Google Opal introduit une étape d’agent et trois outils clés

Opal, l’atelier no‑code de Google pour assembler des applications IA, ne se limite plus à des flux prédéfinis. Une nouvelle étape d’agent choisit modèles et outils à l’exécution, s’appuie sur une mémoire persistante, peut dévier son parcours et interroger l’utilisateur. Cette évolution s’accompagne d’un catalogue de modèles élargi et d’un ancrage sur Google for Developers.

Un cas d’usage: un coach d’entretien qui s’adapte et se souvient

Un exemple d’application concrétise le changement : un coach de préparation à l’entretien construit avec Opal. L’outil prend une description de poste et un CV, pose une question de clarification si un élément important manque, décide s’il doit chercher sur le web des informations spécifiques au rôle et génère un document de préparation personnalisé. Il retient aussi le rôle ciblé et le niveau d’expérience de l’utilisateur pour une visite ultérieure. La nécessité d’une question de suivi dépend de ce que l’utilisateur soumet, celle d’une recherche web dépend du rôle ou de l’entreprise et de la connaissance du modèle, et le passage direct à la génération dépend de la connaissance préalable de l’utilisateur par l’application. Ces besoins correspondent respectivement à Mémoire, au routage dynamique et au Chat interactif.

L’option Agent permet de choisir dynamiquement modèles et outils

Jusqu’ici, l’étape Générer imposait de choisir un modèle comme Gemini pour le texte ou Imagen pour l’image et d’exécuter une invite, toujours de la même manière et dans l’ordre câblé. Avec l’option Agent, on fournit un objectif et le système détermine, au moment de l’exécution, quel modèle ou outil le sert le mieux. L’agent peut, par exemple, s’appuyer sur les capacités de raisonnement de Gemini pour organiser les étapes, recourir à un outil de recherche web lorsque des données récentes sont requises, ou activer un modèle d’image ou de vidéo si cela correspond à la demande. Google décrit cette évolution comme une transition d’un enchaînement prédéfini et configuré à la main vers une automatisation orchestrée par un agent, nécessitant une configuration moindre. Dans la pratique, alors qu’un générateur d’histoires imposait auparavant de fixer à l’avance le nombre de pages et les instructions associées puisque seules les étapes programmées étaient exécutées, l’agent se contente d’un objectif comme rédiger et illustrer une histoire pour enfants en cinq pages sur un cerf-volant perdu, en extrait les éléments nécessaires, propose des rebondissements et adapte le déroulé au fur et à mesure de la génération.

Mémoire, routage et chat enrichissent les capacités de l’agent

Trois briques rendent l’étape d’agent réellement flexible. Mémoire permet de conserver, d’une session à l’autre, des informations comme un nom, une préférence ou un détail déjà communiqué, et de les récupérer automatiquement. Le routage dynamique, via l’outil @ Aller à, autorise l’agent à choisir sa prochaine étape à l’exécution, plutôt que de suivre un unique chemin prédéfini, et à orienter le flux selon les données fournies. Enfin, le chat interactif introduit la possibilité de faire une pause pour poser une question ou proposer un choix à l’utilisateur avant de reprendre, là où les versions précédentes d’Opal se limitaient aux données collectées au départ par l’étape Entrée utilisateur.

Un catalogue de modèles élargi pour couvrir texte, image, audio et vidéo

La palette de modèles disponibles dans Générer s’est substantiellement étendue au‑delà de Gemini, Imagen et Veo. Le sélecteur propose une sélection dynamique de modèles et d’outils selon un objectif déclaré, des tâches textuelles et de raisonnement quotidiennes, des scénarios de raisonnement plus complexes et multi‑étapes, ainsi que l’édition et la génération d’images, y compris des visuels complexes nécessitant un texte précis. Il inclut aussi la synthèse texte‑vers‑parole, la génération texte‑vers‑vidéo et image‑vers‑vidéo, et la création de musique instrumentale. Un agent qui choisit son chemin tire d’autant mieux parti de cette diversité lorsqu’une véritable gamme de modèles spécialisés est disponible.

Cadre et calendrier: Opal passe par Google Labs avant Developers

L’étape d’agent a été lancée en février 2026, marquant une rupture avec le modèle en trois étapes Entrée utilisateur, Générer et Sortie. Opal, d’abord apparu en juillet 2025 dans le catalogue expérimental de Google Labs, dispose désormais d’un foyer officiel sur Google for Developers. Google Labs est présenté comme un espace où l’entreprise teste des idées susceptibles d’être ou non conservées. L’intégration au site des développeurs est généralement interprétée comme un signe d’engagement à long terme, et le rythme de diffusion de nouvelles fonctionnalités depuis ce changement est mis en avant comme un indice supplémentaire.

Mise en œuvre: de l’invite initiale au branchement des outils

La construction du coach d’entretien commence par Créer nouveau et la rédaction d’une invite détaillée décrivant collecte des données, besoin éventuel de clarification, recherche si nécessaire et génération d’un document, avec mémorisation du rôle et du niveau. Opal traduit cette description en un flux initial composé d’Entrée utilisateur, d’une génération basée sur un agent et d’une Sortie, avant affinage manuel du câblage. L’étape Entrée utilisateur est configurée pour capturer la description en texte et le CV en fichier, avec des paramètres avancés permettant d’accepter un fichier ou tout type d’entrée pour autoriser texte collé ou document. L’étape de génération est réglée sur Agent et emploie une invite orientée objectif pour identifier rôle, entreprise et séniorité ; si un élément manque, l’agent interroge l’utilisateur, recherche des questions d’entretien courantes spécifiques au rôle si le contexte fait défaut et génère un document contenant des questions probables, des points de discussion issus de l’expérience du candidat, et deux ou trois questions à poser. La frappe de @ dans l’invite ouvre le menu pour attacher Mémoire et Chat interactif. Les applications ainsi produites restent partageables par lien public, sans serveur ni déploiement, et bénéficient de l’éditeur, de l’aperçu, de la Console et de l’historique des versions, avec la traduction d’objectifs en flux visuels éditables.