. J'ai vu assez d'agents foncer et faire quelque chose d'irréversible. L'instinct de Spark de faire une pause au seuil d'une action conséquente est, pour moi, la décision de design la plus importante de tout le produit.

L'état final, chaque matin : une pile de brouillons prêts à envoyer, des ajustements de calendrier proposés mais non exécutés, et un résumé clair de ce qu'il a choisi d'ignorer et pourquoi. À partir d'un prompt d'une ligne. C'est le cycle.

Mais exécuter ça manuellement chaque matin serait lui-même une corvée. Le vrai progrès, c'est que Spark le fasse sans que je le prompte. C'est là qu'interviennent les Skills et la Planification — et là où Spark cesse d'être un tour de magie et commence à être une infrastructure.

Skills : Apprendre à Spark à se répéter

Un Skill est un flux de travail enregistré. Au lieu de retaper « trouve tous les e-mails des 12 dernières heures et priorise-les » chaque jour, je sauvegarde toute la séquence une fois, je lui donne un nom et je l'appelle pour toujours. Voyez-le comme une fonction que vous définissez en langage courant.

Il y a trois façons d'en créer un, et j'ai testé les trois.

Écrivez-le comme des instructions textuelles. Vous pouvez donner à Spark un paragraphe décrivant les étapes souhaitées et il construira un Skill. Idéal quand vous savez déjà exactement ce que vous voulez.

Construisez-le manuellement dans l'interface Skills, étape par étape. Plus de contrôle, un peu plus fastidieux.

Générez-le à partir d'une tâche terminée — c'est celui qui donne l'impression du futur. Après que Spark a terminé mon triage matinal, je lui ai dit : « transforme ça en Skill. » Il a regardé ce qu'il venait de faire et a empaqueté toute la séquence en un flux de travail réutilisable. Sans rien re-spécifier. Il a appris du travail qu'il avait déjà accompli. J'ai nommé le mien « Inbox Manager. »

Cette dernière méthode est celle que je recommanderais à tous. Vous ne concevez pas le flux de travail à l'avance en espérant avoir vu juste. Vous faites la tâche une fois, voyez que ça a fonctionné, puis cristallisez cette exécution réussie exacte en quelque chose de répétable. C'est la différence entre écrire une recette de mémoire et l'écrire après avoir cuisiné le plat et qu'il était parfait.

C'est un modèle que je prêche depuis des années en conception d'agents — le contexte bat la configuration à chaque fois. Les agents qui fonctionnent le mieux ne sont pas ceux avec la configuration initiale la plus élaborée. Ce sont ceux qui apprennent du contexte réel et le transforment en quelque chose de réutilisable. La fonctionnalité « transforme ça en Skill » de Spark est cette philosophie livrée dans une app grand public, et c'est la chose la plus intelligente du produit.

Si vous préférez que quelqu'un conçoive une pile complète de flux de travail agentiques pour votre entreprise — apps connectées, skills personnalisés, tout le pipeline — c'est une grande partie de ce que je fais. Vous pouvez voir le type de projets que j'accepte sur fiverr.com/s/EgxYmWD.

Un Skill est puissant. Mais un Skill que vous devez encore déclencher manuellement n'est que la moitié de la victoire. L'autre moitié, c'est de le faire se déclencher tout seul.

Planification : Le passage de réactif à proactif

Voici d'où vient l'histoire du « 5 h du matin sans toucher mon téléphone. »

Spark vous permet d'attacher un Skill ou une tâche à un horaire ou un déclencheur. Horaire signifie basé sur le temps — exécute mon Skill Inbox Manager chaque matin à 5 h. Déclencheur signifie basé sur un événement — exécute quelque chose dès qu'un nouveau mail arrive, par exemple.

J'ai configuré Inbox Manager pour se déclencher quotidiennement à 5 h. C'est tout. C'était toute la configuration. À partir de ce moment, j'ai complètement arrêté de le prompter. Chaque matin le travail était simplement fait quand je me réveillais, brouillons en attente, conflits de calendrier signalés pour mon approbation.

Google a des Actions Planifiées dans Gemini depuis début 2026 — résumés récurrents, rappels programmés, digests quotidiens d'actualités, ce genre de choses, réservé aux abonnements Pro et Ultra et limité à environ 10 actions à la fois. La version de Spark est nettement plus capable parce que ce qui est planifié n'est pas un simple résumé. C'est un flux de travail agentique multi-étapes qui lit, raisonne, croise les données et rédige des brouillons. La couche de planification est familière. Ce qu'elle planifie ne l'est pas. Dans le cadre de Google, c'est l'un des trois composants centraux de Spark : les Tasks sont les instructions, les Skills sont les flux de travail réutilisables, et les Schedules décident quand ils s'exécutent. Faites fonctionner les trois ensemble et vous avez le produit complet.

Laissez-moi être précis sur pourquoi c'est important, car c'est facile de sous-estimer. Le saut de « IA qui répond quand je demande » à « IA qui fait mon travail récurrent avant même que je sois réveillé » n'est pas incrémental. Il est catégorique. L'un vous fait gagner de la frappe. L'autre supprime la tâche de votre vie. J'ai ressenti ce même changement avec les routines Claude Code qui automatisent les vérifications SEO — une fois qu'un flux de travail tourne selon un horaire sans vous, vous arrêtez d'y penser. Il passe de votre liste de tâches à votre arrière-plan.

Combinez les trois concepts et vous voyez l'architecture clairement. Les Skills rendent un flux de travail réutilisable. La Planification le rend autonome. L'Intelligence Personnelle le rend personnalisé. Empilez les trois et vous avez un agent qui fait votre travail récurrent spécifique, à votre façon, selon son propre horaire. C'est le vrai produit. Tout le reste est de l'emballage.

Le triage de boîte de réception est la démo facile. La tâche qui m'a véritablement impressionné était plus difficile — elle exigeait que Spark synthétise des données dispersées provenant de cinq sources différentes en un ensemble cohérent.

Le test de l'itinéraire : là où Spark a vraiment montré sa force

Je voulais aller au-delà de l'e-mail, alors j'ai donné à Spark quelque chose de désordonné. Je lui ai demandé de me construire un itinéraire d'une journée. Le piège : les informations nécessaires étaient dispersées dans tout mon compte Google, et nulle part de manière pratique.

Regardez d'où il a puisé :

• Un Google Doc avec mes notes vagues et à moitié formées sur un voyage
• Des e-mails contenant des confirmations de réservation et un billet
• Des entrées de calendrier pour des engagements que j'avais déjà ce jour-là
• Le web ouvert pour des choses à faire, des horaires, des lieux
• L'Intelligence Personnelle — il savait déjà que je suis pescétarien et que je voyage en camper truck

Puis il a tout combiné en un itinéraire unique et cohérent, écrit dans un nouveau Google Doc, qui respectait réellement mes engagements de calendrier existants et mes préférences personnelles. Il n'a pas suggéré un steakhouse. Il ne m'a pas dirigé vers un endroit où un camper truck ne peut pas se garer. Il a placé les activités dans les créneaux autour des réunions que je ne pouvais pas déplacer.

C'est la capacité remarquable, et elle mérite d'être nommée précisément : la vraie force de Spark est de synthétiser des données dispersées et déconnectées, plus tout ce qu'il sait déjà sur vous, en un résultat personnalisé et actionnable. N'importe quel chatbot peut écrire un itinéraire générique. Presque aucun ne peut lire vos vrais e-mails de réservation, voir votre vrai calendrier, se souvenir de votre vrai régime alimentaire et produire un plan qui respecte les trois à la fois.

C'est la capacité qui fait qu'un agent ressemble moins à une barre de recherche et plus à un assistant qui a fait attention. Il ne génère pas à partir de rien. Il génère à partir de votre vie, assemblée à partir de fragments que vous aviez oublié être connectés.

Si c'est le plafond pour une tâche personnelle, je voulais savoir jusqu'où ça va pour du vrai travail. Alors je lui ai donné une tâche enchaînée, à plusieurs étapes.

Le test de travail multi-étapes : rechercher, créer, livrer

Le dernier test sérieux que j'ai fait était un flux complet de gestion de contenu, et c'est celui qui m'a fait me rasseoir. J'ai demandé à Spark d'analyser la performance d'une chaîne YouTube et d'en faire un rapport.

Il a enchaîné ce qui suit, tout seul :

Il a cherché. Spark a extrait des données de performance à partir de fichiers dans mon Google Drive et d'e-mails pertinents, rassemblant les chiffres bruts et le contexte.

Il a créé. À partir de cette analyse, il a construit un rapport — puis a transformé les conclusions clés en de vraies Google Slides. Pas un résumé textuel. Un vrai deck de diapositives structuré.

Il a communiqué. Ensuite, il a rédigé un e-mail pour envoyer ces slides à un second compte, emballant le tout pour la livraison.

Recherche → création de contenu → communication. Trois étapes distinctes, trois apps Google différentes, une tâche enchaînée. C'est la forme du vrai travail de connaissance, et Spark a parcouru toute la chaîne sans que j'intervienne entre les étapes.

Je veux être mesuré ici. Les slides n'étaient pas de qualité agence — je ne les enverrais jamais à un client sans une relecture. Le rapport était solide mais générique par endroits. Ce n'est pas du « licencie ton analyste ». Mais comme premier brouillon d'un livrable complet multi-étapes, produit à partir d'une seule instruction à travers trois apps ? C'est une capacité véritablement nouvelle dans une app grand public. Le goulot d'étranglement passe de « faire le travail » à « relire et peaufiner le travail », ce qui est un bien meilleur usage de votre temps.

Pour les équipes qui veulent ce type d'automatisation multi-étapes construite et maintenue professionnellement — connectée à vos vraies sources de données, avec des garde-fous adaptés à votre entreprise — c'est exactement le travail que Ramlit Limited accepte. Spark est un excellent point d'entrée grand public ; des pipelines agentiques de production pour une entreprise sont un problème d'ingénierie différent.

Ça fonctionne donc. La question honnête : devez-vous lui faire confiance ? Voici le vrai bilan, y compris le moment où il a failli me causer un problème.

Parlons franchement : où Spark m'a inquiété

Je n'écris pas des avis qui ne listent que les bons côtés. Voici le bilan honnête après une semaine.

Le moment où ça a failli mal tourner. Pendant le test de boîte de réception, un e-mail mentionnait en passant « on saute le sync de jeudi. » Spark a interprété ça comme une demande d'annuler l'événement de calendrier et l'a mis en file pour mon approbation. Problème : ce « sync » était une réunion que je voulais absolument garder — l'expéditeur était sarcastique. Si Spark avait exécuté automatiquement les changements de calendrier, il aurait annulé une réunion dont j'avais besoin. Il ne l'a pas fait, grâce à l'étape de confirmation que j'ai louée plus tôt. C'est toute la raison pour laquelle la conception humain-dans-la-boucle est non négociable. L'agent va mal lire l'intention parfois. Le garde-fou est ce qui vous sauve. Ne laissez jamais un agent de ce type agir sur des actions irréversibles sans confirmation.

Le compromis de vie privée est réel, et vous devriez y réfléchir. Pour obtenir le meilleur, vous donnez à un agent IA un accès permanent à vos e-mails, calendrier et documents. Ce n'est pas rien. Je suis à l'aise avec ça pour mes propres comptes après avoir lu quelles données l'Intelligence Personnelle conserve, mais je réfléchirais sérieusement avant de connecter un agent Spark à un Workspace d'entreprise sensible sans comprendre les politiques de données de votre organisation. La commodité est réelle. L'exposition aussi. Les deux sont vraies en même temps.

La mémoire coupe dans les deux sens. L'Intelligence Personnelle est ce qui donne à Spark l'air intelligent — et c'est aussi un profil croissant de vos habitudes, préférences et schémas vivant dans les systèmes de Google. Si ça vous met mal à l'aise, vous pouvez désactiver la mémoire, mais alors vous avez un produit bien plus faible. Il n'y a pas de repas gratuit ici, et je respecte d'autant plus l'outil qu'il ne prétend pas le contraire.

Les brouillons ont encore besoin d'un humain. Deux brouillons d'e-mails sur neuf avaient besoin d'une vraie modification. L'itinéraire nécessitait un ajustement. Les slides avaient besoin de peaufinage. Spark est un phénoménal premier rédacteur et un piètre rédacteur final. Traitez sa production comme un point de départ à 70 %, pas comme un produit fini, et vous serez satisfait. Traitez-le comme fini et appuyez sur envoyer à l'aveugle, et il finira par vous embarrasser.

Ce n'est pas un agent développeur. Si vous voulez un agent qui écrit et livre du code de production, ce n'est pas cet outil — allez plutôt voir les six niveaux de maîtrise de Claude Code. Spark vit dans la couche productivité : e-mail, calendrier, documents, recherche, présentations. Sachez quel problème vous résolvez avant de choisir l'outil.

Aucun de ces points n'est rédhibitoire pour moi. Ce sont les coûts normaux du fonctionnement d'un vrai agent. Les outils qui prétendent que ces compromis n'existent pas sont ceux auxquels je ne fais pas confiance.

L'interface de tâches : comment Spark vous dit ce qu'il fait

Un agent qui travaille en arrière-plan a besoin d'un moyen de vous montrer son état sans vous harceler. L'interface de tâches de Spark est discrètement l'une des parties les mieux conçues du produit, et il m'a fallu quelques jours pour apprécier pleinement le système.

Chaque tâche que Spark exécute obtient un indicateur de statut, et le système est très simple une fois appris :

• Aucun indicateur signifie que la tâche est terminée et que vous avez déjà vu le résultat. Fait et classé, rien à faire.
• Un point bleu plein signifie que la tâche est terminée mais vous n'avez pas encore vu le résultat. C'est votre signal « va vérifier » — les brouillons sont prêts, le rapport est construit, venez le revoir.
• Un état « nécessite une saisie » signifie que Spark est bloqué et attend votre permission. C'est la porte de confirmation que je ne cesse de louer — l'agent a fait une pause au seuil d'une action conséquente et ne continuera pas sans votre accord.

Pourquoi un indicateur à trois états est-il important ? Parce que le mode d'échec des agents en arrière-plan est l'opacité. Si vous ne pouvez pas voir ce que l'agent a fait, ce qui vous attend et sur quoi il est bloqué en vous attendant, vous perdez confiance vite et retournez tout faire manuellement. J'ai abandonné des outils d'agents pour exactement cette raison — ils faisaient du travail que je ne pouvais pas voir, et le ne-pas-savoir était pire que l'effort manuel.

Les trois états de Spark correspondent proprement aux trois questions que vous avez vraiment : C'est fait ? Dois-je regarder ? Ça m'attend ? Répondez à celles-ci d'un coup d'œil et l'agent reste digne de confiance. C'est une petite décision d'interface qui fait un travail énorme pour la relation entre vous et l'outil. Un bon design d'agent consiste principalement à rendre l'état interne de l'agent lisible pour un humain, et Spark y excelle.

Il y a un principe plus profond qui mérite d'être nommé. La raison pour laquelle je fais confiance à Spark avec ma boîte de réception n'est pas qu'il ne fait jamais d'erreurs — je vous ai montré plus tôt qu'il en fait. C'est que le système rend ses erreurs visibles et réversibles. Un brouillon de réponse que je peux lire avant d'envoyer. Un changement de calendrier que je dois approuver. Un indicateur de statut qui me dit de venir regarder. Visibilité plus réversibilité égale confiance. La vitesse seule, jamais.

Tout exécuter depuis votre téléphone : la partie cloud-native

Voici un détail facile à survoler mais qui compte vraiment : Spark tourne entièrement dans le cloud. Aucun ordinateur portable n'a besoin d'être ouvert. Aucune machine n'a besoin d'être allumée.

Pensez à ce que ça signifie pour mon histoire de 5 h. Quand Inbox Manager s'est déclenché à cinq heures du matin, mon portable était fermé, mon PC éteint, et mon téléphone était sur la table de nuit à ne rien faire. Spark n'avait besoin d'aucun de mes appareils. Tout le flux — scanner Gmail, croiser avec l'Agenda, rédiger des réponses — s'est exécuté sur l'infrastructure de Google pendant que chaque appareil que je possède était au repos.

C'est un vrai avantage architectural par rapport aux configurations d'agents qui dépendent de votre machine locale. J'ai fait tourner beaucoup d'agents qui ne fonctionnent que tant qu'une session terminal reste active — fermez le portable et l'agent meurt en pleine tâche. Spark n'a pas cette dépendance. Planifiez-le, partez, et il tourne quel que soit l'état de vos appareils.

L'envers c'est la continuité mobile. Comme tout vit dans le cloud, Spark se synchronise parfaitement entre vos appareils. Je peux lancer une tâche depuis l'appli mobile Gemini dans le train, vérifier le résultat sur mon ordinateur au bureau, et approuver un changement de calendrier depuis mon téléphone au déjeuner. L'agent se moque de l'écran que vous regardez — la tâche vit dans le cloud, et chaque appareil n'est qu'une fenêtre dessus.

Pour quiconque a essayé de construire un système d'automatisation personnel, vous savez que c'est normalement la partie difficile. Faire tourner un flux de travail 24 h/24 signifie normalement un VPS, une tâche cron, un gestionnaire de processus et une tolérance pour les choses qui meurent silencieusement à 3 h du matin. J'ai écrit sur le fonctionnement de harnesses d'agents longue durée et la pénibilité opérationnelle est réelle. Spark vous offre une exécution cloud-native, toujours active, avec zéro infrastructure de votre côté. Pour une app grand public, c'est un sérieux morceau d'ingénierie qui fait son travail discrètement.

Vous avez donc un agent proactif, des Skills réutilisables, une planification autonome, une interface de tâches lisible et une exécution cloud qui n'a pas besoin de votre matériel. Empilez tout ça et vous commencez à voir pourquoi je continue d'appeler ça le pont entre les chatbots et les vrais agents.

Où se situe Spark entre un chatbot et un vrai agent

Positionnons Spark précisément sur le spectre, car « c'est un agent IA » est trop vague pour être utile et le battage médiatique vous dira qu'il est plus avancé qu'il ne l'est.

À un bout vous avez les chatbots purs — réactifs, sans état, vous oubliant dès que vous fermez l'onglet. À l'autre bout vous avez les agents entièrement autonomes — le type que je construis dans les essaims d'agents Claude Code qui enchaînent des dizaines d'étapes, écrivent et exécutent du code, et opèrent avec une configuration profonde. Spark atterrit délibérément au milieu, et ce positionnement est tout le propos.

C'est plus qu'un chatbot parce qu'il agit proactivement, se souvient de vous, enchaîne plusieurs étapes et tourne selon un horaire sans prompt. C'est moins qu'un agent développeur complet parce qu'il reste dans la couche productivité, garde un humain dans la boucle pour les actions conséquentes, et troque la puissance brute contre l'accessibilité. Ce juste milieu est exactement là où la plupart des gens vivent. La grande majorité n'a pas besoin d'un agent qui livre du code de production. Ils ont besoin d'un qui gère leur boîte de réception, leur calendrier et leur travail routinier récurrent — et ils en ont besoin à un tap de distance, pas à un terminal de distance.

C'est le même changement que j'ai décrit dans comment les assistants IA deviennent des opérateurs agentiques au sein des organisations : l'agent cesse d'être quelque chose que vous consultez et devient quelque chose qui opère en votre nom. Spark est cette idée, miniaturisée et livrée dans une appli téléphone que toute votre famille a déjà. La configuration est intentionnellement minimale, mais elle est puissante précisément grâce aux apps connectées et à la couche mémoire en dessous. Retirez-les et il retombe à un chatbot. Connectez-les et il opère comme un assistant junior.

C'est l'évaluation honnête. Spark ne va pas remplacer la pile d'agents d'un développeur, et il n'essaie pas. Il apporte une vraie capacité agentique aux 99 % de personnes qui n'ouvriraient jamais un terminal — et ça, franchement, c'est plus important qu'un outil de plus pour les utilisateurs avancés.

Ce qui a réellement changé dans ma semaine

Laissez-moi faire attention à ne pas inventer des chiffres que je n'ai pas mesurés. Je ne vais pas vous dire que Spark m'a rendu « 10 heures par semaine » — je n'ai pas utilisé de chronomètre, et vous ne devriez croire personne qui vous donne un chiffre suspicieusement rond.

Ce que je peux vous dire honnêtement : le rituel matinal de la boîte de réception qui engloutissait habituellement la première partie de ma journée a cessé d'être quelque chose que je faisais. Je me suis réveillé avec des brouillons et des décisions au lieu d'un mur de mails non lus. La charge mentale de « je dois traiter ma boîte de réception » a simplement quitté ma tête, parce que c'était déjà géré quand je reprenais conscience. C'est le changement qui vaut la peine d'être décrit — pas un chiffre, une tâche supprimée.

Le mécanisme est la preuve, pas une métrique. Parce que Spark scanne, priorise, rédige et attend l'approbation selon son propre horaire, le travail quitte véritablement votre assiette pour celle de l'agent. Ce n'est pas un hack de productivité. C'est une catégorie de tâches qui disparaît de votre journée. Vous devriez vous attendre à ce changement spécifique si vous le configurez correctement — mémoire activée, apps connectées, un Skill planifié.

Comment savoir si ça fonctionne ? Test simple : après quelques jours, remarquez-vous que vous n'ouvrez pas Gemini pour démarrer votre routine matinale, parce que la routine a déjà tourné ? Si oui, ça fonctionne. Si vous le promptez encore manuellement chaque matin, vous avez sauté l'étape de planification et vous utilisez une fraction de ce pour quoi vous payez.

Fixez des attentes réalistes sur le timing. Le premier jour vous bidouillerez la configuration et serez probablement peu impressionné. Au jour trois, une fois que la mémoire a un peu appris et que votre premier Skill est planifié, ça fait tilt. Donnez-lui une semaine avant de juger. Les agents qui apprennent du contexte s'améliorent notablement avec quelques jours d'utilisation réelle — c'est tout l'intérêt de l'Intelligence Personnelle.

Devriez-vous vraiment utiliser Gemini Spark ?

D'abord, la barrière d'entrée. Fin mai 2026, Spark est réservé à Google AI Ultra, uniquement aux États-Unis, 18 ans et plus. Si vous n'avez pas Ultra, ce n'est pas une situation « essaye ce soir » — c'est « décidez si l'abonnement à 99,99 $/mois en vaut la peine pour vous. » La bonne nouvelle est que ce prix est moins de la moitié de ce que coûtait Ultra il y a un mois, et l'abonnement inclut bien plus que Spark (génération d'images Nano Banana 2, contrôle de navigateur Project Mariner, 20 To de stockage, YouTube Premium). La fonctionnalité Daily Brief que Google a lancée aux côtés de Spark — un résumé matinal automatique de votre calendrier, e-mails et actualités — est un aperçu plus léger de la même philosophie proactive si vous voulez sentir la direction sans l'agent complet.

Si vous passez cette barrière et que vous vivez dans Google Workspace — Gmail, Agenda, Docs, Drive — et que vous avez du travail routinier multi-étapes récurrent, Spark est la rampe d'accès la plus facile vers une vraie automatisation agentique que j'ai trouvée dans une app grand public. La configuration se résume à deux interrupteurs et un Skill planifié. La récompense est un travail récurrent qui se fait tout seul.

Si votre travail est principalement en dehors de l'écosystème de Google, ou que vous avez besoin d'un agent pour du code, ou que vous ne pouvez pas donner à une IA un accès permanent à des comptes sensibles, la valeur chute drastiquement. Soyez honnête avec vous-même sur le camp auquel vous appartenez.

Vous vous souvenez de cette boîte de réception de 5 h avec laquelle j'ai ouvert ? Les 41 e-mails non lus que je n'ai jamais touchés ? Ce n'est pas une démo mise en scène. C'est juste mardi maintenant. Ce qui était la partie la plus fastidieuse de mon matin est devenu quelque chose qui m'arrive au lieu de quelque chose que je fais. Et le seul travail que j'ai fait pour rendre ça possible a été d'activer deux interrupteurs et de planifier un Skill la veille au soir.

Voici le défi que je vous lance. Si vous êtes sur Google AI Ultra aux États-Unis, faites ceci dans les 24 prochaines heures : ouvrez l'appli Gemini, activez l'Intelligence Personnelle, connectez votre Workspace, et lancez une vraie tâche — votre vraie boîte de réception, pas un prompt de test. Dites ensuite à Spark de la transformer en Skill et planifiez-le pour demain matin. Allez dormir. Voyez ce qui vous attend au réveil. (Pas d'Ultra ? Activez Daily Brief à la place et ressentez la version allégée de la même idée.) Cette seule expérience vous en apprendra plus sur la direction que prennent les assistants IA que n'importe quel avis que je pourrais écrire — y compris celui-ci.

L'ère de l'IA qui attend que vous demandiez touche à sa fin. L'ère de l'IA qui a déjà fait le travail est là. Spark est le signe le plus clair que j'ai vu que la frontière entre « chatbot » et « collègue » est plus mince que la plupart des gens ne le pensent.

Questions fréquemment posées

Qu'est-ce que Gemini Spark et en quoi est-il différent du Gemini classique ?

Gemini Spark est un agent IA proactif, 24 h/24, intégré à l'appli Gemini, construit sur Gemini 3.5, qui exécute des tâches multi-étapes de manière autonome à travers vos apps Google connectées — tandis que le chat Gemini classique ne répond que quand vous lui donnez un prompt. La différence centrale est l'initiative : dans Spark, vous assignez des tâches que l'agent exécute de façon autonome, plutôt que de poser des questions une par une. Voir « Ce qu'est vraiment Gemini Spark » ci-dessus pour l'explication complète.

Combien coûte Gemini Spark et qui peut l'utiliser ?

Gemini Spark est inclus dans l'abonnement Google AI Ultra, que Google a réduit à 99,99 $ par mois à l'I/O 2026 (contre 249,99 $). Au lancement, il est disponible uniquement pour les abonnés Ultra aux États-Unis, 18 ans et plus, plus certains utilisateurs professionnels, avec un déploiement plus large prévu ultérieurement. Voir « Devriez-vous vraiment utiliser Gemini Spark ? » ci-dessus.

Comment configurer Gemini Spark correctement ?

Activez la mémoire dans vos paramètres d'Intelligence Personnelle pour que Spark apprenne vos préférences, puis connectez vos apps Google Workspace pour qu'il puisse lire votre Gmail, Agenda, Docs et Drive. Ces deux interrupteurs déterminent si Spark se comporte comme un vrai agent ou juste un chatbot. Le guide complet est dans « Les deux interrupteurs que personne ne mentionne » ci-dessus.

Que sont les Skills dans Gemini Spark ?

Les Skills sont des flux de travail enregistrés qui permettent à Spark de répéter des tâches complexes multi-étapes sans que vous retapiez les instructions. Vous pouvez les écrire en texte, les construire manuellement, ou — le mieux — terminer une tâche et dire à Spark de « transformer ça en Skill. » Associez un Skill à un horaire et il s'exécute automatiquement. Détails dans la section « Skills » ci-dessus.

Gemini Spark peut-il exécuter des tâches automatiquement selon un horaire ?

Oui, Spark peut exécuter des Skills et des tâches selon un horaire temporel (comme chaque matin à 5 h) ou sur des déclencheurs d'événements (comme quand un nouveau mail arrive). C'est ce qui le transforme d'un assistant réactif en un agent proactif qui complète le travail récurrent avant votre réveil. Voir « Planification » ci-dessus pour ma configuration.

Est-il sûr de donner accès à Gemini Spark à mes e-mails et mon calendrier ?

Spark exige une confirmation avant toute action sensible ou irréversible, comme annuler une réunion ou planifier un événement, ce qui est une solide conception de sécurité. Cela dit, vous accordez à un agent IA un accès permanent à vos e-mails et votre calendrier, donc pesez la commodité contre l'exposition — surtout pour des comptes d'entreprise sensibles. Je couvre le compromis complet de vie privée dans « Parlons franchement » ci-dessus.

Travaillons ensemble

Vous cherchez à construire des systèmes IA, automatiser des flux de travail ou faire évoluer votre infrastructure technologique ? J'adorerais vous aider.

• Fiverr (développement sur mesure et intégrations) : fiverr.com/s/EgxYmWD
• Portfolio : mejba.me
• Ramlit Limited (solutions entreprise) : ramlit.com
• ColorPark (design et branding) : colorpark.io
• xCyberSecurity (services de sécurité) : xcybersecurity.io