
The Future Of Google Search, Maps And AI Agents
Audio Summary
AI Summary
Voici un résumé de la vidéo en français :
Dans cet épisode du podcast, nous explorons l'impact de l'intelligence artificielle (IA) sur des produits numériques majeurs comme Google Search, et ce que cela révèle sur l'avenir de la découverte d'informations, la confiance et l'IA à grande échelle. L'invité, Nick Fox, vice-président senior des produits de connaissance et d'information chez Google, partage sa vision sur la manière dont Google repense ses produits phares tels que Search, Maps, la publicité et le développement de produits dans un monde marqué par les modèles de raisonnement, l'IA "agentic" et les expériences plus personnalisées et contextuelles.
**Passer de l'IA en phase pilote à l'IA à l'échelle : les leçons de Google**
Nick Fox souligne que l'IA doit être intégrée de manière intentionnelle, pas pour elle-même, mais pour améliorer concrètement les produits. Pour des produits comme Search et Maps, qui sont au cœur de l'information, les grands modèles linguistiques (LLM) et l'IA générative sont particulièrement pertinents. L'IA permet aux utilisateurs de poser des questions qu'ils n'auraient jamais pu formuler auparavant, ouvrant la voie à des requêtes beaucoup plus spécifiques et nuancées. Il donne l'exemple d'une recherche pour une carte mémoire spécifique pour un routeur Unifi, où l'IA a pu comprendre les spécifications techniques et l'usage prévu (stockage d'enregistrements de caméra) pour recommander le produit le plus adapté, une amélioration significative par rapport à une recherche vague comme "carte mémoire".
**L'IA comme opportunité, pas comme menace**
Google ne considère pas les avancées de l'IA comme une menace, mais comme une nouvelle vague de croissance, à l'instar des révolutions technologiques passées comme le mobile ou les technologies AJAX. L'IA enrichit les produits en leur permettant de faire des choses inédites. Pour accompagner les utilisateurs et l'écosystème dans cette transition, Google utilise une approche progressive :
1. **Amélioration interne des systèmes de classement** : intégration discrète de l'IA pour optimiser les résultats existants.
2. **"Dogfooding" et tests internes** : utilisation de l'IA par les employés pour identifier et corriger les problèmes.
3. **Phases de test externes limitées** : déploiement dans des environnements "Labs" auprès d'utilisateurs pionniers pour recueillir des retours.
4. **Expérimentations à petite échelle** : introduction auprès d'un faible pourcentage d'utilisateurs (0,1%, 1%, 5%) pour analyser l'adoption, la satisfaction et les points de friction.
5. **Déploiement progressif** : une fois que l'impact est bien compris et maîtrisé, le produit est rendu disponible à 100% des utilisateurs.
Cette méthodologie permet d'innover tout en s'assurant que les utilisateurs sont accompagnés, que leur appétit est satisfait et que les changements sont bien reçus.
**Quand l'IA répond directement et quand elle propose des liens : l'approche hybride de Google**
Google vise à ne pas forcer les utilisateurs à choisir entre un chatbot et un moteur de recherche, mais à combiner la puissance de l'IA (raisonnement, résumé) avec l'immensité du web. Pour les requêtes simples et factuelles (comme un score de match), la réponse directe est évidente. Pour les requêtes visant un site web spécifique (comme le site de la BBC), un lien direct est privilégié.
C'est dans la zone grise que réside l'approche de Google : proposer à la fois des réponses IA et des liens web. Le comportement des utilisateurs (clics, temps passé sur la page) permet d'affiner ce qui est le plus utile pour différents types de requêtes. L'IA est utilisée pour analyser comment les utilisateurs interagissent avec l'IA, créant une boucle d'amélioration continue. Cette capacité à classer et présenter différents types d'informations (cartes, cotations boursières, actualités) est une expertise de longue date de Google, étendue désormais aux réponses IA.
**Le pouvoir du raisonnement : une nouvelle ère pour les questions complexes**
La capacité de raisonnement des modèles d'IA est considérée comme le plus grand bond en avant, particulièrement pour des produits comme Search et AI Overviews/AI Mode. L'IA peut désormais décomposer une requête complexe en de multiples sous-requêtes pour mieux comprendre l'intention de l'utilisateur. L'exemple d'une recherche pour le "meilleur endroit pour voir le coucher du soleil" illustre cela : l'IA doit raisonner sur la localisation de l'utilisateur, l'heure actuelle, le temps restant avant le coucher du soleil, les distances de trajet potentielles et les recommandations de sites web. Ce raisonnement permet de répondre à des questions naturelles et pertinentes que les utilisateurs ont toujours eues en tête mais qu'ils ne pouvaient pas formuler efficacement auparavant.
**L'évolution de la publicité à l'ère de l'IA**
Les principes fondamentaux de la publicité chez Google restent : les publicités doivent être clairement marquées, indiquées et séparées. La clé du succès a toujours été la pertinence des publicités, qui bénéficie à la fois aux annonceurs et aux utilisateurs. L'IA améliore la capacité de prédiction de la performance des publicités, permettant de proposer des annonces plus pertinentes et plus susceptibles de convertir. Les modèles Gemini apportent une amélioration significative dans cette prédiction, même pour des requêtes inédites. L'IA ne façonne pas les réponses organiques, mais peut proposer des liens vers des produits ou services pertinents, comme dans le cas de la recherche d'un hôtel ou d'un remède pour nettoyer un tapis.
**L'avenir du contenu en ligne : coexistence avec l'IA**
Nick Fox se définit comme un "optimiste du web", affirmant que les gens souhaitent toujours lire, approfondir et explorer des sujets. L'IA peut fournir un résumé initial, mais pour les questions importantes, les utilisateurs cherchent souvent à explorer davantage via des articles, des vidéos, etc. Il ne voit pas un monde binaire entre l'IA et le web, mais une combinaison. Google investit dans des expériences qui réduisent la friction pour cliquer sur des liens, comme la nouvelle expérience de lien dans AI Mode dans Chrome, qui affiche le contenu dans un panneau à côté de la réponse IA. L'objectif est de favoriser la circulation vers le web, ce qui est bénéfique à la fois pour les utilisateurs et pour l'écosystème du web.
**L'IA agentic : vers une assistance plus proactive**
L'IA agentic, capable d'effectuer des tâches pour l'utilisateur, est une évolution majeure. L'IA Mode de Google effectue déjà des "query fan-out" complexes. Une fonctionnalité clé est le service de réservation agentic, qui peut interroger plusieurs plateformes de réservation pour trouver une disponibilité, réduisant considérablement le temps de recherche. Bien que les utilisateurs préfèrent souvent garder le contrôle final, notamment pour les achats importants, l'agentic peut simplifier considérablement les tâches complexes.
**Le futur de Google Search : une expérience personnalisée et proactive**
Dans cinq ans, Google Search devrait conserver sa boîte de recherche, mais celle-ci sera plus intelligente, prédictive et capable de comprendre des requêtes plus complexes. L'expérience sera beaucoup plus personnalisée grâce à l'intelligence personnelle, où l'IA utilisera le contexte des données de l'utilisateur (e-mails, photos, calendrier) pour fournir des réponses sur mesure. L'IA sera également plus agentic, aidant les utilisateurs à accomplir des tâches. L'objectif est de permettre aux utilisateurs de poser la question la plus spécifique qui leur vient à l'esprit et d'obtenir une réponse parfaitement adaptée à leur contexte et à leur niveau de détail souhaité.
**L'IA accélère le développement de produits chez Google**
L'IA transforme le développement de produits en interne. Les ingénieurs utilisent des "agents de codage" qui gèrent une partie de leur travail, tandis que les chefs de produit peuvent créer des prototypes fonctionnels directement à partir de leurs idées, démocratisant ainsi le développement. L'IA est également utilisée pour analyser rapidement de vastes ensembles de données d'évaluation, identifiant les points faibles des modèles et permettant des améliorations rapides. Cela se traduit par une amélioration spectaculaire de la vélocité de développement, Google opérant à une vitesse sans précédent.
**Les développements IA les plus excitants et les préoccupations**
Nick Fox est particulièrement enthousiaste quant au moment "agentic", où les modèles peuvent agir de manière plus fiable. Il voit un potentiel énorme dans l'IA pour la santé, que ce soit pour la découverte de médicaments ou pour aider les personnes n'ayant pas accès aux soins. Il mentionne également les avancées de Waymo comme un exemple de la manière dont l'IA peut sauver des vies.
Sa principale préoccupation réside dans la nécessité de réaliser ces avancées de manière réfléchie, prudente et démocratique. Il souligne l'importance de la confiance, de la responsabilité et de la capacité à corriger le tir. Bien qu'il ait confiance en la capacité de Google à gérer ces défis, il insiste sur la responsabilité partagée entre les entreprises technologiques, les gouvernements et la société pour orienter l'IA dans la bonne direction.